CN108510146A

CN108510146A - 煤矿安全生产风险预警方法和系统

Info

Publication number: CN108510146A
Application number: CN201711452219.5A
Authority: CN
Inventors: 刘永强; 佘杰; 彭玉敬; 房玉东
Original assignee: COMMUNICATION INFORMATION CENTER OF STATE ADMINISTRATION OF WORK SAFETY
Current assignee: COMMUNICATION INFORMATION CENTER OF STATE ADMINISTRATION OF WORK SAFETY
Priority date: 2017-12-28
Filing date: 2017-12-28
Publication date: 2018-09-07

Abstract

本发明涉及一种煤矿安全生产风险预警方法，其包括风险评估步骤以及风险预警步骤，所述根据所述风险推导结果发送不同的预警信息；所述风险评估步骤包括从第一数据库采集至少第一数据集，其中所述第一数据集包括至少一个与所述煤矿相关联的第一数据类别的数据；从第二数据库提取第二数据集，所述第二数据集包括至少一个与所述煤矿相关联的第二数据类别的数据，所述第一数据类别不同于所述第二数据类别；以及，根据所述第一数据集的数据和第二数据集通过风险分析模型推导所述煤矿的至少一个风险推导结果，其中，所述至少一个风险推导结果指示所述煤矿的至少一个安全方面，所述第一数据集所在的数据类别和所述第二数据集所在的数据类别在所述风险分析模型中具有不同的权重值。本发明还包括相应的系统。

Description

煤矿安全生产风险预警方法和系统

技术领域

本发明涉及煤矿安全生产风险等级评估方法、系统以及相应的预警方法与系统，具体涉及煤矿安全生产状况预警和防控系统。

背景技术

在现有的煤炭生产监管体系中，生产企业，例如煤炭生产集团公司和下属煤矿等与监管机构(也称监管部们)没有实现数据共享，煤矿安全生产监管机构无法获取实时、准确的数据资料；无法及时查看企业的动态安全生产信息，导致安全监管监察工作不能及时到位，特别是对企业的安全隐患不能适时监控，对政府实施安全生产监管、事故应急救援产生许多不利影响。

煤矿企业安全生产主体责任的落实，需要靠煤监部门日常长期严格高效的监管监察。日常监管不及时，势必带来煤矿企业的安全意识淡薄、安全保障资金投入不足、隐患治理不落实等问题。

同时，煤矿企业运行的监测监控系统将井下水、火、瓦斯、人员、主要设备等的具体数据进行了监测，实现了煤矿环境安全的监控。目前规模以上企业都已经建立了监测监控系统，但这种系统缺乏对安全数据的智能分析，对安全隐患、事故的预测预警也不到位，对于异常信息无法起到预防、预警的作用。

发明内容

本发明的一些实施例旨在至少解决上述现有技术中存在的问题，提供了一种煤矿安全生产风险预警方法，该方法包括风险评估步骤，所述风险评估步骤包括：从第一数据库采集至少第一数据集，其中所述第一数据集包括至少一个与所述煤矿相关联的第一数据类别的数据；从第二数据库提取第二数据集，所述第二数据集包括至少一个与所述煤矿相关联的第二数据类别的数据，所述第一数据类别不同于所述第二数据类别；以及，根据所述第一数据集的数据和第二数据集通过风险分析模型推导所述煤矿的至少一个风险推导结果，其中，所述至少一个风险推导结果指示所述煤矿的至少一个安全方面，所述第一数据集所在的数据类别和所述第二数据集所在的数据类别在所述风险分析模型中具有不同的权重值；以及风险预警步骤，所述根据所述风险推导结果发送不同的预警信息。

在一些实施例中，所述风险评估步骤包括判断所述风险推导结果在不同风险等级中的归属；其中所述不同的风险等级与所述不同的预警信息相关联。

在一些实施例中，所述每个权重值预先计算出并存储。

在一些实施例中，所述风险分析模型的建立包括：至少根据所述第一数据集包括的数据类别以及所述第二数据集包括的数据类别建立基于数据类别的层次模型，所述层次模型包括具有对应数据类别的第一层和对应数据类别的子类别的第二层；为第一层构造判断矩阵；对该第一层的判断矩阵进行一致性检验，检验通过后，根据该第一层的判断矩阵计算单一准则下的该数据类别的相对权重；为第二层构造判断矩阵；对该第二层的判断矩阵进行一致性检验，检验通过后，根据该第二层的判断矩阵计算单一准则下的该数据类别的子类别的相对权重；以及，根据该数据类别的相对权重和该数据类别子类别的相对权重推导出所述第一数据集中数据的权重值和/或所述第二数据集中数据的权重值的步骤。

在一些实施例中，所述权重值还被配置为手动调整。

在一些实施例中，将所述提取的所述第一数据集和所述第二数据集存储于风险指标专题数据库；将安全风险指标专题数据库中存储的煤矿基础数据与预先存储的安全风险指标数据相关联；根据所述权重值建立分析模型，利用所述风险分析模型处理所述煤矿基础数据以推导出煤矿单项风险指数以及/或者煤矿综合风险指数。

在一些实施例中，本申请提供了一种煤矿安全生产风险预警系统，其包括数据采集模块，从第一数据库采集至少第一数据集，其中所述第一数据集包括煤矿环境数据和煤矿内设备的包括多个数据类别的运行数据，以及从第二数据库提取第二数据集，所述第二数据集包括与所述煤矿相关联的包括多个数据类别的管理数据；风险分析模型存储模块，其存储对应至少一个风险值的风险分析模型，所述风险分析模型与所述第一数据集和所述第二数据集所属的数据类别的权重值相关联；所述第一数据集所在的数据类别和所述第二数据集所在的数据类别在所述风险分析模型中具有不同的权重值；风险值推导模块，其根据所述第一数据集的数据和第二数据集通过风险分析模型推导所述煤矿的至少一个风险值，其中，所述至少一个风险值指示所述煤矿的至少一个安全方面；以及风险预警模块，所述根据所述风险推导结果发送不同的预警信息。

在一些实施例中，所述风险评估模块包括判断所述风险推导结果在不同风险等级中的归属的模块；其中所述不同的风险等级与所述不同的预警信息相关联。

本申请的一些实施例开涉及煤矿安全生产状况评估方法，该方法包括：从第一数据库采集至少第一数据集，其中所述第一数据集包括至少一个与所述煤矿相关联的第一数据类别的数据；从第二数据库提取第二数据集，所述第二数据集包括至少一个与所述煤矿相关联的第二数据类别的数据，所述第一数据类别不同于所述第二数据类别；以及，根据所述第一数据集的数据和第二数据集通过风险分析模型推导所述煤矿的至少一个风险推导结果，其中，所述至少一个风险推导结果指示所述煤矿的至少一个安全方面，所述第一数据集所在的数据类别和所述第二数据集所在的数据类别在所述风险分析模型中具有不同的权重值的步骤。

本申请的一些实施例还指向一种煤矿安全生产状况评估系统，其特征包括：数据采集模块，从第一数据库采集至少第一数据集，其中所述第一数据集包括煤矿环境数据和煤矿内设备的运行数据，以及从第二数据库提取第二数据集，所述第二数据集包括与所述煤矿相关联的管理数据；风险分析模型存储模块，其存储对应至少一个风险推导结果的风险分析模型，所述风险分析模型与所述第一数据集和所述第二数据集所属的类别的权重值相关联；所述第一数据集所在的数据类别和所述第二数据集所在的数据类别在所述风险分析模型中具有不同的权重值；风险推导结果推导模块，其根据所述第一数据集的数据和第二数据集通过风险分析模型推导所述煤矿的至少一个风险推导结果，其中，所述至少一个风险推导结果指示所述煤矿的至少一个安全方面。

在一些实施例中，该系统还包括风险分析模型建立模块，所述风险分析模型建立模块包括的层次模型建立模块，其至少根据所述第一数据集包括的数据类别以及所述第二数据集包括的数据类别建立基于数据类别的层次模型，所述层次模型包括具有对应数据类别的第一层和对应数据类别的子类别的第二层；判断矩阵构造模块，其为第一层以及第二层构造判断矩阵；一致性检验模块，其对该第一层和第二层的判断矩阵进行一致性检验，检验通过后，根据该第一层和第二层的判断矩阵计算单一准则下的该数据类别的相对权重；以及，权重赋值模块，其根据该数据类别的相对权重和该数据类别子类别的相对权重推导出所述第一数据集中数据的权重值和/或所述第二数据集中数据的权重值。

在一些实施例中，所述权重值还被配置为手动调整所述权重值。

在一些实施例中，还包括风险指标专题数据库，用于存储所述提取的所述第一数据集和所述第二数据集。

在一些实施例中，还包括指标关联模块，用于将安全风险指标专题数据库中存储的煤矿基础数据与预先存储的安全风险指标数据相关联。

本申请还请提出了涉及以上方法的一种计算机可读介质，其包括可执行的计算机指令，当所述指令执行时，实现上述任意一个方法。

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

煤矿安全风险评估指标体系的设计与选取是基于安全科学理论和引发煤矿安全风险的主要因素，在对影响煤矿安全的风险因素进行归类、整理、分析和提炼的基础上构建。指标体系分为人员安全风险指标、设备安全风险指标、环境安全风险指标、管理安全风险指标以及事故及职业危害指标五个部分。围绕相关风险指标，明确指标的构成、量化方法与评价模式，形成安全风险指标评价体系，对煤矿和区域安全生产风险实现动态评级，为煤矿安全发展和安全水平的持续提高提供支持。

煤矿生产状况评估系统通过汇总当前平台已接入的安全监控信息、人员定位信息、产量信息、事故信息、隐患信息、安全检查信息、安全设备运行信息、煤矿特征信息、安全系统建设信息等，通过基于安全规程等之上的数据汇总、统计分析等，对区域内煤矿安全生产状况进行生产状况评估，为预测预防事故的发生、及时消除隐患提供决策支持。

本申请中的煤矿安全生产状况评估系统和方法以人员信息，环境监测，生产设备监测，信息管理等实时监测得到的数据以及/或者存储的历史数据为基础，通过集成整合相关数据和应用系统，建立集信息采集与动态监测、数据挖掘、信息综合分析研究一体化的物联网应用体系，使得安全生产管理者在对瓦斯、人员定位、煤矿压力、电力、水文、粉尘、调度通信、工作面等资源信息，实现煤矿资源基础状况、煤矿生产进度状况、煤矿生产安全状况等煤矿安全生产信息全面动态监测的同时，可以根据以往总结的经验获得具有指向性的预警结果显示和预警提示，从而更好的指导安全生产管理者的工作。

本申请中的系统应用物联网、大数据、云计算与移动互联等技术和系统架构，通过信息比对核查、分析统计、模型分析，对实时以及曾经采集到的安全生产数据进行分析研判，可实现对特定区域、甚至个别企业的预警预控，提升源头治理能力，从而预防和减少安全生产事故、职业病危害的发生。实现对安全、风险、隐患全程动态跟踪和监管，进而为管理决策提供服务与支持。

本申请中的方法和装置可实现区域综合风险分析与专项风险分析，例如，针对性开展安全监管巡察工作依托大数据技术与数据挖掘技术，采用智能专家分析模型，实现区域综合风险分析与专项风险分析，为监管人员针对性开展安全监管巡察以及工作指导提供技术支撑。

附图说明

图1是依据本申请的实施例的煤矿安全生产状况评估系统的逻辑结构图；

图2是依据本申请的实施例的数据采集部分的逻辑结构图；

图3是依据本申请的实施例的数据采集部分的网络拓扑图；

图4是根据本申请的一种实施例的对应煤尘安全风险指标体系的图表；

图5是根据本申请的一种实施例的煤矿事故风险综合评估显示界面；且

图6是根据本申请的实施例的文件上传器的功能架构图。

具体实施方式：

在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

在上下文中所称“服务器”是指可以通过运行预定程序或指令来执行数值计算和/或逻辑计算等预定处理过程的智能电子设备，其可以包括处理器与存储器，由处理器执行在存储器中预存的程序指令来执行预定处理过程，或是由ASIC、FPGA、DSP等硬件执行预定处理过程，或是由上述二者组合来实现。

其中，所述用户设备包括但不限于智能手机、PDA、PC、笔记本电脑等；所述网络设备包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(CloudComputing)的由大量计算机或网络服务器构成的云，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。其中，所述计算机设备可单独运行来实现本申请，也可接入网络并通过与网络中的其他计算机设备的交互操作来实现本申请。其中，所述计算机设备所处的网络包括但不限于互联网、广域网、城域网、局域网、VPN网络等。

需要说明的是，所述用户设备、网络设备和网络等仅为举例，其他现有的或今后可能出现的计算机设备或网络如可适用于本申请，也应包含在本申请保护范围以内，并以引用方式包含于此。

本文后面所讨论的方法(其中一些通过流程图示出)可以通过硬件、软件、固件、中间件、微代码、硬件描述语言或者其任意组合来实施。当用软件、固件、中间件或微代码来实施时，用以实施必要任务的程序代码或代码段可以被存储在机器或计算机可读介质(比如存储介质)中。(一个或多个)处理器可以实施必要的任务。

应当理解的是，虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说，在不背离示例性实施例的范围的情况下，第一单元可以被称为第二单元，并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。

这里所使用的术语仅仅是为了描述具体实施例而不意图限制示例性实施例。除非上下文明确地另有所指，否则这里所使用的单数形式“一个”、“一项”还意图包括复数。还应当理解的是，这里所使用的术语“包括”和/或“包含”规定所陈述的特征、整数、步骤、操作、单元和/或组件的存在，而不排除存在或添加一个或更多其他特征、整数、步骤、操作、单元、组件和/或其组合。

依据本申请中的煤矿安全生产状况评估方法和装置可以以计算机程序的形式实现，与任何现有的安全监控系统相互独立运行或结合运行。其可以提供事故风险分级预警，可全面提高煤矿安全监察监管能力，有效防控煤矿安全事故的发生。

煤矿安全生产状况评估系统通过汇总当前平台已接入的煤矿的安全监控信息、人员定位信息、产量信息、事故信息、隐患信息、安全检查信息、安全设备运行信息、煤矿特征信息、安全系统建设信息等，通过基于安全规程等之上的数据汇总、统计分析等，对区域内煤矿安全生产状况进行安全生产状况评估，为预测预防事故的发生、及时消除隐患提供决策支持。其中，上述信息主要来源于两个数据源，例如，安全设备运行信息、煤矿特征信息、安全系统建设信息等可来源于实时采集煤矿数据的系统的数据库。

煤矿风险分析系统包含煤矿安全风险指标体系建立模块、煤矿事故风险评估模块、煤矿安全状况分析模块、煤矿安全生产展示模块，其中每个模块可以涵盖多个功能点。

本文中所述的安全生产状况主要通过风险值或其他风险结果等表现。

如图1所示，通过ETL(抽取-转换-加载)数据处理服务程序模块101以及煤矿数据访问服务程序模块102从矿业集团的数据源及/或监管部门的数据源获取的包括音频视频数据、设备运行状态数据、业务数据、执法数据、人员数据、环境监测数据、产量数据以及监察管理数据等各种数据类别的煤矿基础数据，并收集至安全风险指标专题数据库103，该安全风险指标专题数据库103可定时、周期性更新。更新可以是在每次程序初始化时做出，也可以通过设置更新触发对象触发更新。

如上所述，例如执法数据、监察等管理数据可以通过数据采集接口从监管部门提供的第二数据源获得，而其他的例如设备数据等矿井运行数据可通过数据采集接口从矿业集团提供的第一数据源获得。如图2、图3所示。

指标提供服务程序模块104从安全风险指标数据库105获取指标数据，具体指标数据的类型将在下文中详述。

专家分析系统程序模块106从安全风险指标模型数据库107获取安全风险指标模型数据，安全指标模型数据包括各单项风险指标的计算模型以及各因素的权重，以及综合风险指标的计算模型以及各因素的权重。

安全风险指标分析程序模块108依据可以自行或依据安全风险指标综合展示程序模块109及/或安全风险单项指标展示程序模块110的请求，执行安全风险指标综合体系风险值推导及/或安全风险指标单项体系风险值推导，并将推导结果分别发送至安全风险指标综合展示模块109及/或安全风险单项指标展示模块110通过展示界面展示。

其中，安全风险指标分析模块108将安全风险指标专题数据库中存储的煤矿基础数据与安全风险指标数据相关联，利用专家分析系统程序模块106提供的单项或综合风险值推导模型处理所述煤矿基础数据以推导出煤矿单项风险值以及/或者煤矿综合风险值。

其中专家分析系统程序模块106还可以包括建立和/或风险预警评价模型，该模型提供对煤矿单项风险值以及/或者煤矿综合风险值的等级归属判断，并根据该分级归属触发不同的预警机制。所述预警机制例如包括向监管部门和煤矿所在的矿业集团同时发出预警信息以及相应的防控措施方案。所述风险等级可以包括多级。

专利分析系统所建立的分析计算模型是根据一定的煤矿安全风险指标体系而形成的，煤矿安全风险指标体系的构建可以作为上述安全生产状况评估方法或预警方法的起点。

煤矿安全风险指标体系的建立方式可以有多种，此外，体系中各个因素的权重也可以在每次系统启动时重新计算以自动调节，也可以通过手动修改的方式，调整各因素的权重，或者可以保持各因素的权重不变。

其中，所述专家分析系统程序模块106可以包括登记归属判断子模块专用于对煤矿综合风险值的风险等级进行判断。

以下是煤矿风险分析服务类的类结构和类详细信息：

煤矿安全风险指标体系建立模块

风险指标

《煤炭工业企业职工伤亡事故报告和统计规定》划分的伤亡事故统计分类标准，将煤炭工业行业生产伤亡事故分为以下8类：

(1)顶板事故，包括指煤矿冒顶、片帮、顶板掉牙、顶板支护垮倒、冲击地压、露天矿滑坡、坑槽垮塌等事故，底板事故也视为顶板事故。(2)瓦斯事故，包括指瓦斯(煤尘)爆炸(燃烧)，煤(岩)与瓦斯突出，瓦斯中毒、窒息。(3)机电事故，包括指机电设备(设施)导致的事故。包括运输设备在安装、检修、调试过程中发生的事故。(4) 运输事故，包括运输设备(设施)在运行过程发生的事故。(5)放炮事故，包括放炮崩人、触响瞎炮造成的事故。(6)火灾事故，包括煤与矸石自然发火和外因火灾造成的事故(煤层自燃未见明火，逸出有害气体中毒算为瓦斯事故)。(7)水害事故，包括地表水、采空区水、地质水、工业用水造成的事故及透黄泥、流沙导致的事故。(8)其他事故。以上7类以外的事故。

根据历年煤矿安全事故统计，全国发生较大及以上事故的类型分类主要有顶板事故、瓦斯事故、水害事故、中毒窒息事故、机电事故等。据相关部门统计事故的发生率及严重程度可知，全国煤矿企业主要发生的事故有顶板事故、瓦斯事故、水害事故、煤尘爆炸事故、火灾事故等五大类型。

综上所述，煤矿安全风险评价指标体系主要由单项事故风险和综合事故风险组成，单项事故风险主要有煤尘爆炸事故、火灾事故、瓦斯爆炸事故、顶板事故和水害事故等五大事故构成。综合事故风险由单项事故风险、矿级管理人员素质、安全管理、设备安全、应急救援、历史因素等构成。

煤矿单项风险指数以及/或者煤矿综合风险指数的推导依赖专家分析系统，专家分析系统从安全风险指标模型数据库提取分析模型数据，分析模型数据的重要组成部分是安全风险指标的权重。

煤矿单项事故风险评价指标体系和煤矿综合事故风险评价指标体系

煤矿单项事故风险评价指标体系是指从煤尘安全风险评价指标体系、煤矿火灾风险评价指标体系、突出煤矿瓦斯风险评价指标体系、高瓦斯煤矿瓦斯风险评价指标体系、瓦斯煤矿瓦斯风险评价指标体系、煤矿顶板风险评价指标体系，以及煤矿水害风险评价指标体系几个方面评价一个煤矿的安全状态。

而煤矿综合事故风险评价指标体系则是通过综合上述单项事故风险评价指标体系建立。

煤矿单项事故风险评价指标体系

下面以煤尘安全风险评价指标体系的建立为例给出煤矿单项事故风险评价指标体系的建立过程。

煤尘安全风险评价指标体系

指标体系主要由历史因素B1、自然因素B2、人的因素B3、设施设备因素B4、安全管理因素B5、环境因素B6，六个指标构成。体系详细组成如图4所示：

由图4可以看出，为煤尘安全风险评价制定的指标体系的是两个层次的指标体系，包括处于第一层的上级因素B1至B6,以及处于每个因素的下一级的因素，包括B11至B13，B21至B23，B31至B35，B41至B49，B51至B54等子因素。

其中，例如自然因素B2，其项下的子因素B21至B23，以及设施设备因素B4及其其项下的子因素B41至B49等可以从部署于煤矿所属企业的数据采集系统获得，而例如历史因素B1、人的因素B3，以及安全管理因素B5以及它们项下的自因素则可以从例如部署于安全生产监督部门的数据系统获得。通常这两个数据系统为两个不同的数据源，且地理位置上相互分离。

用类似的方法还可以构建包括历史因素、自然因素、人的因素、设施设备、安全管理因素、环境因素等六个指标的煤矿火灾风险评价指标体系。包括历史因素、自然因素、人的因素、煤矿通风、煤矿防突、煤矿瓦斯抽采、防治瓦斯一般措施、监测监控、环境因素、安全管理因素等十个指标的突出煤矿瓦斯风险评价指标体系。包括历史因素、自然因素、人的因素、煤矿通风、煤矿瓦斯抽采、防治瓦斯一般措施、监测监控、环境因素、安全管理因素等九个指标的高瓦斯煤矿瓦斯风险评价指标体系。包括历史因素、自然因素、人的因素、煤矿通风、防治瓦斯一般措施、监测监控、环境因素、安全管理因素等八个指标的瓦斯煤矿瓦斯风险评价指标体系。包括历史因素、自然因素、人的因素、顶板设施设备、安全管理因素、环境因素等六个指标的煤矿顶板风险评价指标体系。以及包括历史因素、自然因素、人的因素、防水设施设备、安全管理因素、环境因素等六个指标的煤矿水害风险评价指标体系。以及包括历史因素、单项灾害、矿级管理人员素质、安全管理、设备安全、应急救援等六个指标构成的煤矿综合事故风险评价指标体系。

煤矿安全风险指标体系权重确定方法

煤矿风险分析子系统所选取的每个评价指标对相应灾害类型以及整个煤矿安全风险综合评估都有影响，但是因为各个指标的影响程度不同，要确定每个评价指标对相应灾害类型以及整个煤矿安全风险综合评估的影响程度，可采用权重来表示。权重指的是某个评价指标在整个评价体系中所占的重要程度，权重的大小对最终的评价目标影响很大。

煤矿安全风险评价指标权重的确定方法可以包括以下步骤：

建立结构的层次模型

以评价“煤尘安全风险评价指标体系”为例，对目标有影响的是历史因素B1、自然因素B2、人的因素B3、设施设备B4、安全管理因素B5、环境因素B6等系统，这六个因素定为第一层次。再往下细分，对历史因素来说，有煤尘爆炸事故B11、煤尘超限次数B12、煤尘超限未处理B13三个影响因素，所以历史因素的第二层次就有三个指标组成。其他层级，以此类推。

构造判断矩阵

评价煤矿安全风险，就要确定各个影响因素对相应灾害类型以及整个煤矿安全风险的综合影响程度，也即必须确定影响因素的权重。如果指标对相应灾害类型的影响作用大，则权重值就大，否则权重值就小。因此不同因素对目标影响作用的大小，赋予一定的数值来表示权重的大小。最常用的是1～9标度法表示因素的重要性，如表1.1所示。

表1.1

从因素相对重要性的表示方法可以构造出评价指标的判断矩阵，一般的判断矩阵形式如表1.2所示。

表1.2

表1.2中元素的含义是：比如C1C2两个因素一样重要，就用1:1表示，即C12，如果因素C1比因素Cn强烈重要，则可以用9:1表示，即C1n，将同一层次所有因素进行两两比较，就可以形成对角线为1的判断矩阵。

层次单排序

层次单排序就是计算单一准则下的一个因素的相对权重。权重的计算方法常用的有最大特征值法、对数最小二乘法、最小二乘法、和法、根法等。本文采用最大特征值法进行计算。计算原理如下：

1)求判断矩阵A的特征值λ和特征向量α。

|A-λE|＝0 (3.1)

Aα＝λα (3.2)

2)得到最大特征值λ及对应的特征向量W。

λ＝λ_max (3.3)

3)将最大特征值对应的特征向量绝对值化、并归一化处理就可以得到权重向量

一致性检验

由于影响因素的复杂性，需要对判断矩阵进行一致性检验，来保证主观评价者在同一思想逻辑下对多个因素进行评判的协调一致。检验步骤如下：首先计算一致性指标：CI

然后根据下表1.3查找判断矩阵阶数N对应的平均随机一次性指标RI

表1.3

最后，计算一致性比例CR：

当CR<0.1时，可以判定判断矩阵一致性可以接受；当CR>0.1时，一致性不能接受，必须对判断矩阵进行修改；一二阶矩阵的一致性总是认为可以接受的，此时的CR＝0.1。

MATLAB程序设计

将判断矩阵的层次单排序和一致性检验这两个复杂过程，编译成MATLAB语言，运用 MATLAB R2009a软件运算，可以大大提高计算效率和准确性。具体设计为本领域常规技术，在此不再赘述。

煤尘安全风险评价指标体系中权重值的确定示例

下面以煤尘安全风险评价指标体系中各因素的权重的确定来示例性地阐述体系中各个因素的权重值的确定。煤尘安全风险评价指标体中各因素权重的确定包括第一层次指标权重的确定和第二层次指标权重的确定。

第一层次指标权重的确定

将影响煤尘安全风险的因素分为历史因素B1、自然因素B2、人的因素B3、设施设备因素B4、安全管理因素B5、环境因素B6六个第一层次指标。运用层次分析法确定第一层次评价指标的权重。对第一层次六个评价指标进行分析，确定相对重要度，根据表3.1中关于1～9标度法的定义，分别对第一层次的六个评价指标进行赋值，构造出了第一层指标的判断矩阵，如表2.1所示。

表2.1

运行MATLAB程序，将判断矩阵输入，得到该判断矩阵的最大特征值为：λ_max＝6.1716 最大特征值对应的特征向量为：

W_i＝(0.0391 0.3676 0.1312 0.2715 0.1312 0.0594)^T

一致性检验：

说明判断矩阵的一致性可以接受，则煤尘安全第一层评价指标的权重为：

(2)二级指标权重的确定

历史因素B1

分析历史因素的三个评价指标的相对重要程度，根据表1.1中关于1～9标度法的定义对指标进行赋值，构造出历史因素的判断矩阵，如表2.2所示。

表2.2

经MATLAB程序运算，该判断矩阵的最大特征值：λ_max＝3.0037。

最大特征值对应的特征向量：W_i＝(0.6483 0.2297 0.1220)^T

一次性检验：

一致性可以接受，则该评价指标的权重向量：

自然因素B2

分析自然因素的三个评价指标的相对重要程度，根据表1.1中关于1～9标度法的定义对指标进行赋值，构造出历史因素的判断矩阵，如表2.3所示。

表2.3

经MATLAB程序运算，该判断矩阵的最大特征值λ_max＝3.0803

最大特征值对应的特征向量：W_i＝(0.6554 0.0549 0.2897)^T

一致性检验：

一致性可以接受，则该评价指标的权重向量为：

人的因素B3

分析人的因素的五个评价指标的相对重要程度，根据表1.1中关于1～9标度法的定义对指标进行赋值，构造出人的因素的判断矩阵，如表2.4所示。

表2.4

经MATLAB程序运算，该判断矩阵的最大特征值λ_max＝5.0621。

最大特征值对应的特征向量：

W_i＝(0.0682 0.0682 0.1688 0.4252 0.2697)^T

一致性检验：

一致性可以接受，则该评价指标的权重向量为：

设施设备因素B4

分析设施设备的九个评价指标的相对重要程度，根据表1.1中关于1～9标度法的定义对指标进行赋值，构造出设施设备的判断矩阵，如表2.5所示。

表2.5

经MATLAB程序运算，该判断矩阵的最大特征值λ_max＝9.3199。

最大特征值对应的特征向量：

W_i＝(0.2296 0.2296 0.0641 0.0446 0.1470 0.1470 0.0965 0.0256 0.0161)^T

一致性检验：

一致性可以接受，则该评价指标的权重向量为：

安全管理因素B5

分析安全管理因素的十个评价指标的相对重要程度，根据表1.1中关于1～9标度法的定义对指标进行赋值，构造出安全管理因素的判断矩阵，如表2.6所示。

表2.6

经MATLAB程序运算，该判断矩阵的最大特征值λ_max＝10.2897

最大特征值对应的特征向量：

W_i＝(0.2702 0.0720 0.0720 0.0720 0.1199 0.1862 0.0254 0.0462 0.11990.0162)^T

一致性检验：

一致性可以接受，则该评价指标的权重向量为：

环境因素B6

分析环境因素的五个评价指标的相对重要程度，根据表1.1中关于1～9标度法的定义对指标进行赋值，构造出环境因素的判断矩阵，如表2.7所示。

表2.7

经MATLAB程序运算，该判断矩阵的最大特征值λ_max＝5.0153

最大特征值对应的特征向量：W_i＝(0.0656 0.3070 0.0656 0.0656 0.4961)^T

一致性检验：

一致性可以接受，则该评价指标的权重向量为：

(3)煤尘安全风险评价指标体系权重的确定

各指标最终权重值由二级指标的单位权重值乘以一级指标的权重值得到，最终结果如表2.8所示。

表2.8

通过该方法，还可以预先确定或实时确定其他指标体系，例如煤矿火灾风险评价指标体系、突出煤矿瓦斯风险评价指标体系、高瓦斯煤矿瓦斯风险评价指标体系、瓦斯煤矿瓦斯风险评价指标体系、煤矿顶板风险评价指标体系，以及煤矿水害风险评价指标体系等的权重值分布以及煤矿综合事故风险评价指标体系的权重值分布。

一种示例性的评估结果展示界面如图5所示，其包括煤矿事故风险综合评估得分显示区域(78分的部分)，各种单项风险评估得分显示区域(各个横幅状得分显示区域)，以及每个单项下的各种数据类别的统计和展示区域。

数据采集传输软件平台

数据采集传输软件平台主要是实现与矿业集团的数据联网对接，确保能够将所需的煤矿安全生产数据按照相关标准要求进行采集、传输和处理。

如图3所示，数据采集传输软件平台实现矿业集团、煤矿与云端数据中心的数据双向交互，采集平台按钮平台定义的相关标准进行数据采集、传输和处理，确保数据的及时、准确、可靠，保证平台各系统的正常运行。

矿业集团1和矿业集团2接入点需要按照标准所要求的数据传输协议生成数据文件。然后数据采集传输软件平台完成数据文件的上传、接线和入库处理。

数据采集传输软件平台采集的数据主要分为以下三类：

(1)煤矿基础数据采集：

基础数据主要以煤矿基本信息为主，这些数据主要内容包括煤矿基本信息、煤矿系统建设情况、专业人员信息、煤矿特征、证照信息、煤矿图纸信息等。

(2)业务类数据采集：

业务类数据采集包括监测监控类数据、安全生产远程巡察标准数据、安全风险综合评价指标数据。监测监控类数据主要包括煤矿安全监测监控、井下作业人员、产量信息与生产过程相关的数据。数据采集传输软件平台配置了Wonderware实时数据库，该类数据采集后转换为OPC接口(用于过程控制的OLE接口)入实时数据库。安全生产远程巡察标准数据包括人、物、环、管等安全监察内容。安全风险综合评价指标数据是指该体系各个三级指标项所规定的数据。

(3)空间类数据采集：

空间类数据主要包括可视化所需要的电子地图底图数据(全国范围的矢量底图和遥感影像数据)，以及煤矿区域边界坐标数据和井口坐标数据。

数据采集传输接口

数据采集传输软件平台由文件生成器、文件上传器、文件解析器、数据导入期构成。文件生成器可由各矿业集团提供，完成国家标准所要求的数据文件和相关附件文件的生成。文件上传器部署在矿业集团接入点设备上，完成数据文件和附件的上传。文件解析器和数据导入器部署在监管部门的云平台上，完成对上传文件的解析、入库、备份和清理等功能。数据导入器完成整个系统所需的基础配置数据和空间基础数据的导入和录入。另外，数据采集器需要实现图档同步功能，将业务数据的相关附件文档和CAD图件(计算机辅助制图图件)同步到Web服务器上，方便业务应用获取图档服务。

信息分类

人员类数据包括

人员基本信息：姓名、身份证号码、性别、出生日期、血型、学历、婚姻状况、本人联系电话、紧急联系电话、家庭住址、岗位、工种或职务、所在区队班组/部门、主要工作地点、工种证件名称、工种证件编号、工种证件有效日期、人员当前位置(入井后的位置/出井)、入井时刻、出井时刻、应到位置(特定人员)。

人数统计：煤矿在册总人数、核定下井人数、当前井下作业人数、瓦检员井下人数/总数、安全检查人员井下人数/总数、领导带班井下人数/总数、放炮员井下人数/总数、管理人员井下人数/总数。

人员异常情况：进入限制区域信息、超时人员信息、煤矿超员信息、特定人员异常信息。

设备类信息包括：

采煤设备：采煤机、刮板输送机、转载机和破碎机的基本情况、电机监测信息和减速器监测信息；液压支架的基本情况、支架监测信息；乳化液泵的基本情况、乳化液监测信息、齿轮箱监测信息、曲轴箱监测信息、冷却系统监测信息。掘进设备：掘进机的基本情况、电机监测信息和减速器监测信息。机电设备：压风设备的基本情况、压风机监测信息、电机监测信息、储气罐监测信息、供水泵；提升设备的基本情况、电机监测信息、滚筒监测信息、减速器监测信息、冷却系统监测信息、液压站监测信息、润滑泵站监测信息；排水设备的设备基本情况、电机监测信息、水泵监测信息；变电站设备信息、供电开关监测信息、移动变电站监测信息。运输设备：皮带运输机基本情况、电机监测信息、减速器监测信息、皮带监测信息；电机车运输设备基本信息；胶轮车运输设备基本信息。通风设备：设备基本情况、主(副)通风机监测信息。通信设备：调度通信设备信息、井下广播信息、井下无线通信设备信息人员定位设备：员定位系统信息、人员定位分站信息。安全监控设备：安全监控系统信息；传感器信息；模拟量、开关量、累计量类型信息；传感器状态信息。紧急避险设备：可移动救生舱信息。图像监控设备：设备规格型号、生产厂家、安装地点、标准分辨率(dpi)、访问方式、访问地址等。环境类信息包括：水:水害类型、水文地质条件、煤矿正常涌水量、煤矿最大涌水量、观察井水位、水仓水位；火：自燃发火等级、最短发火期、主要防灭火措施、温度、一氧化碳浓度；瓦斯：瓦斯等级、瓦斯相对涌出量、绝对瓦斯涌出量、瓦斯监测信息；高温(地热)：高温煤矿、开采深度、巷道温度；顶板：地质条件类型、冲击地压等级、顶板压力监测信息；煤尘：煤尘爆炸指数、煤尘监测信息。安全管理类信息包括：隐患信息：隐患类型、隐患描述、隐患地点、隐患专业、隐患级别、整改方法、整改时间、整改情况、复查情况、隐患状态；事故信息：事故类型、事故描述、事故地点、级别、伤亡人数、事故原因、处理过程、处理结果、处理决定；危险源信息：危险源的专业、危险源的类型、危险源内容、危险源的发现地点；生产管理类信息包括：生产技术信息：采掘情况信息、矿图信息、井筒信息、开采煤层信息；生产情况：产量、进尺、装车、销量。

综合管理类信息：煤矿基本状况信息：煤矿名称、原煤矿名称、矿长、矿长手机、矿办公室电话、调度室电话、行政区划(省直辖市、城市、县区)、详细地址、监管部门、企业性质、隶属关系、邮政编码、地质储量、设计能力、煤矿设计时间、开拓方式、可采煤层、主井坐标、副井坐标、井田边界(坐标)、井田面积、可采储量、核定能力、投产时间、开采水平、现开采煤层、历史最高洪水位、主井标高、副井标高、井筒数、煤矿总需风量、煤矿总回风量、地面标高、通风方式、煤矿总进风量、开采深度、瓦斯等级、瓦斯相对涌出量、绝对瓦斯涌出量、煤矿生产状态等信息。证照信息：煤矿类证照(采矿许可证信息、安全生产许可证、营业执照)；人员类证照(矿长安全资格证、安全资格证、特种作业人员操作资格证)。位置信息：编号、名称、类别(煤矿的水平、采区、工作面、巷道等区域)。组织机构信息：组织机构名称、组织机构级别。班次信息：班次名称、开始时间、结束时间。工种信息：爆破工、采煤机司机、主提升机操作工、采掘电钳工、瓦斯检查工、瓦斯抽放工、安全仪器监测工、安全检查工、瓦斯防突工、井下钻探工等。职务信息：矿长、副矿长、总工、科长、副科长、区/队长、副区/队长、技术员。空间类信息包括：全国矢量地图数据；煤矿级遥感影像数据；全国、省、市、县区域导航数据；煤矿主井口坐标信息：煤矿名称、X坐标、Y坐标、Z坐标。煤矿边界坐标信息：煤矿名称、井田边界节点坐标(X坐标、Y坐标、Z坐标)、来源(采矿许可证及版本)。

文件上传器、文件解析器以及采集模块等可按照行业标准以及国家标准参照行业管用手段实现。

在矿业集团的接入服务器上，由集团根据国家标准生成数据采集传输软件平台所需的数据文件，以及部分数据的附件文件。

上传目录有四级子目录，第一级目录为UploadSAWS，第二级目录为煤矿编码，第三级目录为业务数据系统编码，第四级目录为数据分类(Realtime为实时数据目录，History为历史数据目录(包括基础数据和定义信息等)，Attachment为附件文件目录，Backup 目录是备份文件目录)，例如某煤矿编码为0101的子系统1001的数据文件目录如下表3.1 所示：

类型	上传数据目录
		实时数据上传目录	D：\UploadSAWS\0101\1001\Realtime
历史数据上传目录	D：\UploadSAWS\0101\1001\History
		附件上传目录	D：\UploadSAWS\0101\1001\Attachment

表3.1

文件上传器需要实现系统配置和上传任务参数配置功能，手工上传和自动上传功能，文件备份和清理功能，日志功能(包括运行日志、上传日志、FTP操作日志、清理日志功能)。

文件上传器

文件上传器的功能架构图如图6所示：

文件上传器按照配置的间隔时间(默认5秒)扫描上传目录，如果有txt后缀文件生成，则采用多线程方式并行处理各个煤矿的数据文件。按顺序遍历所有业务系统目录，使用FTP/TCP接口先上传Realtime目录文件，再上传Attachment目录文件，最后上传 History目录文件，上传后的文件目录保持和原始目录一致。文件上传过程中，使用tmp 后缀的文件名，上传完成重命名为正式文件名，文件上传成功后，将文件移动到备份目录(例如D：\UploadSAWS\0101\Backup)，同时生成文件上传核查记录，记录上传的文件名、文件大小以及上传时间。

文件上传器还可以配置是否清理备份目录文件，文件清理功能默认开启，在特殊情况下(例如补历史文件)可以关闭清理功能。文件清理功能自动清理配置时间段之前的备份文件(默认3个月)。

文件解析器

传输软件平台的文件解析器部署在安全监察部门的云平台上，完成对上传文件的解析、入库、备份和清理等功能。文件解析器按照配置的间隔时间(默认1秒)扫描本地上传目录，如果有txt后缀文件生成，则采用多线程方式并行处理各个煤矿的数据文件。按顺序遍历所有业务系统目录，并按照数据交换规范进行数据校验，校验文件名、文件头以及文件字段是否符合规范，如果数据存在附件文件，而找不到对应的附件也认为校验失败，校验失败的文件存放到CheckError目录，校验成功后进行入库处理，先处理实时数据，再处理历史数据文件。

入库处理模块具有数据缓存功能，如果数据记录较多时，使用批量入库接口进行入库，如果数据记录较少则可以直接使用insert语句入库。每次入库间隔可配置(默认50毫秒)，当缓存队列记录数大于10条(具体记录数根据入库性能进行调整配置)则使用批量入库。

文件解析完成后，将数据文件移动到备份目录，同时生成文件解析核查记录，记录文件名、文件记录数、文件校验结果以及文件处理时间。

文件解析器还需要支持清理备份目录文件功能，自动清理配置时间段之前的备份文件(默认12个月)。

对于Attachment目录的附件和图档文件，以及CheckError目录的校验错误文件,包括文件解析核查记录文件，都需要通过“图档同步功能”同步到Web服务器上，方便Web 终端进行图档查看和文件解析核查记录查看。

采集模块设计与实现

数据库数据源设计与实现

(1)采集数据内容

瓦斯监控系统采集数据内容有设备定义信息、实时数据、实时报警记录、实时断电记录、模拟量状态变动记录、模拟量统计记录、开关量状态变动记录、开关量运行记录、报警断电处理措施等。数据规范完全遵守系统规定的标准数据协议。

(2)插件实现

程序设计可以较方便的更换某个或某些处理流程中的组件，可以方便的适应某个处理流程中的不同业务过程，即不需要软件的重新编译生成，又适合软件的提前发布和出厂，可以根据后续的现场需要，开发定制其它同业务而不同流程的功能，这既提高了开发速度，也提高了软件的兼容性和灵活性。是一种非常好的组件化程序设计方法。在插件式开发中，接口只是定义了插件管理程序与插件的交互原则，而不理会插件的具体功能实现。比如插件管理程序需要加载一个插件，会按照原则调用插件的初始化接口函数，该函数由插件自身实现，具体如何初始化是插件所要做的事情，由于不同插件实现不同的功能，因而各自的初始化动作也可能也不同，但对于插件管理程序来说是透明的，只需要保证在特定的时候去调用特定的插件接口即可。

平面文件数据源设计与实现

平面文件数据源子系统，一般是指将相关数据存储在平面文件中，或是存储在诸如数据库服务器中，但以安全或网络限制为由不提供直接的数据库服务访问机制，而是同样以只读的平面文件方式，将数据提供给第三方集成厂家。提供的平面文件可以是合乎标准规定的数据文件，也可以是满足集成厂家要求，由集成厂家将平面文件再转换为标准规定的数据文件，进而再由采集模块将数据读取并上传给消息序列。

基于平面文件数据源的各子系统数据的采集设计与实现基本一致，下面以人员定位系统的具体实现给出简单说明与介绍。人员定位系统用于下井人员的定位、轨迹记录和查询、考勤以及跟班稽核等功能，在现场实际试验中，它是第三方厂家的产品。厂家根据项目提出的标准数据协议，提供了基于文件数据源的数据集成服务。

OPC类设计与实现

煤矿生产控制类的多个子系统均是基于OPC类数据源的子系统，这些子系统本身或是其综合组态系统提供了OPC Server用以向第三方提供系统数据获取服务，集成时，采集模块直接从OPCServer中获取系统实时数据、设备状态等，并转换为标准格式供消息序列使用。由于集成子系统过多，以主通风机子系统为例进行说明。

主通风机在线监测系统实时监测主通风机的运行状态：包括电机电压、电机电流、电机供电频率、风机静压、风量、风速、电机定子温度、电机轴承温度、风机环境温湿度、风机水平垂直振动等参数，所有数据实时传送至监控室中心站服务器，具有实时报警、历史数据查询和远程信息共享功能。

风险预警评价模型的构建

评判集的确定，

评价煤矿安全风险等级，首先要将影响程度进行等级划分。一般情况下，将评价标准划分为若干等级，例如3～5个等级。在本申请的实施例中将煤矿安全风险影响等级分为“高、较高、一般、低”四个等级，即V＝(V1，V2，V3，V4)，其中V1：高，V2：较高， V3：一般，V4：低。

隶属函数的确定

在对煤矿安全风险影响程度进行分析时，安全风险影响程度可能处于高、较高、一般、低，处于其中任何一种状态都有可能，而且属于某一个状态的可能性比较模糊，没有明确的界定，因此在评价煤矿安全风险时引入相对隶属度理论确定影响程度可能处于某一个状态。

例如某煤矿安全监察局用打分的方式给出了量化的评估方法。A级具备安全生产条件煤矿：安全风险评估得分在90分及以上，B级基本具备安全生产条件煤矿：安全风险评估得分在75分及以上；C级安全生产条件较差煤矿：安全风险评估得分在60分及以上；D级不具备安全生产条件煤矿：安全风险评估得分在60分以下。由此得出，如果安全风险评估得分越高，则安全状态越好。如果得分为70分，与“较差”和“合格”均存在相对隶属度。通过建立隶属函数，得到判断矩阵，得到致灾因素对某一个数值区间的隶属度，从而对煤矿安全综合风险进行评价。

课题组参照上述评分方法，将分数区间“0～59”、“0～74”、“75～89”、“90～100”分为四级，取每个等级的中间值，将各项指标的分级标准点定为B1＝30，B2＝67，B3＝82， B4＝95。

常用的梯形分布的表达式：

偏小型：

中间型：

偏大型：

根据确定的四个分级标准点B1＝30，B2＝67，B3＝82，B4＝95，结合梯形公式表达式，确定隶属函数如下：

设某煤矿指标得分为Q，若测量值低于B1，就用公式u(x)_高；若测量值在B1～B2之间，就联合利用u(x)_高、u(x)_较高公式；若测量值在B2～B3之间，就联合利用u(x)_较高、u (x)_一般公式；若测量值在B3～B4之间，就联合利用u(x)_一般、u(x)_低公式；若测量值高于 B5，就用u(x)_低公式来计算隶属度。

区域安全风险评价分级

煤矿区域安全风险评价分级以煤矿单项事故风险等级率或煤矿综合事故风险等级率为标准，根据实际情况选定用其中某一种为区域煤矿安全风险评价分级要求，详见表5.1所示。

表5.1

其中V1表示风险高，V2表示风险较高，V3表示风险一般，V4表示风险低。

煤矿安全风险评价体系模型示例

以煤尘安全风险模糊评价为例，根据某煤矿企业的煤尘安全风险评价模型得到预警结果的详细步骤如下：

(1)第一层评判矩阵

对某煤矿企业的煤尘实际情况进行打分，后台对应相应得分为：

U1＝{U11，U12，U13}＝{90，80，60}；U2＝{U21，U22，U23}＝{90，90，75}；U3＝{U31，U32，U33，U34，U35}＝{65，80，90，80，70}；U4＝{U41，U42，U43，U44，U45，U46， U47，U48，U49}＝{90，70，90，80，70，70，70，90，90}；U5＝{U51，U52，U53，U54， U55，U56，U57，U58，U59，U510}＝{90，80，80，80，80，90，75，70，50，90}； U6＝{U61，U62，U63，U64，U65}＝{90，90，90，90，70}

将各项指标得分带入隶属函数中，根据分级标准点及公式，归一化后可得：

(2)第一层评判

由前文煤尘安全评价系统中，图4给出了煤尘安全各评价指标的权重值：

A₁＝{A₁₁，A₁₂，A₁₃}＝(0.6483 0.2297 0.1220)

A₂＝{A₂₁，A₂₂，A₂₃}＝(0.6554 0.0549 0.2897)

A₃＝{A₃₁，A₃₂，A₃₃，A₃₄，A₃₅}＝(0.0682 0.0682 0.1688 0.4252 0.2697)

A₄＝{A₄₁，A₄₂，A₄₃，A₄₄，A₄₅，A₄₆，A₄₇，A₄₈，A₄₉}＝(0.2296 0.2296 0.0641 0.04460.1470 0.1470 0.0965 0.0256 0.0161)

A₅＝{A₅₁，A₅₂，A₅₃，A₅₄，A₅₅，A₅₆，A₅₇，A₅₈，A₅₉，A₅₁₀}＝(0.2702 0.0720 0.0720 0.07200.1199 0.1862 0.0254 0.0462 0.1199 0.0162)

A₆＝{A₆₁，A₆₂，A₆₃，A₆₄，A₆₅}＝(0.0656 0.3070 0.0656 0.0656 0.4961)

相应的：

B₁＝A₁×R₁＝(0.0231 0.1295 0.4484 0.3990)

B₂＝A₂×R₂＝(0 0.1352 0.4277 0.4371)

B₃＝A₃×R₃＝(0.0037 0.3460 0.5465 0.1039)

B₄＝A₄×R₄＝(0 0.5020 0.2916 0.2064)

B₅＝A₅×R₅＝(0.0551 0.1584 0.4957 0.2908)

B₆＝A₆×R₆＝(0 0.3969 0.2931 0.3100)

即可得出六个一级指标的评判矩阵，分别可以判断出每个一级指标隶属于“高、较高、一般、低”四个等级的隶属程度。

(3)第二层评判矩阵

以煤尘安全评价系统为例，第二层评判矩阵包括历史因素、自然因素、人的因素、设施设备、安全管理、环境因素6个的评判矩阵，将一级评判矩阵组合起来形成二级评判矩阵。

(4)第二层评判

由前文煤尘安全评价系统确定的一级指标权重可知，

A＝(A₁，A₂，A₃，A₄，A₅，A₆)＝(0.0391 0.3676 0.1312 0.2715 0.1312 0.0594)

使用模糊变换，则有：B＝A X R＝(0.0086 0.2808 0.4081 0.3025)

得到1行4列的煤尘安全系统评判矩阵。

(5)利用最大隶属度原则进行评价

结合前文确定的评判标准V＝(V1，V2，V3，V4)＝(高，较高，一般，低)，得出该煤矿生产企业的煤尘安全状况隶属于“高”的程度为0.0086，隶属于“较高”的程度为 0.2808，隶属于“一般”的程度为0.4081，隶属于“低”的程度为0.3025。根据最大隶属度原则，判定该煤矿生产企业的煤尘安全状况为“一般”。

结合第一层评判矩阵，根据最大隶属度原则，我们可以看出每个一级指标的隶属程度。在6个一级指标中，隶属于“较高”的指标有B4和B6，隶属于“一般”的指标有B1、 B3和B5，隶属于“低”的指标有B2。

预警

可以根据不同的风险等级作出不同的预警措施，例如，可以在判断风险等级为“高”时，向监管部门以及煤矿在在的矿业集团同时发送预警信息，而在在判断风险等级为“较高”时，仅向监管部门发送预警信息。

针对不同等级的风险等级，监管部门可以在接收到该等风险等级评价结果后，向框架集团发出整改通知等。

本领域技术人员应能理解，上述各功能选项及其对应的煤矿应用仅为示例，用于解释说明本申请之目的，而不应被理解为对本申请的任何限制，其他现有的或将来的功能选项及其对应的监管应用如可应用于本申请，均应被包含在本申请的专利保护范围之内。

需要注意的是，本申请的处理部分可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中，本申请的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地，本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本申请的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。

另外，本申请的一部分可被应用为计算机程序产品，例如计算机程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或提供根据本申请的方法和/或技术方案。而调用本申请的方法的程序指令，可能被存储在固定的或可移动的记录介质中，和/或通过广播或其他信号承载媒体中的数据流而被传输，和/或被存储在根据所述程序指令运行的计算机设备的工作存储器中。在此，根据本申请的一个实施例包括一个装置，该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该装置运行基于前述根据本申请的多个实施例的方法和/或技术方案。

Claims

1.一种煤矿安全生产风险预警方法，其特征在于：包括

风险评估步骤，所述风险评估步骤包括

从第一数据库采集至少第一数据集，其中所述第一数据集包括至少一个与所述煤矿相关联的第一数据类别的数据；

从第二数据库提取第二数据集，所述第二数据集包括至少一个与所述煤矿相关联的第二数据类别的数据，所述第一数据类别不同于所述第二数据类别；以及，

根据所述第一数据集的数据和第二数据集通过风险分析模型推导所述煤矿的至少一个风险推导结果，其中，所述至少一个风险推导结果指示所述煤矿的至少一个安全方面，所述第一数据集所在的数据类别和所述第二数据集所在的数据类别在所述风险分析模型中具有不同的权重值；以及

风险预警步骤，所述根据所述风险推导结果发送不同的预警信息。

2.根据权利要求1所述的煤矿安全生产风险预警方法，其特征在于：所述风险评估步骤包括判断所述风险推导结果在不同风险等级中的归属；其中所述不同的风险等级与所述不同的预警信息相关联。

3.根据权利要求1的煤矿安全生产风险预警方法，其特征在于：所述每个权重值预先计算出并存储。

4.根据权利要求1的煤矿安全生产风险预警方法，其特征在于：所述风险分析模型的建立包括：

至少根据所述第一数据集包括的数据类别以及所述第二数据集包括的数据类别建立基于数据类别的层次模型，所述层次模型包括具有对应数据类别的第一层和对应数据类别的子类别的第二层；

为第一层构造判断矩阵；

对该第一层的判断矩阵进行一致性检验，检验通过后，根据该第一层的判断矩阵计算单一准则下的该数据类别的相对权重；

为第二层构造判断矩阵；

对该第二层的判断矩阵进行一致性检验，检验通过后，根据该第二层的判断矩阵计算单一准则下的该数据类别的子类别的相对权重；以及，

根据该数据类别的相对权重和该数据类别子类别的相对权重推导出所述第一数据集中数据的权重值和/或所述第二数据集中数据的权重值。

5.根据权利要求3的煤矿安全生产风险预警方法，其特征在于：所述权重值还被配置为手动调整。

6.根据权利要求5的煤矿安全生产风险预警方法，其特征在于：将所述提取的所述第一数据集和所述第二数据集存储于风险指标专题数据库；

将安全风险指标专题数据库中存储的矿井基础数据与预先存储的安全风险指标数据相关联；

根据所述权重值建立分析模型，利用所述风险分析模型处理所述矿井基础数据以推导出煤矿单项风险指数以及/或者煤矿综合风险指数。

7.根据权利要求1的矿井安全生产状况评估方法，其特征在于：所述风险分析模型包括单项风险指标体系和综合风险指标体系。

8.根据权利要求1的矿井安全生产状况评估方法，其特征在于：所述单项风险指标体系包括煤尘安全风险评价指标体系、煤矿火灾风险评价指标体系、突出煤矿瓦斯风险评价指标体系、高瓦斯煤矿瓦斯风险评价指标体系、瓦斯煤矿瓦斯风险评价指标体系、煤矿顶板风险评价指标体系、以及煤矿水害风险评价指标体系。

9.根据权利要求8的矿井安全生产状况评估方法，其特征在于：所述煤尘安全风险评价指标体系包括指标体系包括由历史因素、自然因素、人的因素、设施设备、安全管理因素、环境因素作为第一层；和以煤尘爆炸事故、煤尘超限次数、煤尘超限未处理、煤尘爆炸指数、游离SiO2含量、煤层孔隙率、学历、年龄结构、人员持证情况、从业人员熟练程度、管理人员专业配备、防尘水池、防尘管路、测尘仪器仪表配备、测尘仪器仪表校正、采掘面喷雾洒水设施配备、转载点喷雾装置、隔爆设施、煤层注水设施、个体防尘配备、设置防尘机构和建立队伍、健全防尘管理制度、落实防尘管理制度、以及防尘技术培训和宣传教育作为第二层，而构成的层次模型。

10.一种煤矿安全生产风险预警系统，其特征在于：包括

数据采集模块，从第一数据库采集至少第一数据集，其中所述第一数据集包括煤矿环境数据和煤矿内设备的多个数据类别的运行数据，以及从第二数据库提取第二数据集，所述第二数据集包括与所述煤矿相关联的多个数据类别的管理数据；

风险分析模型存储模块，其存储对应至少一个风险值的风险分析模型，所述风险分析模型与所述第一数据集和所述第二数据集所属的数据类别的权重值相关联；所述第一数据集所在的数据类别和所述第二数据集所在的数据类别在所述风险分析模型中具有不同的权重值；

风险值推导模块，其根据所述第一数据集的数据和第二数据集通过风险分析模型推导所述煤矿的至少一个风险值，其中，所述至少一个风险值指示所述煤矿的至少一个安全方面；以及

风险预警模块，所述根据所述风险推导结果发送不同的预警信息。