煤矿安全管理双权重风险评价方法研究

何叶荣　范志豪

摘要：为切实做好煤矿安全管理工作，确保煤矿安全高效生产，从煤矿安全管理现状入手，分析影响煤矿安全管理的风险因素;运用粗糙集理论对收集的60个煤矿安全管理风险因素指标进行约减，精简出18个风险评价指标和3个风险后果指标;通过现场访谈，结合专家咨询和问卷调查，选择12个典型煤矿作为样本煤矿;根据煤矿安全管理非线性、动态时变性及不确定性等特点，对结构方程模型SEM（structural equation model）评价方法、模糊支持向量机FSVM（fuzzy support vector machines）评价方法，以及结构方程模型和模糊支持向量机相结合的SEM-FSVM风险评价方法进行研究，并对这3种评价方法评价的结果进行对比。研究证明，将SEM 的路径系数与FSVM的核函数进行结合，所构建的基于样本和指标双权重的SEM-FSVM风险集成评价模型，评价过程科学合理，评价结果更加精确，能较好地为实现煤矿安全管理精细化、本质化提供决策依据。

关键词：雙权重;结构方程模型;模糊支持向量机;煤矿安全管理;评价方法

中图分类号：TD 76;X 936文献标志码：A

文章编号：1672-9315（2022）03-0600-07

DOI：10.13800/j.cnki.xakjdxxb.2022.0324开放科学（资源服务）标识码（OSID）：

Research on  double-weight risk assessment method

of coal mine safety managementHE Yerong，FAN ZHihao

（School of Economic and Management，Anhui Jianzhu University，Hefei 230601，China）Abstract：In order to manage mine safety effectively and ensure efficient and safe production of coal mines，the risk factors affecting safety management were analyzed with the present situation in view.The collected 60 risk factors of coal mine safety management were reduced by using Rough Set Theory，in which 18 risk evaluation indicators and 3 consequences indicators were extracted.Twelve typical coal mines were selected as samples by field interview，expert consultation and questionnaire survey.Based on the characteristics of non-linear，dynamic time-varying and fuzzy information of coal mine safety management，the structural equation model（SEM），fuzzy support vector machine（FSVM）and the combination of these two risk assessment methods（SEM-FSVM） were studied with their results compared.The empirical research integrated  combining the path system number of SEM with the kernel function of FSVM，the indicates two-weighted risk  evaluation method is more reasonable，and the evaluation results are more accurate，which is more conducive to  the essential safety management of coal mine.

Key words：double-weight;structural equation model;fuzzy support vector machine;coal mine safety management;evaluation method

0引言

煤炭产业在中国一次性能源生产和消费结构中占主导地位，“十四五”时期，煤炭行业将进入高质量发展攻坚期，煤炭将占到中国一次能源消费一半以上。预计到2025年，煤炭消费量在41亿t左右，占比约为52%[1]。但是中国煤矿环境复杂，安全事故多发。国家矿山安全监察局对2020年煤矿安全事故案例进行了梳理，统计出了全国煤矿安全事故十大典型案例[2]，见表1。

近年来，中国煤矿安全法律法规体系进一步健全，监管体制机制不断完善，安全管理越来越规范，煤矿安全形势明显好转，重特大事故明显减少，2019年全国煤矿发生死亡事故170起、死亡316人，同比分别下降24.1%和5.1%;百万吨死亡率0.083%，同比下降10.8%[3]。2020年以来，面对极其严峻复杂的国内外形势，特别是新冠肺炎疫情严重冲击，在党中央、国务院的坚强领导下，广大煤矿企业认真贯彻落实党中央决策部署，统筹抓好疫情防控和安全生产工作，健全公共安全体系，完善安全生产责任制，提升安全事故的防范能力，使全国煤矿事故总量、重大事故数量、百万吨死亡率持续下降，煤矿安全生产形势持续稳定向好。但是，煤矿安全事故仍时有发生，与欧美一些国家相比，事故总量依然偏大 [4]。暴露出一些煤矿企业法律意识淡薄、违法违规行为屡禁不止、事故隐患较多等影响安全生产的突出问题和薄弱环节尚未得到根本解决。5C8C7694-51B2-48E7-8957-15E1C567EE6E

据统计，已发生的煤矿安全事故中，90%以上是由于人的因素所致[4]，本质上是由于安全管理所致。近些年来，国内外专家、学者针对煤矿安全管理风险问题，开展了大量研究，取得了丰富的成果[4-7]，推动了煤矿安全管理工作。然而，由于煤矿安全管理的动态时变性和非线性，这些理论在实际应用中受到一定的限制，实用性不强[7]。结构方程模型（structural equation model，SEM）[7-10]可以对多个因变量同时处理，分析风险因子对风险结果的影响路径，而且对煤矿安全管理多变的、相互演化的风险关系，通过路径系数进行分析，并精确计算出来;模糊支持向量机（fuzzy support vector machine，FSVM）[11-15]，是将模糊隶属度添加于支持向量机二次规划的惩罚参数中，能够对特殊样本进行模糊隶属度赋值，消除数据差异的影响。文中在对国内外相关研究进行梳理的基础上，结合中国煤矿安全管理现状，拟采用模糊支持向量机（FSVM）和结构方程（SEM）相结合的方法，对煤矿安全管理风险进行评价[3]。

1理论基础及程序

1.1理论基础

运用SEM进行风险因素分析，构建SEM风险因素结构模型，计算风险因素路径系数，确定风险评价指标权重，将该权重与FSVM的核函数进行内积运算，建立特征加权核函数，由此形成FSVM新的核函数，以平衡指标贡献度对风险评价结果的影响。经过处理后的模型既能简化样本数据处理，又能很好地解决煤矿安全管理的动态性、时变性等问题[3]。这种将样本权重与指标权重同时考虑的双权重风险评价方法，能大大提高煤矿安全管理风险评价的精度和效率。

1.2程序与步骤

运用SEM和FSVM结合的方法，将SEM风险路径系数值作为评价指标特征权重向量，与GAUSS核函数进行内积运算，构建特征加权GAUSS核函数，建立特征加权支持向量机[3]。具体程序如图1所示。

2评价过程

2.1选择样本

通过现场访谈，结合专家咨询和问卷调查，选择12个典型煤矿为样本（7个正类，5个负类）。运用粗糙集理论对收集的60个煤矿安全管理风险因素指标进行约减，提炼出18个风险评价指标和3个风险后果指标。数据采集期为2017—2019年，取3年的数据均值作为指标分值。

2.2设计风险类别

风险等级区间采用1～10分，采用李克特五级量表，分为5级分值区间：[0-2]无风险，（2-4]轻微风险，（4-6]一般风险，（6-8]较大风险，（8-10]严重风险;风险后果设置为±类：-1表示有风险后果，+1表示无风险后果[3]。

2.3数据处理

2.3.1数据预处理

2.3.2数据信度、效度分析

对预处理数据进行信度和效度分析，分析结果总体量表的Alpha值为0.928，大于参照值0.7，指标信度很好。效度是衡量测量结果与实际情况的符合程度的，通常运用KMO和Bartlett球形检验。文中风险评价指标的KMO值为0.886，Bartlett球型检验值为1 650.33，其概率Sig值为0，存在显著差异，指标信度和效度较好。

2.4模型構建与风险评价

2.4.1模糊隶属函数选择及参数设置

2.4.2核函数构建

2.4.3选择训练样本，构建模糊训练集

2.4.4选定测试样本进行测试

3结果分析

3.1评价结果分析

4结论

由上述评价结果来看，总误差和平均误差均最小的是基于指标和样本双权重的SEM-FSVM风险评价方法，评价精度最高，SEM和FSVM评价精度相对偏低。主要原因在于

1）样本数据可能有野值点的存在，导致评价结果出现误差;另外，指标数据的处理方法也有可能影响评价结果，导致出现误差。

2）SEM一般用于评价多因素多变量之间的影响关系，进行多样本风险评价比较困难，要逐个将样本的指标分值代入模型进行计算，计算过程比较繁琐，容易出错且耗时较长，评价精度不理想。

3）基于FSVM的评价模型，虽然引入了模糊隶属度，对于孤立点赋予了很小的隶属度，但是样本指标权值对评价结果还是有一定影响的。

4）基于特征和样本双重加权的SEM-FSVM风险评价模型，通过构建SEM风险因素结构模型，将SEM路径系数与GAUSS核函数进行集成，构造特征加权GAUSS核函数，对FSVM的核函数进行了改进。改造后的SEM-FSVM模型，一方面能注重样本重要性，同时又充分考虑指标贡献度，降低采集数据成本。此方法适用于小样本、复杂多因素评价，评价精度较高，能为煤矿安全风险管理提供决策依据和理论指导，从而有效降低煤矿安全事故。

参考文献（References）：

[1]中国煤炭新闻网[EB/OL].http：//www.cwestc.com/newshtml/2019-12-19/593155.shtml

[2]国家矿山安全监察局.[EB/OL].http：//www.chinacoal-safety.gov.cn/xw/mkaqjcxw/.2021.01.25

[3]何叶荣.基于SEM-FSVM的煤矿安全管理风险评价[D].淮南：安徽理工大学，2016.HE Yerong.Risk evaluation of coal-mine safety management based on SEM-FSVM[D].Huainan：Anhui University Science & Technology，2016.

[4]MA J Q，DAI H.A methodology to construct warning index system for coal mine safety based on collaborative management[J].Safety Science，2017，93（5）：86-95.5C8C7694-51B2-48E7-8957-15E1C567EE6E

[5]曹庆仁，李凯.各种煤矿安全管理行为及其相互影响作用研究[J].安全与环境学报，2015，15（1）：6-10.CAO Qingren，LI Kai.Research on safety management behavior of coal mine and its interaction[J].Journal of Safety and Environment，2015，15（1）：6-10.

[6]WANG L，CAO Q，ZHOU L.Research on the influencing factors in coal mine production safety based on the combination of DEMATEL and ISM[J].Safety Science，2018，103：51-61.

[7]田水承，唐凯，田方圆.基于DFSS理论的煤矿企业培训安全质量管理体系构建研究[J].煤矿安全，2020，51（6）：251-254.TIAN Shuicheng，TANG Kai，TIAN Fangyuan.Quality management system construction of coal mine enterprises safety traning based on DFSS theory[J].Safety in Coal Mines，2020，51（6）：251-254.

[8]YANG D，XIE K，OZBAY K，et al.Fusing crash data and surrogate safety measures for safety assessment：development of a structural equation model with conditional autoregressive spatial effect and random parameters[J].Accident Analysis and Prevention，2021（1）：1-13.

[9]JONAS G，LEV?QUE，ROBERT  C B.A structural equation modeling approach to water quality perceptions[J].Journal of Environmental Management，2018，52（8）：143-149.

[10]钟茂华，田向亮，刘畅，等.基于结构方程模型的地铁乘客安全行为影响因素分析[J].中国安全生产科学技术，2018，14（1）：5-11.ZHONG Maohua，TIAN Xiangliang，LIU Chang，et al.Analysis of influencing factors of subway passenger safety behavior based on structural equation model[J].Journal of Safety Science and Technology，2018，14（1）：5-11.

[11]LU R W，WANG X H，YU H，et al.Multiparty evolutionary game model in coal mine safety management and its application[J].Complexity，2018（3）：1-10.

[12]ROBLAW Q W.Fuzzy support vector regression machine with Penalizing Gaussian noises on triangular fuzzy number space[J].Expert Systems with Applications，2010，37（12）：7788-7795.

[13]YANG B.Dynamic risk identification safety model based on fuzzy support vector machine and immune optimization algorithm[J].Safety Science，2019，118：205-211.

[14]何葉荣，孟祥瑞.煤矿企业安全管理能力风险因素结构模型[J].中国安全生产科学技术，2015，11（3）：135-140.HE Yerong，MENG Xiangrui.Structural model on risk factors of safety management capability in coal mine enterprise[J].Journal of Safety Science and Technology，2015，11（3）：135-140.

[15]FURKAN B，AYSEN A.Hybrid fuzzy support vector regression analysis[J].Journal of Intelligent and Fuzzy Systems，2015，28（5）：2037-2040.

[16]TAHEREH B，SAEEDEH G，SADOGHI H Y.Toward optimum fuzzy support vector machines using error distribution[J].Engineering Applications of Artificial Intelligence，2020，90：214-217.5C8C7694-51B2-48E7-8957-15E1C567EE6E