CN112862266B - 一种基于模糊决策的煤矿事故应急预案评估模型构建方法 - Google Patents

Abstract

本发明涉及基于模糊决策的煤矿事故应急预案评估模型构建方法，包括：建立评价等级分级标准集；设置评价指标集；确定每个煤矿事故数字化应急预案的隶属度矩阵；运用熵值法确定指标权重；计算一级指标模糊综合评价向量及对其进行归一化；引入中位数向量，逐一计算得出不同煤矿事故数字化应急预案应急处置能力的具体分值；根据损失函数值求出数字化预案事故风险损失函数所对应的概率；将所求的煤矿事故数字化应急预案应急处置能力具体分值与数字化预案事故风险损失函数所对应的概率相乘，得到最后的预案评价；本发明是对煤矿事故数字化应急预案进行一体化评估和评价，减少事故灾害，能为煤矿事故应急指挥辅助决策提供最佳的数字化预案。

Description

一种基于模糊决策的煤矿事故应急预案评估模型构建方法

技术领域

本发明涉及一种基于模糊决策的煤矿事故应急预案评估模型构建方法，属于煤矿事故数字化预案决策技术领域。

背景技术

近些年来煤矿事故频发，在生产过程中瓦斯、灰尘、顶板、火、水等灾害的威胁，煤炭行业作为我国的高危行业，一直以来是我国工业发展的重要推动力。然而当事故发生后,必须采取相应的应对措施，抢救人员、保护设备、控制和缩小事故影响范围以及危害程度,在事故应急方面，我国生产法有过明确规定：“对于重大危险源、高事故风险行业都必须制定应急救援数字化预案”。其目的亦在于对事故的应急提供初步的依据；因此及时对数字化预案进行评价，发现数字化预案的不足和存在的问题，并并对其进行修订或整改，因煤矿不同事故数字化应急预案的处置效果的不确定性，有必要将模糊决策法引入到煤矿事故数字化应急预案决策领域，根据实际情况决定对不同数字化预案的选择，将其量化，分为好、中、差三等，再进一步讨论研判和评估决策。

发明内容

为了解决上述技术问题，本发明提供了一种基于模糊决策的煤矿事故应急预案评估模型构建方法。

本发明的技术方案是：一种基于模糊决策的煤矿事故应急预案评估模型构建方法，所述构建方法的具体步骤如下：

步骤1、依据煤矿事故文本应急预案编制的关键要素，建立评价等级分级标准集；

步骤2、设置评价指标集；

步骤3、确定每个煤矿事故数字化应急预案的隶属度矩阵；

步骤4、运用熵值法确定指标权重：引入评价指标集上的一个模糊子集，对模糊子集A中的元素进行标准化处理得到标准化矩阵；

步骤5、计算一级指标模糊综合评价向量及对其进行归一化；

步骤6、引入中位数向量，逐一计算得出不同煤矿事故数字化应急预案应急处置能力的具体分值；

步骤7、引入数字化应急预案事故风险损失函数，根据损失函数值求出数字化预案事故风险损失函数所对应的概率；

步骤8、将所求的煤矿事故数字化应急预案应急处置能力具体分值与数字化预案事故风险损失函数所对应的概率相乘，根据其大小将预案分为好、中、差三等，对其进行选择和改正，得到最后的预案评价。

作为本发明的进一步方案，所述步骤1的具体步骤包括：

设T＝{x₁,x₂…,x_n}是针对煤矿突发事故预先制定的n个煤矿事故数字化应急预案，依据煤矿事故文本应急预案编制的关键要素，建立评价等级分级标准集V＝{好，中，差}，评价对象为预先编制的n个煤矿事故数字化应急预案内的评价指标。

作为本发明的进一步方案，所述步骤2的具体步骤包括：

设置评价指标集，其中，设评价指标集U＝{u₁,u₂,…u_n},u_i为煤矿事故数字化应急预案评价体系矩阵集中的元素。

作为本发明的进一步方案，所述步骤3的具体步骤包括：

收集并分析煤矿事故数字化应急预案评价指标表，根据评价等级和评价指标集对指标进行判断，得出每个煤矿事故数字化应急预案的一级指标隶属度矩阵。

作为本发明的进一步方案，所述步骤4的具体步骤包括：

运用熵值法确定指标权重，引入评价指标集U上的一个模糊子集A，为U的权数分配集，其中模糊子集A中的元素a_i＞0，

对模糊子集A中的元素数据进行标准化处理得到标准化矩阵Y，Y＝{y_ij}m×n，Y中的元素

其中，0≤y_ij≤1；

依据y_ij得到j项指标的信息熵值，常数k与系统的样本数m有关.对于一个信息完全无序的系统,有序度为零,其熵值最大，e_j＝-1,m个样本处于完全无序分布状态时,

于是得到信息熵

其中，0≤e_j≤1；

由于信息熵e_j可用来度量j项指标信息的效用价值,当完全无序时,e_j＝1,此时，e_j的信息对综合评价的效用值为零，因此,某项指标的信息效用价值取决于该指标的信息熵e_j与1的差值h_j，h_j＝1-e_j；

价值系数越高,对评价的重要性就越大,于是j项指标的权重为

作为本发明的进一步方案，所述步骤5的具体步骤包括：

计算一级指标模糊综合评价向量：对一级指标的权重分布集和隶属度矩阵进行模糊计算，得出一级指标U的模糊综合评价向量B；向量B反映了评语集V中各类隶属程度，并对模糊综合评价向量B进行归一化得出归一化后的模糊综合评价向量B'。

作为本发明的进一步方案，所述步骤6的具体步骤包括：

引入中位数向量C，即评价等级分值标准的平均值C[90,70,50]，计算得出煤矿应急预案能力的具体分值Q：Q＝B'×C，B'表示归一化后的模糊综合评价向量；Q能用来评估同一煤矿不同预案的应急水平。

作为本发明的进一步方案，所述步骤7的具体步骤包括：

引入数字化应急预案事故风险损失函数R(a|F(x))，根据损失函数值所对应概率与应急预案应急处置能力具体分值相乘，根据其大小将预案分为好、中、差三等，对其进行选择和改正；

采取不同的煤矿事故数字化应急预案会产生不同的损失，因此，需要指出的是，当x(x∈T)属于Y时，λ_pp，λ_bp和λ_np表示采取行动a_p；a_b；a_n的损失，即当应急预案x满足决策者理想的应急决策方案特征Y时，决策者选择应急预案x，推迟选择应急预案x和不选择应急预案x所带来的各种损失总和；同理，设λ_Pn,λ_Bn和λ_Nn分别表示当x(x∈T)不属于Y_C时采取决策a_P；a_B；a_N的损失，即当应急预案x不符合决策者理想的应急决策方案特征Y_C时，决策者选择应急预案x，延迟选择x和不选择x所带来的损失总和；对任意x∈T,F(x)为应急预案x所具有的基本特征；则由可得采取a_p；a_b；a_n3种决策的期望损失分别为：

R(a_p|F(x))＝λ_ppP(Y|F(x))+λ_PnP(Y_C|F(x))

R(a_b|F(x))＝λ_bpP(Y|F(x))+λ_BnP(Y_C|F(x))

R(a_n|F(x))＝λ_npP(Y|F(x))+λ_NnP(Y_C|F(x))

由全概率公式有

P(Y|F(x))+P(Y_C|F(x))＝1

结合给定的煤矿事故数字化应急预案所对应的损失函数值，该数值由领域内专家预先给定，针对煤矿安全事故特征，所对应的应急决策方案具有如下特征Y＝{y₁,y₂,y₃,y₄…y_n}，取

得到对应概率。

本发明的有益效果：本发明以煤矿事故数字化应急预案标准为基础，采用模糊决策与损失函数相结合的方法综合评价数字化预案指标，将数字化预案指标信息量化，可评价针对同一煤矿的不同数字化应急预案，选择其优，减少事故灾害、人员伤亡，从而为煤矿事故应急指挥辅助决策提供最佳的数字化预案。

附图说明

图1为本发明中的流程图。

具体实施方式

实施例1：如图1所示，一种基于模糊决策的煤矿事故应急预案评估模型构建方法，所述构建方法的具体步骤如下：

步骤1、依据煤矿事故文本应急预案编制的关键要素，建立评价等级分级标准集；

作为本发明的进一步方案，所述步骤1的具体步骤包括：

设T＝{x₁,x₂…,x_n}是针对煤矿突发事故预先制定的n个煤矿事故数字化应急预案，依据煤矿事故文本应急预案编制的关键要素，建立评价等级分级标准集V＝{好，中，差}，评价对象为预先编制的n个煤矿事故数字化应急预案内的评价指标。设定评价等级分级标准如下表1所示：

表1评价等级分值标准

步骤2、设置评价指标集；

作为本发明的进一步方案，所述步骤2的具体步骤包括：

设置评价指标集，其中，设评价指标集U＝{u₁,u₂,…u_n},u_i为煤矿事故数字化应急预案评价体系矩阵集中的元素。

步骤3、确定每个煤矿事故数字化应急预案的隶属度矩阵；

作为本发明的进一步方案，所述步骤3的具体步骤包括：

收集并分析煤矿事故数字化应急预案评价指标表，根据评价等级和评价指标集对指标进行判断，得出每个煤矿事故数字化应急预案的一级指标隶属度矩阵。

步骤4、运用熵值法确定指标权重：引入评价指标集上的一个模糊子集，对模糊子集A中的元素进行标准化处理得到标准化矩阵；

作为本发明的进一步方案，所述步骤4的具体步骤包括：

运用熵值法确定指标权重，引入评价指标集U上的一个模糊子集A，为U的权数分配集，其中模糊子集A中的元素a_i＞0，

对模糊子集A中的元素数据进行标准化处理得到标准化矩阵Y，Y＝{y_ij}m×n，Y中的元素

其中，0≤y_ij≤1；

依据y_ij得到j项指标的信息熵值，常数k与系统的样本数m有关.对于一个信息完全无序的系统,有序度为零,其熵值最大，e_j＝-1,m个样本处于完全无序分布状态时,

于是得到信息熵

其中，0≤e_j≤1；

由于信息熵e_j可用来度量j项指标信息的效用价值,当完全无序时,e_j＝1,此时，e_j的信息对综合评价的效用值为零，因此,某项指标的信息效用价值取决于该指标的信息熵e_j与1的差值h_j，h_j＝1-e_j；

价值系数越高,对评价的重要性就越大,于是j项指标的权重为

步骤5、计算一级指标模糊综合评价向量及对其进行归一化；

作为本发明的进一步方案，所述步骤5的具体步骤包括：

计算一级指标模糊综合评价向量：对一级指标的权重分布集和隶属度矩阵进行模糊计算，得出一级指标U的模糊综合评价向量B；向量B反映了评语集V中各类隶属程度，并对模糊综合评价向量B进行归一化得出归一化后的模糊综合评价向量B'。

步骤6、引入中位数向量，逐一计算得出不同煤矿事故数字化应急预案应急处置能力的具体分值；

作为本发明的进一步方案，所述步骤6的具体步骤包括：

引入中位数向量C，即评价等级分值标准的平均值C[90,70,50]，计算得出煤矿应急预案能力的具体分值Q：Q＝B'×C，B'表示归一化后的模糊综合评价向量；Q能用来评估同一煤矿不同预案的应急水平。

步骤7、引入数字化应急预案事故风险损失函数，根据损失函数值求出数字化预案事故风险损失函数所对应的概率；

作为本发明的进一步方案，所述步骤7的具体步骤包括：

引入数字化应急预案事故风险损失函数R(a|F(x))，根据损失函数值所对应概率与应急预案应急处置能力具体分值相乘，根据其大小将预案分为好、中、差三等，对其进行选择和改正；

采取不同的煤矿事故数字化应急预案会产生不同的损失，因此，需要指出的是，当x(x∈T)属于Y时，λ_pp，λ_bp和λ_np表示采取行动a_p；a_b；a_n的损失，即当应急预案x满足决策者理想的应急决策方案特征Y时，决策者选择应急预案x，推迟选择应急预案x和不选择应急预案x所带来的各种损失总和；同理，设λ_Pn,λ_Bn和λ_Nn分别表示当x(x∈T)不属于Y_C时采取决策a_P；a_B；a_N的损失，即当应急预案x不符合决策者理想的应急决策方案特征Y_C时，决策者选择应急预案x，延迟选择x和不选择x所带来的损失总和；对任意x∈T,F(x)为应急预案x所具有的基本特征；则由可得采取a_p；a_b；a_n3种决策的期望损失分别为：

R(a_p|F(x))＝λ_ppP(Y|F(x))+λ_PnP(Y_C|F(x))

R(a_b|F(x))＝λ_bpP(Y|F(x))+λ_BnP(Y_C|F(x))

R(a_n|F(x))＝λ_npP(Y|F(x))+λ_NnP(Y_C|F(x))

由全概率公式有

P(Y|F(x))+P(Y_C|F(x))＝1

结合给定的煤矿事故数字化应急预案所对应的损失函数值，该数值由领域内专家预先给定；针对煤矿安全事故特征，所对应的应急决策方案具有如下特征Y＝{y₁,y₂,y₃,y₄…y_n}，取

得到对应概率。

表2为煤矿事故数字化应急预案所对应的损失函数值

T

λ<sub>pp</sub>

λ<sub>bp</sub>

λ<sub>np</sub>

λ<sub>Nn</sub>

λ<sub>Bn</sub>

λ<sub>Pn</sub>

x<sub>1</sub>

b<sub>11</sub>

b<sub>12</sub>

b<sub>13</sub>

b<sub>14</sub>

b<sub>15</sub>

b<sub>16</sub>

x<sub>2</sub>

b<sub>21</sub>

b<sub>22</sub>

b<sub>23</sub>

b<sub>24</sub>

b<sub>25</sub>

b<sub>26</sub>

x<sub>3</sub>

b<sub>31</sub>

b<sub>32</sub>

b<sub>33</sub>

b<sub>34</sub>

b<sub>35</sub>

b<sub>36</sub>

x<sub>4</sub>

b<sub>41</sub>

b<sub>42</sub>

b<sub>43</sub>

b<sub>44</sub>

b<sub>45</sub>

b<sub>46</sub>

步骤8、将所求的煤矿事故数字化应急预案应急处置能力具体分值与数字化预案事故风险损失函数所对应的概率相乘，根据其大小将预案分为好、中、差三等，对其进行选择和改正，得到最后的预案评价I：I＝Q×P(Y|F(x))。

实施例2：如图1所示，一种基于模糊决策的煤矿事故应急预案评估模型构建方法，设T＝{x₁,x₂,x₃,x₄}是针对煤矿突发事故预先制定的四个煤矿事故数字化应急预案，单个煤矿数字化预案由八个特征所组成危险源角度。

V是煤矿事故数字化应急预案基本特征y₁(事故风险描述准确程度及危险源分析)；y₂应急组织机构体系完善及职责分配明细)；y₃(危险源预警与信息报告反馈程度)；y₄(应急响应分级措施完备程度)；y₅(信息公开速度与发布原则)；y₆(后期处置工作快速有效)；y₇(通信保障设施与应急队伍装备的完善)；y₈(煤矿事故数字化应急预案预警完备以及编制规范)

V＝{y₁,y₂,y₃,y₄,y₅,y₆,y₇,y₈}，

假设每个煤矿事故数字化应急预案相对其他数字化预案最显著的基本特征如下描述：

F(x₁)＝{y₁,y₃,y₆,y₈}

F(x₂)＝{y₂,y₄,y₅,y₈}

F(x₃)＝{y₂,y₃,y₆,y₇}

F(x₄)＝{y₃,y₄,y₆,y₈}

所述构建方法的具体步骤如下：

步骤1、依据煤矿事故文本应急预案编制的关键要素，建立评价等级分级标准集；

作为本发明的进一步方案，所述步骤1的具体步骤包括：

依据煤矿事故文本应急预案编制的关键要素，建立评价等级分级标准集V＝{好，中，差}，评价对象为预先编制的n个煤矿事故数字化应急预案内的评价指标。设定评价等级分级标准如下表3所示，对x₁数字化预案进行计算求解；

表3煤矿事故数字化应急预案评价指标表

步骤2、设置评价指标集；

作为本发明的进一步方案，所述步骤2的具体步骤包括：

设置评价指标集，其中，设评价指标集设U＝{u₁,u₂,u₃,u₄},u₁事故风险描述准确程度及危险源分析；u₂危险源预警与信息报告反馈程度；u₃后期处置工作快速有效；u₄应急预案预警完备以及编制规范。

步骤3、确定每个煤矿事故数字化应急预案的隶属度矩阵；

作为本发明的进一步方案，所述步骤3的具体步骤包括：

收集并分析煤矿事故数字化应急预案评价指标表，根据评价等级和评价指标集对指标进行判断，得出每个煤矿事故数字化应急预案的一级指标隶属度矩阵。

步骤4、运用熵值法确定指标权重：引入评价指标集上的一个模糊子集，对模糊子集A中的元素进行标准化处理得到标准化矩阵；

作为本发明的进一步方案，所述步骤4的具体步骤包括：

运用熵值法确定指标权重，引入评价指标集U上的一个模糊子集A，为U的权数分配集，其中模糊子集A中的元素a_i＞0，

对模糊子集A中的元素数据进行标准化处理得到标准化矩阵Y，Y＝{y_ij}m×n，Y中的元素

x_ij＝a_ij，其中，0≤y_ij≤1；a_n1+a_n2+a_n3＝1(n＝1,2,3…8)；最终得到：

依据y_ij得到j项指标的信息熵值，常数k与系统的样本数m有关.对于一个信息完全无序的系统,有序度为零,其熵值最大，e_j＝-1,m个样本处于完全无序分布状态时,

于是得到信息熵

由于信息熵e_j可用来度量j项指标信息的效用价值,当完全无序时,e_j＝1,此时，e_j的信息对综合评价的效用值为零，因此,该项指标的信息效用价值取决于该指标的信息熵e_j与1的差值h_j，h_j＝1-e_j；

价值系数越高,对评价的重要性就越大,于是j项指标的权重向量为w_j＝[c₁,c₂,c₃,c₄,c₅,c₆,c₇,c₈]。

步骤5、计算一级指标模糊综合评价向量及对其进行归一化；

作为本发明的进一步方案，所述步骤5的具体步骤包括：

计算一级指标模糊综合评价向量：对一级指标的权重分布集和隶属度矩阵进行模糊计算，得出一级指标U的模糊综合评价向量B，B＝w_j×R_i＝{m₁,m₂,m₃}；向量B反映了评语集V中各类隶属程度，并对模糊综合评价向量B进行归一化得出归一化后的模糊综合评价向量B'：B'＝{l₁,l₂,l₃}。

步骤6、引入中位数向量，逐一计算得出不同煤矿事故数字化应急预案应急处置能力的具体分值；

作为本发明的进一步方案，所述步骤6的具体步骤包括：

引入中位数向量C，即评价等级分值标准的平均值C[90,70,50]，计算得出煤矿应急预案能力的具体分值Q：Q＝B'×C＝[l₁,l₂,l₃][90,70,50]^T＝z₁，B'表示归一化后的模糊综合评价向量；Q能用来评估同一煤矿不同预案的应急水平，z₁为x₁煤矿事故数字化应急预案的应急水平。

步骤7、引入数字化应急预案事故风险损失函数，根据损失函数值求出数字化预案事故风险损失函数所对应的概率；

作为本发明的进一步方案，所述步骤7的具体步骤包括：

引入数字化应急预案事故风险损失函数R(a|F(x))，根据损失函数值所对应概率与应急预案应急处置能力具体分值相乘，根据其大小将预案分为好、中、差三等，对其进行选择和改正；

采取不同的煤矿事故数字化应急预案会产生不同的损失，因此，需要指出的是，当x(x∈T)属于Y时，λ_pp，λ_bp和λ_np表示采取行动a_p；a_b；a_n的损失，即当应急预案x满足决策者理想的应急决策方案特征Y时，决策者选择应急预案x，推迟选择应急预案x和不选择应急预案x所带来的各种损失总和；同理，设λ_Pn,λ_Bn和λ_Nn分别表示当x(x∈T)不属于Y_C时采取决策a_P；a_B；a_N的损失，即当应急预案x不符合决策者理想的应急决策方案特征Y_C时，决策者选择应急预案x，延迟选择x和不选择x所带来的损失总和；对任意x∈T,F(x)为应急预案x所具有的基本特征；则由可得采取a_p；a_b；a_n3种决策的期望损失分别为：

R(a_p|F(x))＝λ_ppP(Y|F(x))+λ_PnP(Y_C|F(x))

R(a_b|F(x))＝λ_bpP(Y|F(x))+λ_BnP(Y_C|F(x))

R(a_n|F(x))＝λ_npP(Y|F(x))+λ_NnP(Y_C|F(x))

由全概率公式有

P(Y|F(x))+P(Y_C|F(x))＝1

结合给定的煤矿事故数字化应急预案所对应的损失函数值，该数值由领域内专家预先给定；针对煤矿安全事故特征，所对应的应急决策方案具有如下特征Y＝{y₁,y₂,y₃,y₄…y_n}，取

得到对应概率。

表4为煤矿事故数字化应急预案所对应的损失函数值

T

λ<sub>pp</sub>

λ<sub>bp</sub>

λ<sub>np</sub>

λ<sub>Nn</sub>

λ<sub>Bn</sub>

λ<sub>Pn</sub>

x<sub>1</sub>

b<sub>11</sub>

b<sub>12</sub>

b<sub>13</sub>

b<sub>14</sub>

b<sub>15</sub>

b<sub>16</sub>

x<sub>2</sub>

b<sub>21</sub>

b<sub>22</sub>

b<sub>23</sub>

b<sub>24</sub>

b<sub>25</sub>

b<sub>26</sub>

x<sub>3</sub>

b<sub>31</sub>

b<sub>32</sub>

b<sub>33</sub>

b<sub>34</sub>

b<sub>35</sub>

b<sub>36</sub>

x<sub>4</sub>

b<sub>41</sub>

b<sub>42</sub>

b<sub>43</sub>

b<sub>44</sub>

b<sub>45</sub>

b<sub>46</sub>

步骤8、将所求的煤矿事故数字化应急预案应急处置能力具体分值与数字化预案事故风险损失函数所对应的概率相乘，根据其大小将预案分为好、中、差三等，对其进行选择和改正，得到最后的预案评价I：I＝Q×P(Y|F(x))。

P(Y|F(x₁))＝α₁；I＝Q₁×P(Y|F(x₁))＝β₁；

P(Y|F(x₂))＝α₂；I＝Q₂×P(Y|F(x₂))＝β₂；

P(Y|F(x₃))＝α₃；I＝Q₃×P(Y|F(x₃))＝β₃；

P(Y|F(x₄))＝α₄；I＝Q₄×P(Y|F(x₄))＝β₄；

所求α为不同预案的预案损失函数概率，Q为不同预案的应急水平，β为最终的预案评价，若β₂＜β₁＜β₄＜β₃则选择＜β₃为最佳应急预案。

上面结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (7)

1.一种基于模糊决策的煤矿事故应急预案评估模型构建方法，其特征在于：

所述构建方法的具体步骤如下：

步骤1、依据煤矿事故文本应急预案编制的关键要素，建立评价等级分级标准集；

步骤2、设置评价指标集；

步骤3、确定每个煤矿事故数字化应急预案的隶属度矩阵；

步骤4、运用熵值法确定指标权重：引入评价指标集上的一个模糊子集，对模糊子集A中的元素进行标准化处理得到标准化矩阵；

步骤5、计算一级指标模糊综合评价向量及对其进行归一化；

步骤6、引入中位数向量，逐一计算得出不同煤矿事故数字化应急预案应急处置能力的具体分值；

步骤7、引入数字化应急预案事故风险损失函数，根据损失函数值求出数字化预案事故风险损失函数所对应的概率；

步骤8、将所求的煤矿事故数字化应急预案应急处置能力具体分值与数字化预案事故风险损失函数所对应的概率相乘，根据其大小将预案分为好、中、差三等，对其进行选择和改正，得到最后的预案评价；

所述步骤7的具体步骤包括：

引入数字化应急预案事故风险损失函数R(a|F(x))，根据损失函数值所对应概率与应急预案应急处置能力具体分值相乘，根据其大小将预案分为好、中、差三等，对其进行选择和改正；

采取不同的煤矿事故数字化应急预案会产生不同的损失，因此，需要指出的是，当x,x∈T属于Y时，λ_pp，λ_bp和λ_np表示采取行动a_p,a_b,a_n的损失，即当应急预案x满足决策者理想的应急决策方案特征Y时，决策者选择应急预案x，推迟选择应急预案x和不选择应急预案x所带来的各种损失总和；同理，设λ_Pn,λ_Bn和λ_Nn分别表示当x,x∈T不属于Y_C时采取决策a_P,a_B,a_N的损失，即当应急预案x不符合决策者理想的应急决策方案特征Y_C时，决策者选择应急预案x，延迟选择x和不选择x所带来的损失总和；对任意x∈T,F(x)为应急预案x所具有的基本特征；则采取a_p,a_b,a_n3种决策的期望损失分别为：

R(a_p|F(x))＝λ_ppP(Y|F(x))+λ_PnP(Y_C|F(x))

R(a_b|F(x))＝λ_bpP(Y|F(x))+λ_BnP(Y_C|F(x))

R(a_n|F(x))＝λ_npP(Y|F(x))+λ_NnP(Y_C|F(x))

由全概率公式有

P(Y|F(x))+P(Y_C|F(x))＝1

结合给定的煤矿事故数字化应急预案所对应的损失函数值，该数值由领域内专家预先给定，针对煤矿安全事故特征，所对应的应急决策方案具有如下特征Y＝{y₁,y₂,y₃,y₄…y_n}，取

得到对应概率。

2.根据权利要求1所述的基于模糊决策的煤矿事故应急预案评估模型构建方法，其特征在于：所述步骤1的具体步骤包括：

设T＝{x₁,x₂…,x_n}是针对煤矿突发事故预先制定的n个煤矿事故数字化应急预案，依据煤矿事故文本应急预案编制的关键要素，建立评价等级分级标准集V＝{好，中，差}，评价对象为预先编制的n个煤矿事故数字化应急预案内的评价指标。

3.根据权利要求1所述的基于模糊决策的煤矿事故应急预案评估模型构建方法，其特征在于：所述步骤2的具体步骤包括：

设置评价指标集，其中，设评价指标集U＝{u₁,u₂,…u_n},u_i为煤矿事故数字化应急预案评价体系矩阵集中的元素。

4.根据权利要求1所述的基于模糊决策的煤矿事故应急预案评估模型构建方法，其特征在于：所述步骤3的具体步骤包括：

收集并分析煤矿事故数字化应急预案评价指标表，根据评价等级和评价指标集对指标进行判断，得出每个煤矿事故数字化应急预案的一级指标隶属度矩阵。

5.根据权利要求1所述的基于模糊决策的煤矿事故应急预案评估模型构建方法，其特征在于：所述步骤4的具体步骤包括：

运用熵值法确定指标权重，引入评价指标集U上的一个模糊子集A，为U的权数分配集，其中模糊子集A中的元素a_i＞0，

对模糊子集A中的元素数据进行标准化处理得到标准化矩阵Y，Y＝{y_ij}_m×n，Y中的元素

其中，0≤y_ij≤1；

依据y_ij得到j项指标的信息熵值，常数k与系统的样本数m有关，对于一个信息完全无序的系统,有序度为零,其熵值最大，e_j＝-1,m个样本处于完全无序分布状态时,

于是得到信息熵

其中，0≤e_j≤1；

由于信息熵e_j可用来度量j项指标信息的效用价值,当完全无序时,e_j＝1,此时，e_j的信息对综合评价的效用值为零，因此,某项指标的信息效用价值取决于该指标的信息熵e_j与1的差值h_j，h_j＝1-e_j；

价值系数越高,对评价的重要性就越大,于是j项指标的权重为

6.根据权利要求1所述的基于模糊决策的煤矿事故应急预案评估模型构建方法，其特征在于：所述步骤5的具体步骤包括：

计算一级指标模糊综合评价向量：对一级指标的权重分布集和隶属度矩阵进行模糊计算，得出一级指标U的模糊综合评价向量B；向量B反映了评语集V中各类隶属程度，并对模糊综合评价向量B进行归一化得出归一化后的模糊综合评价向量B'。

7.根据权利要求1所述的基于模糊决策的煤矿事故应急预案评估模型构建方法，其特征在于：所述步骤6的具体步骤包括：

引入中位数向量C，即评价等级分值标准的平均值C[90,70,50]，计算得出煤矿应急预案能力的具体分值Q：Q＝B'×C，B'表示归一化后的模糊综合评价向量；Q能用来评估同一煤矿不同预案的应急水平。

Images