基于多目标模型的煤与瓦斯突出风险分类方法研究

令狐建设 臧 杰

（1.华阳新材料科技集团有限公司，山西 阳泉 045000；2.中国矿业大学（北京） 应急管理与安全工程学院，北京 100083）

我国煤矿众多、生产条件和地质条件差异较大，各矿区不同区域煤与瓦斯突出灾害表现形式差异也较大，其中阳泉矿区尤为明显。根据矿区不同区域的具体情况，在煤矿瓦斯标准化管理的基础上[1-2]，建立瓦斯风险防控技术和管理体系的灾害分类控制方法，实现标准化和差异化联合管控，对提升瓦斯灾害风险防控能力具有重要的意义。

目前，以数据信息为研究基础，结合数据挖掘方法和数据处理技术，分析煤与瓦斯突出的孕育、发生、发展规律和模式，进而对突出风险预测和预警，实现煤与瓦斯突出灾害的有效防控。目前常用的数据挖掘和数据处理方法有主成分分析法[3-4]、层次分析法[5]、模糊聚类法[6]、灰色关联法[6]、支持向量机法[7]等。

本文将数据挖掘技术与多目标智能加权灰靶决策模型相结合，以阳泉矿区煤与瓦斯突出风险为研究对象，分析阳泉矿区煤与瓦斯突出影响因素之间的作用关系，对突出风险差异进行分类研究，以便针对不同突出风险进行差异化防控，进而提升煤矿突出防控的整体水平。

1 多目标智能加权灰靶决策模型

多目标智能加权灰靶决策模型属于灰色决策方法，该方法将不同含义、维度和性质的决策目标（煤与瓦斯突出风险）转化为具有一致性效果的测度，以灰靶临界值作为测度函数的正负分界点（即零点）来评价一致性效果，并以灰靶临界值作为灰靶决策的目标中心。图1 是基于多目标智能加权灰靶决策模型的煤与瓦斯突出风险分类示意图。

图1 煤与瓦斯突出风险灰靶决策分类示意图

如图1 所示，对于煤与瓦斯突出风险而言，当风险值在图中圆形范围内即称为“中靶”，否则“脱靶”。靶心值为1，风险值越接近1，即代表越接近靶心，其煤与瓦斯突出风险相应越大。反之，在圆形范围外则代表风险值小于0，无煤与瓦斯突出风险。本文将风险值r=0.3 作为靶心与靶心外围的分界值：当r＆gt;0.3 时，样本工作面的突出煤量多大于100 t，具有强煤与瓦斯突出风险；当0＆lt;r＆lt;0.3 时，样本工作面的煤与瓦斯突出煤量大多在0 至100 t之间，为弱突出风险；当r＆lt;0 时，样本工作面无突出风险。

图2 为煤与瓦斯突出风险多目标智能加权灰靶决策模型的主要内容，其具体步骤如下：

图2 模型内容示意图

第一步：根据煤与瓦斯突出风险事件集A 和对策集B 构造煤与瓦斯突出风险分类决策方案集S。

第二步：确定煤与瓦斯突出风险分类决策目标k。

第三步：确定煤与瓦斯突出风险分类各目标的决策权。

任务型教学法(task-based approach)，全称为“以任务为基础的教学法”。20世纪80年代以来逐渐形成和发展起来，并成为广大应用语言学家和外语教学实践者认可和接受的外语教学途径。任务型教学法主张通过运用来达到掌握语言的目标，其理论基础为输入与互动假设（input and interaction hypothesis）。

第四步：对煤与瓦斯突出风险分类目标k，求解相应的目标效果样本矩阵

（1）效益型煤与瓦斯突出风险目标效果测度函数

第五步：设定目标效果临界值。

第六步：求k目标下的一致效果测度矩阵

2 煤与瓦斯突出风险差异化分类实例

根据多目标智能加权灰靶决策模型对阳泉矿区各煤矿工作面瓦斯突出风险等级进行分类，以验证模型的适用性和准确性。

在煤与瓦斯突出风险分类研究中，各决策要素如下所示：

事件a1=煤与瓦斯突出风险分类；

对策b1、b2、b3=强、弱、无；

根据灰色关联分析结果，选取目标对象为煤体坚固性系数X1、煤层厚度X2、煤的破坏类型X3、煤层瓦斯含量X4、煤层瓦斯压力X5、煤层透气性X6、瓦斯放散初速度X7、地应力X8、开采深度X9、地质构造复杂度X10。

（1）煤与瓦斯突出风险分类

① 煤与瓦斯突出风险分类指标

根据灰色关联分析结果，煤与瓦斯突出风险分类指标与目标对象一致，为上述目标对象对应的十个指标。

② 样本矩阵的建立

利用建立的多目标智能加权灰靶决策模型，将在阳泉矿区新景矿、新元矿和寺家庄矿典型突出样本数据作为决策样本，建立样本矩阵，见表1。

表1 阳泉矿区煤与瓦斯突出风险样本数据

③ 一致效果测度矩阵的建立

依据《煤矿安全规程》《防治煤与瓦斯突出细则》等文件规定，并结合阳泉矿区以往煤与瓦斯突出的经验数据，确定了各指标临界值，见表2。

表2 指标临界值

④ 指标决策权的确定

将突出煤量作为煤与瓦斯突出风险分类母序列因素，其他指标作为子因素，计算出各指标与突出煤量的关联度，经过归一化得到各个指标相对于突出煤量的影响权重集，见表3。

表3 指标影响权重值

3 分类结果及分析

将突出单项指标临界值作为“靶心”，也称“最优”局势，根据各指标与靶心之间的偏离程度作为判定各指标相对于该“最优”局势优和劣的程度。经计算得到综合效果测度，将量化计算的突出强度结果与实际突出强度进行比较，见表 4 所列。

从表4 可以看出，模型计算结果与实际结果具有较高的一致性，证明该模型可以在很大程度上对煤与瓦斯突出风险进行分类。

表4 煤与瓦斯突出风险分类计算结果与实际情况对比

4 结论

（1）针对阳泉矿区煤层地质条件及瓦斯赋存特征，综合考虑煤与瓦斯突出风险控制因素复杂多变的特点，运用灰色关联分析法，构建了符合阳泉矿区煤层地质条件及瓦斯赋存特征的煤与瓦斯突出风险分类指标体系。

（2）根据多目标智能加权灰靶决策模型的基本原理，建立了符合阳泉矿区条件的煤与瓦斯突出风险差异化分类模型，利用两种理论方法各自特点，降低了煤与瓦斯突出风险差异化分类指标以及分类结果的不确定性。

（3）采用在阳泉矿区收集的实际样本数据对模型进行验证，结果显示模型分类结果与实际情况具有较高的一致性，表明所建模型可以实现阳泉矿区煤与瓦斯突出风险等级的差异化分类。