CN106709261A - 一种矿井灾害的评价方法 - Google Patents

Abstract

本发明公开了一种矿井灾害的评价方法，其特征在于，为评价矿井自身灾害，利用相似度和投影理论，提出矿井自身灾害评价双向投影法；步骤：根据影响矿井自身灾害的10个指标和指标模糊临界值构建安全现状级别模糊量化判定标准；利用相似度理论得到的各级别下样本、待评价样本与正负理想解形成向量的双向投影值；构建并求解基于该值总偏差最小的目标规划模型获得指标权重；利用权重与双向投影值结合得到的加权双向投影值获得级别贴近度，确定出矿井安全级别；本发明可用于矿井自身灾害影响因素重要性分析。

Description

一种矿井灾害的评价方法

技术领域

本发明涉及采矿安全，特别是涉及矿井自身灾害影响因素重要性分析。

背景技术

随着中国煤矿监测监控系统的实施，煤矿安全生产形势明显好转，但根据国家安全生产总局统计数据，煤矿事故起数和死亡率仍不容乐观，因此，为遏制煤矿安全生产劣势加剧，有必要对矿井安全现状进行评价。目前国内外学者在煤矿安全评价的指标体系和评价方法2方面做了大量的研究。如吴开兴等根据4M-C-1构建了煤矿安全评价指标体系。姜维维等利用模糊DEA模型构建了煤矿安全风险预控管理体系评价指标。C。zgen Karacana等回顾了采矿安全效益获取与应用实践，并综合分析影响煤矿安全评价指标。罗景峰等，曾晟等采用模糊综合评价法研究煤矿安全评价。Y Lean等，Wang Ying等基于神经网络法研究煤矿安全评价。王少峰，陈沅江利用事故树分析法研究煤矿安全评价。杨列宁将灰色理论成功用于煤矿安全评价。贾宝山等分别运用TOPSIS法、突变理论对煤矿安全状况进行了有效判定。上述研究均取得了较好的成果，但灰色理论方法依靠专家经验进行评价，存在主观性。神经网络模型克服主观性，存在收敛速度慢等缺点。模糊综合评价法在处理指标间模糊关系等具有一定优势，指标权重确定存在主观性等。事故树方法计算过程复杂。

煤矿生产系统生产安全与人、机、环、管密不可分，生产中由各方面缺陷等指标共同作用导致事故发生，因此，有必要确定指标的重要性。投影法能够实现多指标的排序，但未体现方案与负理想方案关系等。同时，煤矿安全状况数据往往难以用精确值表示，如煤质挥发部分为小于10％时煤矿安全状况为安全，介于10至12。5时煤矿安全状况为较安全，对于煤质挥发部分为10％煤矿的安全状况相对难以评价为安全或较安全，但0％的可能性认为安全，100％可能性认为较安全。

将煤矿安全状况用三角模糊数表示，将投影法引入矿井自身灾害评价中，考虑方案与正负理想方案的关系，提出煤矿安全评价双向投影方法，并以黄陵双龙煤矿为例进行煤矿安全预评价研究。

发明内容

1.一种矿井灾害的评价方法，其特征在于，为评价矿井自身灾害，利用相似度和投影理论，提出矿井自身灾害评价双向投影法；其包括如下步骤：根据影响矿井自身灾害的10个指标和指标模糊临界值构建安全现状级别模糊量化判定标准；以此利用相似度理论得到的各级别下样本、待评价样本与正负理想解形成向量的双向投影值；进而构建并求解基于该值总偏差最小的目标规划模型获得指标权重；并利用权重与双向投影值结合得到的加权双向投影值获得级别贴近度，确定出矿井安全级别；本发明可用于矿井自身灾害影响因素重要性分析。

2.根据权利要求1所述的一种矿井灾害的评价方法，其特征在于，相似度与双向投影，设样本评价级别集G＝{G₁，G₂，…，G_m}，各样本评价指标构成的指标集X＝{X₁，X₂，…，X_m}，第i(i∈(1，n))个指标在第j(j∈(1，m))个级别下的评价指标值为据上建立任意某样本指标值X_i，正理想解X⁺和负理想解X^-，则正负正理想解，负理想解与样本形成的向量分别如式(1)和(2)：

式中：

3.根据权利要求1所述的一种矿井灾害的评价方法，其特征在于，X^-X_i与X^-X⁺相似度见式(3)：

式中：

4.根据权利要求1所述的一种矿井灾害的评价方法，其特征在于，X^-与X_i形成的向量在X⁺与X^-所形成的向量上的投影如式(4)：

越大，则X^-X_i越靠近X^-X⁺，从而X_i越靠近理想样本X⁺，

同理，X⁺与X^-所形成的向量在X_i与X⁺形成的向量上的投影分别如式(5)，

越大，X^-X⁺越靠近X_iX⁺，从而X_i越靠近临界样本X^-。

5.根据权利要求1所述的一种矿井灾害的评价方法，其特征在于，可利用贴近度公式(6)实现对指标的评价：

6.根据权利要求1所述的一种矿井灾害的评价方法，其特征在于，矿井自身灾害评价双向投影法，设煤矿安全评价初始评价矩阵以正理想解为参照对象权重向量ω，以负理想解为参照对象权重向量ρ，根据上述研究，可给出一种优选最佳评价的方法，步骤如下所示：

步骤1依据X，利用式(1)～(2)确定正理想解X⁺和负理想解X^-，计算向量X^-X_i，X^-X⁺，X_iX⁺；

步骤2利用式(3)～(5)计算相关度K(X^-X_i,X^-X⁺)，K(X^-X⁺,X_iX⁺)和投影

步骤3构建线性规划模型；

在煤矿安全评价级别G_j下，X_i的指标值与X⁺的偏差为偏差和取平方和的形式以去除符号因素，则X_i与X⁺在所有级别下的加权偏差和为进而所有样本指标的加权总偏差和为由于最终确定的权重向量ω应使所有样本指标的加权总偏差和最小，由此可构造如式(7)所示的目标函数；

利用拉格朗日乘数法，构建拉格朗日函数如式(8)；

式中，λ为拉格朗日乘子；

故利用式(14)分别对ω_j，λ求偏导，如式(9)；

由式(9)可得,

同理,可求解出ρ_j,如式(11)；

步骤4将投影矩阵与各等级权重集结，得到X_i与X⁺的加权投影，如式(12)：

同理可得X_i与X^-的加权投影，如式(13)；

具体实施方式

1评价指标及安全状态等级

矿井安全评价结果准确性与指标体系密切相关，影响煤矿安全状态指标的研究，选取以下10个指标作为指标评价体系：地质构造X₁，顶板X₂，瓦斯涌出量X₃(m³·t^-1)，煤层倾角X₄(°)，煤层厚度X₅(m)，开采深度X₆(m)。平均涌出量X₇(m³·h^-1)煤质挥发部分X₈(％)，自然发火期X₉(月)，冲击地压发生深度X₁₀(m)，并依据煤矿开采现状、特点、行业内相关规定，确定矿井安全状态为I级(安全)，II级(较安全)，III级(中等安全)，IV级(较不安全)和V级(不安全)5个级别，各级别评价标准标准化级别如表1，以陕西省双龙煤矿2号矿井为研究对象，各级别指标标准化数值见表1。

表1矿井安全状况级别评价标准化标准

2双向投影法指标评判

根据表1中标准化数据，建立初始评价矩阵X。

步骤1确定正理想解X⁺＝((1,1,1)，(1,1,1)，(1,1,1)，(1,1,1)，(1,1,1)，(1,1,1)，(1,1,1)，(1,1,1)，(1,1,1)，(1,1,1))，负理想解X^-＝((0.24,0.25,0.26)，(0.24,0.25,0.26)，(0.21,0.22,0.23)，(0.21,0.22,0.23)，(0.61,0.62,0.63)，(0.1,0.12,0.13)(0.11,0.12,0.13)，(0.19,0.2,0.21)，(0.32,0.33,0.34)，(0.1,0.11,0.12))，计算向量X^-X_i，X^-X⁺，X_iX⁺。

步骤2根据式(3)～(5)可得：

步骤3构建形如式(7)的非线性方程，并利用(10)求得ω＝(0.03，0.06，0.04，0.02，0.63，0.02，0.01，0.03，0.06，0.04)，同理求得ρ＝(0.04，0.03，0.03，0.04，0.70，0.01，0.02，0.02，0.05，0.01)。

步骤4利用式(12)～(13)计算加权投影。Prj+＝(1.600，0.845，0.240，0.004，0.969)，Prj^-＝(0，0.374，0.871，1.404，0.292)。

步骤5利用式(6)求得贴近度。C(X_i)＝(1，0.693，0.216，0.003，0.767)。

由上述计算结果可知，矿井各安全级别的量化级别I级大约1，II级大约大于0.693，III级大约大于0.216，IV级大约大于0.003，V级大约小于0.003。陕西省双龙煤矿2号矿井的量化值为0.767，可知该矿井等级为II级，与实际情况相符，说明基于双向投影模型的矿井安全评价是有效的。

根据步骤3计算 可知各指标重要性依次为：X₇，X₄，X₅，X₁，X₉，X₃，X₆，X₈，X₂，X₁₀。

Claims (6)

1.一种矿井灾害的评价方法，其特征在于，为评价矿井自身灾害，利用相似度和投影理论，提出矿井自身灾害评价双向投影法；其包括如下步骤：根据影响矿井自身灾害的10个指标和指标模糊临界值构建安全现状级别模糊量化判定标准；以此利用相似度理论得到的各级别下样本、待评价样本与正负理想解形成向量的双向投影值；进而构建并求解基于该值总偏差最小的目标规划模型获得指标权重；并利用权重与双向投影值结合得到的加权双向投影值获得级别贴近度，确定出矿井安全级别；本发明可用于矿井自身灾害影响因素重要性分析。

2.根据权利要求1所述的一种矿井灾害的评价方法，其特征在于，相似度与双向投影，设样本评价级别集G＝{G₁，G₂，…，G_m}，各样本评价指标构成的指标集X＝{X₁，X₂，…，X_m}，第i(i∈(1，n))个指标在第j(j∈(1，m))个级别下的评价指标值为据上建立任意某样本指标值X_i，正理想解X⁺和负理想解X^-，则正负正理想解，负理想解与样本形成的向量分别如式(1)和(2)：

$X^{-}{X}^{+}=\{x_1^{+}-x_1^{-},x_2^{+}-x_2^{-},...,x_n^{+}-x_n^{-}\}---\left(1\right)$

$X^{-}{X}_i=\{x_{i1}-x_1^{-},x_{i2}-x_2^{-},...,x_{in}-x_n^{-}\}---\left(2\right)$

式中：

3.根据权利要求1所述的一种矿井灾害的评价方法，其特征在于，X^-X_i与X^-X⁺相似度见式(3)：

$K(X^{-}{X}_i,X^{-}{X}^{+})=\frac{\left\{(X_i-X^{-})(X^{+}-X^{-})\right\}}{max\left\{\right|X^{-}{X}_i|,|X^{-}{X}^{+}\left|\right\}}---\left(3\right)$

式中：

$(X^{+}-X^{-})(X_i-X^{-})=(x_j^{+L}-x_j^{-L})(x_{lj}^L-x_i^{-L})+(x_j^{+}-x_j^{-})(x_{ij}-x_i^{-})+(x_i^{+U}-x_i^{-U})(x_{ij}^U-x_j^{-U}),$

$\left|X^{-}{X}_i\right|=\sqrt{|x_{ij}^L-x_j^{-L}{|}^2+|x_{ij}-x_j^{-}{|}^2+|x_{ij}^U-x_j^{-U}{|}^2},\left|X^{-}{X}^{+}\right|=\sqrt{|x_i^{+L}-x_j^{-L}{|}^2+|x_j^{+}-x_j^{-}{|}^2+|x_j^{+U}-x_j^{-U}{|}^2}.$

4.根据权利要求1所述的一种矿井灾害的评价方法，其特征在于，X^-与X_i形成的向量在X⁺与X^-所形成的向量上的投影如式(4)：

${\mathrm{Prj}}_{X^{-}{X}^{+}}\left(X^{-}{X}_i\right)=\left|X^{-}{X}_i\right|K(X^{-}{X}_i,X^{-}{X}^{+})---\left(4\right)$

越大，则X^-X_i越靠近X^-X⁺，从而X_i越靠近理想样本X⁺，

同理，X⁺与X^-所形成的向量在X_i与X⁺形成的向量上的投影分别如式(5)，

${\mathrm{Prj}}_{X_i{X}^{+}}\left(X^{-}{X}^{+}\right)=\left|X^{-}{X}^{+}\right|K(X^{-}{X}^{+},X_i{X}^{+})---\left(5\right);$

越大，X^-X⁺越靠近X_iX⁺，从而X_i越靠近临界样本X^-。

5.根据权利要求1所述的一种矿井灾害的评价方法，其特征在于，可利用贴近度公式(6)实现对指标的评价：

$C\left(X_i\right)=\frac{{\mathrm{Prj}}_{X^{-}{X}^{+}}\left(X^{-}{X}_i\right)}{{\mathrm{Prj}}_{X^{-}{X}^{+}}\left(X^{-}{X}_i\right)+{\mathrm{Prj}}_{X_i{X}^{+}}\left(X^{-}{X}^{+}\right)}---\left(6\right).$

6.根据权利要求1所述的一种矿井灾害的评价方法，其特征在于，矿井自身灾害评价双向投影法，设煤矿安全评价初始评价矩阵以正理想解为参照对象权重向量ω，以负理想解为参照对象权重向量ρ，根据上述研究，可给出一种优选最佳评价的方法，步骤如下所示：

步骤1依据X，利用式(1)～(2)确定正理想解X⁺和负理想解X^-，计算向量X^-X_i，X^-X⁺，X_iX⁺；

步骤2利用式(3)～(5)计算相关度K(X^-X_i,X^-X⁺)，K(X^-X⁺,X_iX⁺)和投影

步骤3构建线性规划模型；

在煤矿安全评价级别G_j下，X_i的指标值与X⁺的偏差为偏差和取平方和的形式以去除符号因素，则X_i与X⁺在所有级别下的加权偏差和为进而所有样本指标的加权总偏差和为由于最终确定的权重向量ω应使所有样本指标的加权总偏差和最小，由此可构造如式(7)所示的目标函数；

$\begin{array}{c}\min G\left(\mathrm{\ω}\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{\[{\mathrm{\ω}}_j\left|\left(1-{\mathrm{Prj}}_{X^{-}{X}^{+}}\left(X^{-}{X}_i\right)\right)\right|\]}^2\\ s.t.\left\{\begin{array}{c}\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\ω}}_j=1\\ 0\≤{\mathrm{\ω}}_j\end{array}\right.\end{array}---\left(7\right)$

利用拉格朗日乘数法，构建拉格朗日函数如式(8)；

$\begin{array}{c}L(\mathrm{\ω},\mathrm{\λ})=\underset{p=1}{\overset{n}{\Σ}}\underset{j=1}{\overset{m}{\Σ}}{\[{\mathrm{\ω}}_j(1-{\mathrm{Prj}}_{X^{-}{X}^{+}}(X^{-}{X}_p\left)\right)\]}^2+\\ 2\mathrm{\λ}\left(\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\ω}}_j-1\right)\end{array}---\left(8\right)$

式中，λ为拉格朗日乘子；

故利用式(14)分别对ω_j，λ求偏导，如式(9)；

由式(9)可得,

${\mathrm{\ω}}_j=\frac{{\left(\underset{j=1}{\overset{m}{\Σ}}{\left(\underset{i=1}{\overset{n}{\Σ}}{\left(1-{\mathrm{Prj}}_{X^{-}{X}^{+}}\left(X^{-}{X}_i\right)\right)}^2\right)}^{-1}\right)}^{-1}}{\underset{i=1}{\overset{n}{\Σ}}{(1-{\mathrm{Prj}}_{X^{-}{X}^{+}}(X^{-}{X}_i\left)\right)}^2}---\left(10\right)$

同理,可求解出ρ_j,如式(11)；

${\mathrm{\ρ}}_j=\frac{{\left(\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\left(1-{\mathrm{Prj}}_{X_i{X}^{+}}\left(X^{-}{X}^{+}\right)\right)}^2\right)}^{-1}\right)}^{-1}}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\left(1-{\mathrm{Prj}}_{X_i{X}^{+}}\left(X^{-}{X}^{+}\right)\right)}^2}---\left(11\right)$

步骤4将投影矩阵与各等级权重集结，得到X_i与X⁺的加权投影，如式(12)：

${\mathrm{Prj}}^{+}=({\mathrm{Prj}}_1^{+},{\mathrm{Prj}}_2^{+},...,{\mathrm{Prj}}_n^{+})=\mathrm{\ω}\left({\mathrm{Prj}}_{X^{-}{X}^{+}}\right(X^{-}{X}_i\left)\right)---\left(12\right)$

同理可得X_i与X^-的加权投影，如式(13)；

${\mathrm{Prj}}^{-}=({\mathrm{Prj}}_1^{-},{\mathrm{Prj}}_2^{-},...,{\mathrm{Prj}}_n^{-})=\mathrm{\ρ}\left({\mathrm{Prj}}_{X_i{X}^{+}}\right(X^{-}{X}^{+}\left)\right)---\left(13\right).$