2010—2018 年煤矿瓦斯事故时空耦合关联分析

王 伟，李 昱，李贤功

（1.河南能源化工集团永煤公司 陈四楼煤矿，河南 永城476600；2.中国矿业大学 矿业工程学院，江苏 徐州221116）

国内近年煤矿安全事故发生次数逐年降低，但事故次数总量仍较大。在煤矿企业生产过程的5 大典型灾害中，尤以瓦斯事故以其破坏性强、经济损失大、人员死亡多等显著特点对煤矿安全生产造成严重危害[1]。因此系统分析瓦斯事故发生的时空规律是十分必要的。国内学者对煤矿瓦斯事故已取得诸多研究：李润求通过交叉耦合综合分析，从事故发生年度、事故等级和煤矿企业性质等多方面研究我国瓦斯灾害事故的发生规律[1]；陈波从地压监测角度对煤矿安全生产运行提出建议[2]；谭章禄利用Excel 和Arcgis 软件研究了煤矿安全事故的发生时间和地理空间分布规律[3]；张英慧基于分形理论利用R/S 等方法总结了重特大煤矿事故的发生时间特征[4]；雷煜斌从设备、环境、人因角度结合关联规则寻找煤矿瓦斯事故的致因链[5]。但以上研究未从例如煤矿瓦斯类型、事故地点等事故因素之间关联规则的角度深入分析瓦斯事故发生规律，为此从时间、地点、瓦斯类型和事故类型等角度分析收集了2010—2018 年度国内235 起瓦斯事故，结合Apriori算法得到强关联规则组成的频集，深入挖掘瓦斯事故蕴含的规律，为瓦斯事故预防工作提供更建议。

1 时空分析

1.1 时序分析

煤矿瓦斯事故的发生在不同时间范围上都呈现明显的随机性分布特征。有关时序分析的内容，按宏观到微观的顺序展开。

1.1.1 基于月的时序分析

瓦斯事故的发生充满不确定性，但事故数量会随月份变化而产生一定波动，从月份维度对事故发生进行时序分析，可直观观察瓦斯事故的发生规律，2010—2018 年瓦斯事故发生时间所在月份如图1。

图1 2010—2018 年瓦斯事故发生时间所在月份Fig.1 Monthly distribution of coal mine gas accidents in China from 2010 to 2018

由图1 可知，瓦斯事故多发生在3 月到8 月，其中3 月事故数量最多，主要原因为工人节后返工难以迅速高度集中注意力工作，安全生产意识不强，生产进度加快导致瓦斯涌出增加，以致煤矿安全事故多发[3]。事故数量在2 月、9 月有明显下降，2 月正值农历新年前后，生产任务相对较少，9 月份为第3季度的首月，煤矿安全政策的发布较频繁，煤矿企业和监管部门重视程度高，故9 月瓦斯事故较少。

由图1 还可知，瓦斯事故数量在10 月至次年1月范围内有明显突出。这一时间段为煤矿企业生产加强期，原因有2 方面：1○受耗煤需求量上升影响，煤矿企业生产动力较强；2○这一时间段处于春节前，煤矿多倾向于在春节停工放假前加大生产，以备节后正常销售。在双重生产动力驱动下，煤矿企业的生产会有一定的加强，而在产能既定的情况下加强生产，必然导致瓦斯事故发生可能性的提高。

1.1.2 基于班次的时序分析

国内煤矿多采用“三八制”作业，在各班次发生的事故数量具有不同的分布特征，2010—2018 年国内煤矿瓦斯事故所在班次如图2。

图2 2010-2018 年国内煤矿瓦斯事故所在班次Fig.2 Schedule distribution of coal mine gas accidents in China from 2010 to 2018

由图2 可知，早班瓦斯事故占比最大。经调查，煤矿在正常情况下晚班大多开展维修作业，少进行开采工作，故该班次事故数量占比较低。

1.1.3 基于小时的时序分析

为分析瓦斯事故在1 d 内各时段的分布情况，将瓦斯事故数量按小时统计，2010—2018 年国内煤矿瓦斯事故发生时间如图3。

图3 2010—2018 年国内煤矿瓦斯事故发生时间Fig.3 Occurrence time distribution of coal mine gas accidents in China from 2010 to 2018

由图3 可知，11：00-12：00 时发生的事故数量最多，该时段接近午饭时间，工人容易松懈，且在经过前3 h 作业后体力下降，操作设备时更易失误，故会造成较多的事故发生。10：00-11：00 时和9：00-10：00 时发生的事故数量逐次降低。3 个时段顺次相接，即9：00-12：00 时这3 h 为发生瓦斯事故的集中时段，占总比重的25.33%，这也是早班发生的事故最多的原因。9：00-12：00 时为早班换班后的2～4 h，在换班完成的紧张过后，井下工人安全防范心理松懈，班次间工作交接不到位的隐患也很可能在换班后的这一时段爆发，造成瓦斯事故在该时段发生的可能性极大提升。煤矿企业应加强针对在这些时段开展的井下工作的安全管理力度[6]。

1.2 空间分析

煤矿井下空间布局复杂，不同地点的危险性也不一样。煤矿事故的发生具有典型的地点依赖性，对事故发生的具体地点进行分析，2010—2018 年煤矿瓦斯事故地点分布如图4。

由图4 知，掘进工作面事故最多，所占比例为31.98%。近年来，我国的主要生产煤矿广泛使用综合机械化掘进工艺[7]。由于掘进工作面掘进速度加快，其绝对瓦斯涌出量增大，瓦斯灾害问题日益严重。因此，煤巷掘进工作面最容易发生瓦斯事故[8]。另外，在采煤工作面发生瓦斯事故的次数表现也很突出，占总比的19.82%。因此，煤矿工人在采煤工作面作业时也要注意防范瓦斯事故发生的风险。

1.3 事故发生地点和时间的耦合分析

图4 2010—2018 年煤矿瓦斯事故地点分布Fig.4 Location distribution of coal mine gas accidents in China from 2010 to 2018

综合考虑空间与时间因素，不同的工作地点在各时段发生瓦斯事故的情况有所差异，对瓦斯事故发生地点和时间做耦合统计分析，事故地点和发生时间耦合分析如图5。

图5 事故地点和发生时间耦合分析Fig.5 Coupling analysis of accident location and occurrence time

由图5 可知，煤矿瓦斯事故的发生呈现典型的时空耦合特征。事故发生的最大值出现在2 处，即掘进工作面分别在11：00-12：00 时和15：00-16：00时2 个时段内发生瓦斯事故的数量，均为7 次。

1.4 煤矿瓦斯类型分析

不同瓦斯类型的煤矿发生瓦斯事故的概率不同。2010—2018 年瓦斯事故煤矿瓦斯类型如图6。

由图6 可知，煤与瓦斯突出煤矿事故数量最多，为110，低瓦斯煤矿事故数量次之，为89，高瓦斯煤矿事故数量最少，为41。一般来讲，煤矿瓦斯等级越高，瓦斯治理成本越高、难度越大，相对容易发生瓦斯事故[9]。但分析表明，低瓦斯煤矿事故数量高于高瓦斯煤矿事故数量，故应格外重视低瓦斯煤矿的事故预防工作。

图6 2010—2018 年瓦斯事故煤矿瓦斯类型Fig.6 Type of coal mineswithgas accidents in China from 2010 to 2018

1.5 瓦斯事故类型分析

根据1.4 中的统计可知，瓦斯爆炸事故的发生次数最多，为121，煤与瓦斯突出事故次之，为100，瓦斯窒息事故最少，为19。为分析不同类型瓦斯事故与发生年份的关系，将各年事故数量统计，不同类型瓦斯事故数量历年变化如图7。

图7 不同类型瓦斯事故数量历年变化Fig.7 Changes in the number of different types of gas accidents

从图7 可知，近9 年瓦斯事故整体数量呈下降趋势，煤与瓦斯突出和瓦斯爆炸事故数量交替变化，瓦斯窒息事故数量始终处于较低水平。瓦斯爆炸事故基本呈现下降趋势，但2018 年煤与瓦斯突出事故数量再次上升，故应加大对该类事故的治理力度。

2 数据预处理

2.1 煤矿瓦斯事故统计数据来源

伤亡事故统计分析是伤亡事故综合分析的主要内容，是从宏观上探索伤亡事故发生原因及规律的过程，可以为有效采取预防事故措施提供依据[10-11]。查询国家应急管理部、各地方煤矿安全监察局、煤矿安全网[4]，以及事故案例集等资料，完善已有数据，最终获取到134 起煤矿瓦斯事故调查报告。

2.2 文本数据编码

为保证事故信息与Apriori 算法充分结合，应对其进行预处理。针对不同目的的时空分析，将瓦斯类型、发生时间、发生地点、人员操作、事故类型内含的文本信息转化为数值信息。

煤矿类型按以下规则编码：煤与瓦斯突出煤矿为01，高瓦斯煤矿为02，低瓦斯煤矿为03。事故类型按以下规则编码：瓦斯窒息为01，瓦斯爆炸为02，煤与瓦斯突出为03。瓦斯事故的发生地点共21 个，人员操作37 个，按相同规则完成编码。

3 基于Apriori 算法的关联分析

3.1 算法原理

Apriori 算法关联规则可描述如下：集合I={i1,i2,…，im}为标识符的集合，其中m 为正整数，ik（k＝1，2，…，m）称为项目。项目集是由I 中项目构成的集合，若项目集包含的项目数为k，则此项目集称为k 项目集。关联规则是形如X=＞Y 的规则，其中X、Y 为项目集且交集不为空。关联规则挖掘的事务数据库记为D，D 中的每个元组为在D 中的事务，若的事务包含X∩Y，则关联规则的支持度为s，即：

式中：P（XY）为概率。

在数据库D 中，若c 包含项目集X 事务也包含项目集Y，则关联规则X=＞Y 置信度为，即c：

若关联规则X=＞Y 的支持度和置信度均不劣于用户指定的最小支持度和最小置信度，则称关联规则X=＞Y 为强关联规则，否则称为弱关联规则[12]。故关联规则的挖掘可分以下2 步：

1）找出所有出现的频繁性不劣于预定义的最小支持度的频繁项目集。

2）由频繁项目集产生必须满足最小支持度和最小置信度的强关联规则。

分析过程中，可通过“任何频繁项集的非空子集也是频繁项集，非频繁项集的超集是非频繁项集”[13]提高分析效率。

3.2 案例分析

由2.2 中的编码规则产生134 种项目集，设定强关联规则X=＞Y（14%，50%），即最小支持度s1=14%，最小置信度c1=50%，2010—2018 年发生瓦斯事故煤矿类型比率见表1。

表1 2010—2018 年发生瓦斯事故煤矿类型比率Table 1 Type ratio of coal mines with gas accidents from 2010 to 2018

结合s1=14%，由表1 可知，应将134 种项目集中瓦斯类型编码为02 的项目删除。2010—2018 年煤矿瓦斯事故各月发生比率见表2。

表2 2010—2018 年煤矿瓦斯事故各月发生比率Table 2 Monthly occurrence rate of coal mine gas accidents from 2010 to 2018

由表2 可知，只有发生时间编码为12 的项目满足s1，将其他项目集删除。

对134 种项目集事故地点逐项进行统计，地点为采煤工作面和掘进工作面的项目满足条件，删除其余项目集。事故类型数量及比率见表3。

表3 事故类型数量及比率Table 3 Type and ratio of coal mine gas accidents

由表3 可知，事故类型为瓦斯窒息的项目不满足s1，将该类项目删除。

统计人员操作一项，只有操作为违章放炮的项目支持度大于s1，故删除人员操作为其他的项目。

通过以上步骤进行筛选，得到4 种项目集，4 种项目集见表4。

表4 4 种项目集Table 4 4-item sets

由表4 可得，煤矿A、B、C 的事故编码相同，频次为3；煤矿D 的事故编码频次为1。事故因素间置信度由式（2）可得，并用矩阵表示。矩阵每一个交点的值代表横坐标因素导致纵坐标因素发生的置信度，斜对角线数值为0[5]，事故因素间置信度表见表5。

表5 事故因素间置信度表Table 5 Confidence among accident factors

由表5 知，12 月份≥煤与瓦斯突出煤矿，掘进工作面≥煤与瓦斯突出煤矿，违章放炮≥煤与瓦斯突出煤矿，瓦斯爆炸=＞煤与瓦斯突出煤矿，共4 项规则的置信度均小于c1，为弱关联规则。

将各事故因素间强关联规则用有向图表示，事故因素强关联规则如图8。

图8 事故因素强关联规则Fig.8 Strong association rules of accident factors

在图8 中，箭头表示xi到xk（i，k=1，2，3，4，5，且i≠k）强关联规则的方向，实线和虚线分别代表的置信度为1.00 和0.67 的强关联规则。置信度为0.33的关联规则由于不满足最小置信度条件，未在图中画出。由表5 可知关联规则的置信度是受先后顺序影响的，交换先后顺序之后的置信度与交换前的置信度不一定相等，如x1和x3、x4和x6。在图8 中，任选1 个节点出发，按一定的先后顺序不重复的遍历所有节点，即可再现满足强关联规则条件的一种瓦斯事故的发生过程。由于x1和x2均属于瓦斯类型这一事故因素，在遍历路径中只选择其中1 个经过即可。

在掘进工作面，最应关注低瓦斯煤矿在12 月份由违章放炮引起的瓦斯爆炸；煤与瓦斯突出煤矿在12 月份因违章放炮引起的瓦斯爆炸也不可忽视。

若直接寻找134 种项目集中频次最高的事故，可得2 个频次均为2 的事故编码：0111112703 和0304022402。0111112703 中27 代表的人员操作-违章使用风镐，在37 项人员操作中所占比例为2.99%，但人员操作这一因素中有多项操作的比例大于2.99%，故人员操作的实际关注重点并不是违章使用风镐。由此可知，只关注最终结果，未考虑事故内含的各因素而直接进行频次统计的结果不能合理指明工作重点。

若只根据表1 至表3 中134 种项目集代表的瓦斯事故时空分析结果，极有可能会得出“煤与瓦斯突出和低瓦斯煤矿在12 月份的掘进工作面应注意预防由违章放炮引起的瓦斯爆炸”的结论。该结论在“事故因素相互独立”的条件下得出，且2 种煤矿的事故预防重要程度相等。但显然各事故因素是相关的，需引起重视的强关联规则也不止1 条。这样的推测只关注“最高”，而未考虑“次高”，在某种程度上是不“公平”的，故需设定1 个合理阈值，凡频率在阈值以上的事故予以考虑，再与Apriori 算法结合，从条件概率的角度出发进行筛选。

4 结 语

通过对2010—2018 年国内煤矿瓦斯事故进行时空耦合分析得到以下结论：煤矿瓦斯事故的发生根据瓦斯类型和事故类型的不同，在时间和空间上都呈现明显的随机分布特征。3 月发生的瓦斯事故最多，煤矿发生瓦斯事故最频繁的班次为早班，最频繁的时段为11:00-12:00 时；在发生瓦斯事故的众多地点中，掘进工作面所占比重最大；在瓦斯类型中，煤与瓦斯突出煤矿发生瓦斯事故的可能性最高；在事故类型中，瓦斯爆炸事故所占比重最大，煤与瓦斯突出事故次之。结合Apriori 算法分析国内煤矿瓦斯事故案例，最终频繁项目集的求解结果显示，要重点防范低瓦斯煤矿在12 月的掘进工作面作业过程中因违章放炮造成瓦斯爆炸事故，以减少我国煤矿瓦斯事故的发生。