CN115841251A - 一种废弃煤矿井环境风险的评估方法、装置及存储介质 - Google Patents
一种废弃煤矿井环境风险的评估方法、装置及存储介质 Download PDFInfo
- Publication number
- CN115841251A CN115841251A CN202211529589.5A CN202211529589A CN115841251A CN 115841251 A CN115841251 A CN 115841251A CN 202211529589 A CN202211529589 A CN 202211529589A CN 115841251 A CN115841251 A CN 115841251A
- Authority
- CN
- China
- Prior art keywords
- risk
- index
- value
- coal mine
- mine
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种废弃煤矿井环境风险的评估方法、装置及存储介质,本发明依据影响废弃煤矿井环境的风险指标,来构建废弃煤矿井环境风险的数学评估模型,如此,可基于数学评估模型来实现对废弃煤矿井环境风险的定量分析,使得分析结果不受到人为主观经验的影响,提高了分析结果的准确性、合理性以及科学性,适用于大规模应用于推广。
Description
技术领域
本发明属于废弃煤矿井处理技术领域,具体涉及一种废弃煤矿井环境风险的评估方法、装置及存储介质。
背景技术
受到我国煤炭资源枯竭、资源整合以及淘汰落后产能等因素的影响,我国关闭了大量煤矿,而当煤矿关闭导致抽排地下水停止后,矿井水位将快速回弹,地下水通过矿井周围的导水裂隙进入矿井巷道,产生矿井积水现象,巷道中的积水与煤矿伴生的含硫矿物接触,在空气、水和微生物的作用下,发生溶侵、氧化、水解等复杂的水岩化学反应,并在反应过程中产生大量的酸性矿山废水(Acid mine drainage,简称AMD),而这些酸性矿山废水会进入矿井巷道,通过矿井井口排入到地表水中,进而会造成周围地表水的污染。
目前,对废弃煤矿井的环境风险评估方法众多,但大多都是依照人为主观经验进行环境风险的评估,其评估结果受到主观因素影响较大,且在实际应用过程中,很少有对废弃煤矿井的环境风险的定量分析,因此,导致废弃煤矿井的环境风险评估结果的准确性以及科学性较低;基于此,如何实现对废弃煤矿井环境风险的定量分析,以保证风险评估结果的科学性以及准确性,成为废弃煤矿井环境处理技术领域当前的研究热点。
发明内容
本发明的目的是提供一种废弃煤矿井环境风险的评估方法、装置及存储介质,用以解决现有技术采用人工经验评估所存在的科学性以及准确性较低的问题。
为了实现上述目的,本发明采用以下技术方案:
第一方面,提供了一种废弃煤矿井环境风险的评估方法,包括:
获取影响待评估废弃煤矿井环境的风险指标集,其中,所述风险指标集包括矿井污染源风险指标、矿井污染通道风险指标、矿井污染受体风险指标以及矿井自然环境风险指标,且所述风险指标集中的任一风险指标包括至少一个风险影响因素;
基于所述风险指标集,构建风险指标层次结构模型,其中,所述风险指标层次结构模型包括目标层、准则层以及指标层,且所述目标层为所述待评估废弃煤矿井的环境风险评估值,所述准则层包括所述风险指标集中的各个风险指标,所述指标层包括所述准则层中各个风险指标相对应的风险影响因素;
依据所述风险指标层次结构模型,构建得到废弃煤矿井环境风险评估模型,其中,所述废弃煤矿井环境风险评估模型的输出结果为废弃煤矿井的环境风险评估值;
获取所述风险指标集中各个风险指标所对应的每个风险影响因素的实际风险值,并将每个风险影响因素的实际风险值输入至所述废弃煤矿井环境风险评估模型,以得到所述待评估废弃煤矿井的环境风险评估值;
根据所述环境风险评估值,确定出所述待评估废弃煤矿井的风险评估结果。
基于上述公开的内容,本发明首先获取影响待评估废弃煤矿井环境的风险指标集,该步骤相当于确定了能够产生待评估废弃煤矿井的环境污染的风险影响因素(如污染源类型、矿井水影响半径等等),以便后续基于前述确定出的风险影响因素进行环境风险的定量分析;其次,本发明依据风险指标集中的各个风险指标,来构建风险指标层次结构模型;该步骤相当于是确定基于风险影响因素进行评判的目标,以及各个风险指标、各个风险指标与其对应风险影响因素之间的相互关系;接着,本发明再依据风险指标层次结构模型,来构建废弃煤矿井环境风险评估模型,如此,相当于将前述风险影响因素进行定量分析,并以此来构建数学模型;最后,获取待评估废弃煤矿井的各个风险指标的实际风险值,并将其输入至构建的模型中,即可得到待评估废弃煤矿井的环境风险评估结果。
通过上述设计,本发明依据影响废弃煤矿井环境的风险指标,来构建废弃煤矿井环境风险的数学评估模型,如此,可基于数学评估模型来实现对废弃煤矿井环境风险的定量分析,使得分析结果不受到人为主观经验的影响,提高了分析结果的准确性、合理性以及科学性,适用于大规模应用于推广。
在一个可能的设计中,依据所述风险指标层次结构模型,构建得到废弃煤矿井环境风险评估模型,包括:
依据所述风险指标层次结构模型,构建出所述准则层的第一判断矩阵,以及所述准则层中各个风险指标与各自相对应的风险影响因素之间的第二判断矩阵,其中,所述第一判断矩阵用于表征所述准则层中任意两风险指标之间的重要性标度值,任一风险指标与该任一风险指标对应的风险影响因素之间的第二判断矩阵,用于表征该任一风险指标与该任一风险指标内任一个风险影响因素之间的重要性标度值;
基于所述第一判断矩阵以及所述第二判断矩阵,计算各个风险影响因素的权重值;
根据各个风险影响因素以及各个风险影响因素的权重值,构建得到所述废弃煤矿井环境风险评估模型。
基于上述公开的内容,本发明依据层次结构模型来构建出用于表征准则层中任意两风险指标之间重要性的第一判断矩阵,以及各个风险指标与其对应风险影响因素之间重要性的第二判断矩阵;同时,依据前述两种判断矩阵,来计算得到各个风险影响因素的权重值,并将权重值引入至所述废弃煤矿井环境风险评估模型中;如此,将各风险影响因素的权重引入模型,可保证各风险影响因素在评估中比例的合理性。
在一个可能的设计中,基于所述第一判断矩阵以及所述第二判断矩阵,计算各个风险影响因素的权重值,包括:
计算出所述第一判断矩阵以及所述第二判断矩阵的特征向量;
基于所述第二判断矩阵的特征向量,构建得到第一权重特征矩阵,其中,所述第一权重特征矩阵的行数为n,列数为m,且n为风险影响因素的总个数,m为风险指标集中风险指标的总个数;
依据所述第一判断矩阵的特征向量,构建得到第二权重特征矩阵;
计算所述第一权重特征矩阵与所述第二权重特征矩阵之间的乘积,以在计算完毕后,得到各个风险影响因素的初始权重值。
在一个可能的设计中,依据所述风险指标层次结构模型,构建出所述准则层的第一判断矩阵后,所述方法还包括:
计算所述第一判断矩阵的最大特征值,并依据所述最大特征值计算得到所述第一判断矩阵的一致性指标值;
判断所述一致性指标值是否小于预设阈值;
若否,则重新依据所述风险指标层次结构模型,构建所述准则层的第一判断矩阵。
基于上述公开的内容,本发明在构建判断矩阵时,通过计算判断矩阵的一致性指标值,来判断构建的矩阵是否合理,其中,若判断矩阵的一致性指标值大于或等于预设阈值,则说明构建的判断矩阵的一致性不符合标准,此时,则需要重新构建,直至一致性指标值小于预设阈值时为止;由此通过前述设计,可保证构建的判断矩阵的合理性,从而进一步的提高模型评估的准确性。
在一个可能的设计中,依据所述最大特征值计算得到所述第一判断矩阵的一致性指标值,包括:
获取所述第一判断矩阵的维度,并基于所述第一判断矩阵的最大特征值以及维度,确定出所述第一判断矩阵的初始一致性指标值;
基于所述第一判断矩阵的维度,确定出一致性修正值;
计算所述初始一致性指标值与所述一致性修正值之间的比值,以将比值作为所述第一判断矩阵的一致性指标值。
在一个可能的设计中,所述废弃煤矿井环境风险评估模型采用如下公式(1)表示:
上述式(1)中,R表示废弃煤矿井环境风险评估模型的输出结果,aj表示第j个风险影响因素的实际风险值,wj表示第j个风险影响因素的权重值,n为风险影响因素的总个数。
在一个可能的设计中,所述矿井污染源风险指标的风险影响因素包括污染源类型和矿井水影响半径,所述矿井污染通道风险指标的风险影响因素包括矿井井壁结构、矿井导水结构、矿井转孔封孔的完整性以及矿井封填规范性,所述矿井污染受体风险指标的风险影响因素包括污染受体含水层层位、污染受体人群聚集地规模以及污染受体取水井套管封闭的完整性,所述矿井自然环境风险指标的风险影响因素包括水文地质单元、地形地势以及隔水层性能。
第二方面,提供了一种废弃煤矿井环境风险的评估装置,包括:
数据获取单元,用于获取影响待评估废弃煤矿井环境的风险指标集,其中,所述风险指标集包括矿井污染源风险指标、矿井污染通道风险指标、矿井污染受体风险指标以及矿井自然环境风险指标,且所述风险指标集中的任一风险指标包括至少一个风险影响因素;
模型构建单元,用于基于所述风险指标集,构建风险指标层次结构模型,其中,所述风险指标层次结构模型包括目标层、准则层以及指标层,且所述目标层为所述待评估废弃煤矿井的环境风险评估值,所述准则层包括所述风险指标集中的各个风险指标,所述指标层包括所述准则层中各个风险指标相对应的风险影响因素;
模型构建单元,用于依据所述风险指标层次结构模型,构建得到废弃煤矿井环境风险评估模型,其中,所述废弃煤矿井环境风险评估模型的输出结果为废弃煤矿井的环境风险评估值;
数据获取单元,用于获取所述风险指标集中各个风险指标所对应的每个风险影响因素的实际风险值,并将每个风险影响因素的实际风险值输入至所述废弃煤矿井环境风险评估模型,以得到所述待评估废弃煤矿井的环境风险评估值;
风险评估单元,用于根据所述环境风险评估值,确定出所述待评估废弃煤矿井的风险评估结果。
第三方面,提供了另一种废弃煤矿井环境风险的评估装置,以装置为电子设备为例,包括依次通信相连的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行如第一方面或第一方面中任意一种可能设计的所述废弃煤矿井环境风险的评估方法。
第四方面,提供了一种存储介质,存储介质上存储有指令,当所述指令在计算机上运行时,执行如第一方面或第一方面中任意一种可能设计的所述废弃煤矿井环境风险的评估方法。
第五方面,提供了一种包含指令的计算机程序产品,当指令在计算机上运行时,使计算机执行如第一方面或第一方面中任意一种可能设计的所述废弃煤矿井环境风险的评估方法。
有益效果:
(1)本发明依据影响废弃煤矿井环境的风险指标,来构建废弃煤矿井环境风险的数学评估模型,如此,可基于数学评估模型来实现对废弃煤矿井环境风险的定量分析,使得分析结果不受到人为主观经验的影响,提高了分析结果的准确性、合理性以及科学性,适用于大规模应用于推广。
附图说明
图1为本发明实施例提供的废弃煤矿井环境风险的评估方法的步骤流程示意图;
图2为本发明实施例提供的废弃煤矿井环境风险的评估装置的结构示意图;
图3为本发明实施例提供的电子设备的结构示意图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将结合附图和实施例或现有技术的描述对本发明作简单地介绍,显而易见地,下面关于附图结构的描述仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在此需要说明的是,对于这些实施例方式的说明用于帮助理解本发明,但并不构成对本发明的限定。
应当理解,尽管本文可能使用术语第一、第二等等来描述各种单元,但是这些单元不应当受到这些术语的限制。这些术语仅用于区分一个单元和另一个单元。例如可以将第一单元称作第二单元,并且类似地可以将第二单元称作第一单元,同时不脱离本发明的示例实施例的范围。
应当理解,对于本文中可能出现的术语“和/或”,其仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,单独存在B,同时存在A和B三种情况;对于本文中可能出现的术语“/和”,其是描述另一种关联对象关系,表示可以存在两种关系,例如,A/和B,可以表示:单独存在A,单独存在A和B两种情况;另外,对于本文中可能出现的字符“/”,一般表示前后关联对象是一种“或”关系。
实施例:
参见图1所示,本实施例所提供的废弃煤矿井环境风险的评估方法,依据影响废弃煤矿井环境的风险指标,来构建废弃煤矿井环境风险的数学评估模型,从而使用数据评估模型来进行废弃煤矿井环境的定量分析与评估,如此,可避免传统技术中使用人工分析所存在的容易受到人为主观因素的影响,因此,本方法能够大幅提高评估结果的合理性以及准确性,适用于在废弃煤矿井处理领域的大规模应用与推广;在本实施例中,举例该方法可以但不限于在环境风险评估端侧运行,其中,举例所述环境风险评估端可以但不限于为个人电脑(personal computer,PC)、平板电脑或智能手机,可以理解的,前述执行主体并不构成对本申请实施例的限定,相应的,本方法的运行步骤可以但不限于如下述步骤S1~S5所示。
S1.获取影响待评估废弃煤矿井环境的风险指标集,其中,所述风险指标集包括矿井污染源风险指标、矿井污染通道风险指标、矿井污染受体风险指标以及矿井自然环境风险指标,且所述风险指标集中的任一风险指标包括至少一个风险影响因素;具体应用时,该步骤相当于是获取能够影响待评估废弃煤矿井环境的风险因素,即从能够影响废弃煤矿井环境的风险影响因素层面,来对该待评估废弃煤矿井的环境风险进行定量分析;可选的,举例能够影响待评估废弃煤矿井环境的风险指标以及各个风险指标对应的风险影响因素,可以但不限于根据对废弃煤矿井的现行规范标准得到。
更进一步的,举例所述矿井污染源风险指标的风险影响因素可以但不限于包括污染源类型(如包括无污染源、地表型污染源和矿井型污染源等)和矿井水影响半径(如影响半径大于1km、大于0km且小于等于1km,或为0km等);所述矿井污染通道风险指标的风险影响因素可以但不限于包括矿井井壁结构(如包括水泥护壁无破损、水泥护壁破损以及木质护壁等)、矿井导水结构(如透水率小于10%或透水率大于等于10%等)、矿井转孔封孔的完整性(如封孔的破损率小于10%,或大于等于10%)以及矿井封填规范性(如矿井按照规定规范封填、矿井不规范封填或矿井未封填等);所述矿井污染受体风险指标的风险影响因素包括污染受体含水层层位(如层位为底板以上孔隙含水层及上裂隙含水层,或底板以下寒武系岩溶含水层)、污染受体人群聚集地规模(如聚集地规模为无人群聚集地或村级规模以上人群聚集地)以及污染受体取水井套管封闭的完整性(如套管破损率或开筛小于10%,套管破损率或开筛大于或等于10%等),所述矿井自然环境风险指标的风险影响因素包括水文地质单元(如矿井毗邻水文地质单元或矿井存在于水文地质单元内)、地形地势(如矿井处于水源上游或矿井处于水源下游)以及隔水层性能(如隔水层透水率小于10%,隔水层透水率小于或等于10%等)。
在得到待评估废弃煤矿井的风险指标集后,即可基于前述风险指标集来构建待评估废弃煤矿井的环境风险评估模型,以基于该模型来实现待评估废弃煤矿井的定量分析,其中,模型的构建过程可以但不限于如下述步骤S2和步骤S3所示。
S2.基于所述风险指标集,构建风险指标层次结构模型,其中,所述风险指标层次结构模型包括目标层、准则层以及指标层,且所述目标层为所述待评估废弃煤矿井的环境风险评估值,所述准则层包括所述风险指标集中的各个风险指标,所述指标层包括所述准则层中各个风险指标相对应的风险影响因素;具体应用时,步骤S2相当于是确定基于前述风险影响因素进行分析所能达到的目标(目标则是待评估废弃煤矿井的环境风险评估值),各个风险指标以及各个风险指标对应风险影响因素之间的关联关系;而后,则可基于该关联关系来进行各风险影响因素的权重值的计算,从而使各风险影响因素在整个评估过程中的占比合理化,以最终提高构建的模型的科学性以及合理性。
参见表1所示,表1为风险指标层次结构模型的层次结构表。
表1
在构建得到风险指标层次结构模型后,即可基于风险指标层次结构模型中各风险影响因素之间的相互关联关系,来构建出废弃煤矿井环境风险评估模型,如下述步骤S3所示。
S3.依据所述风险指标层次结构模型,构建得到废弃煤矿井环境风险评估模型,其中,所述废弃煤矿井环境风险评估模型的输出结果为废弃煤矿井的环境风险评估值;具体实施时,则是基于层次结构模型,来得出各个风险指标相互间的重要性以及各个风险指标与其对应风险影响因素之间的重要性,而前述确定的重要性,则是用于进行各风险影响因素对应权重的计算,而后,依据各风险影响因素的权重,即可完成环境风险评估模型的构建;同时,将权重引入该模型,可使得各风险影响因素在整个评估过程中的占比合理化,从而提高构建的模型的合理性。
在本实施例中,举例废弃煤矿井环境风险评估模型的构建过程可以但不限于如下述步骤S31~S33所示。
S31.依据所述风险指标层次结构模型,构建出所述准则层的第一判断矩阵,以及所述准则层中各个风险指标与各自相对应的风险影响因素之间的第二判断矩阵,其中,所述第一判断矩阵用于表征所述准则层中任意两风险指标之间的重要性标度值,任一风险指标与该任一风险指标对应的风险影响因素之间的第二判断矩阵,用于表征该任一风险指标与该任一风险指标内任一个风险影响因素之间的重要性标度值;具体应用时,可以但不限于采用1-9标度法对各个风险指标进行重要性比较,以及对各个风险指标与其对应的风险影响因素进行重要性比较,从而得到各个风险指标间的重要性标度值,以及每个风险指标与各自对应的风险影响因素之间的重要性标度值。
参见表2所示,表2为1-9标度法的标度及其含义表。
表2
标度 | 含义 |
1 | 表示两个因素相比,具有同等重要性 |
3 | 表示两个因素相比,一个因素比另一个因素略微重要 |
5 | 表示两个因素相比,一个因素比另一个因素较重要 |
7 | 表示两个因素相比,一个因素比另一个因素非常重要 |
9 | 表示两个因素相比,一个因素比另一个因素绝对重要 |
2,4,6,8 | 表示重要性判断之间的过渡性 |
倒数 | 因素I与J比较得到判断UIJ,则因素J与I比较的判断为1/UIJ |
具体应用时,对于各风险指标之间的重要性判断,则是每次取两个风险指标,来进行重要性比较,直至将风险指标比较完毕为止,当然,对于风险指标与对应的风险影响因素之间的重要性比较也是如此,下述分别给出各个风险指标的重要性标度表,以及各个风险指标与其对应风险影响因素之间的重要性标度表,分别如下述表3~表7所示。
表3为各个风险指标之间的重要性标度表。
表3
A | C<sub>1</sub> | C<sub>2</sub> | C<sub>3</sub> | C<sub>4</sub> |
C1 | 1 | 7/3 | 6/4 | 8/3 |
C2 | 3/7 | 1 | 5/5 | 5/4 |
C3 | 4/6 | 5/5 | 1 | 5/4 |
C4 | 3/8 | 4/5 | 4/5 | 1 |
表4为矿井污染源风险指标与其对应风险影响因素之间的重要性标度表。
表4
C<sub>1</sub> | W<sub>1</sub> | W<sub>2</sub> |
W<sub>1</sub> | 1 | 5/7 |
W<sub>2</sub> | 7/5 | 1 |
表5为矿井污染通道风险指标与其对应风险影响因素之间的重要性标度表。
表5
C<sub>2</sub> | W<sub>3</sub> | W<sub>4</sub> | W<sub>5</sub> | W<sub>6</sub> |
W<sub>3</sub> | 1 | 6/3 | 8/3 | 6/6 |
W<sub>4</sub> | 3/6 | 1 | 5/4 | 5/4 |
W<sub>5</sub> | 3/8 | 4/5 | 1 | 3/8 |
W<sub>6</sub> | 6/6 | 4/5 | 8/3 | 1 |
表6为矿井污染受体风险指标与其对应风险影响因素之间的重要性标度表。
表6
C<sub>3</sub> | W<sub>7</sub> | W<sub>8</sub> | W<sub>9</sub> |
W<sub>7</sub> | 1 | 8/5 | 5/5 |
W<sub>8</sub> | 1 | 4/8 | |
W<sub>9</sub> | 5/5 | 8/4 | 1 |
表7为矿井自然环境风险指标与其对应风险影响因素之间的重要性标度表。
表7
C<sub>4</sub> | W<sub>10</sub> | W<sub>11</sub> | W<sub>12</sub> |
W<sub>10</sub> | 1 | 6/4 | 5/3 |
W<sub>11</sub> | 4/6 | 1 | 5/6 |
W<sub>12</sub> | 3/5 | 6/5 | 1 |
如此,基于前述表3~表7,即可构建得到第一判断矩阵,以及各个第二判断矩阵,其中,TAC表示第一判断矩阵,TC1W、TC2W、TC3W以及TC4W分别表示第二判断矩阵。
由此,即可基于各个风险指标的重要性标度表,来构建得到第一判断矩阵,以及基于各个风险指标与其对应风险影响因素之间的重要性标度表,来构建得到第二判断矩阵。
在本实施例中,在构建出第一判断矩阵和第二判断矩阵后,还需判断第一判断矩阵和第二判断矩阵是否合理,以保证后续模型建立的合理性,其中,本实施例以矩阵的一致性指标值,来判断对应判断矩阵是否合理,且由于第一判断矩阵和各个第二判断矩阵的一致性判断过程一致,下述以第一判断矩阵为例,来具体阐述前述判断过程,如下述步骤S31a~S31c。
S31a.计算所述第一判断矩阵的最大特征值,并依据所述最大特征值计算得到所述第一判断矩阵的一致性指标值;具体应用时,一致性指标值的计算过程可以但不限于如下述步骤所示。
步骤一:获取所述第一判断矩阵的维度,并基于所述第一判断矩阵的最大特征值以及维度,确定出所述第一判断矩阵的初始一致性指标值,具体实施时,可以但不限于按照如下公式(2)计算得到初始一致性指标值。
上述式(2)中,CI表示初始一致性指标值,λmax表示第一判断矩阵的最大特征值,k表示第一判断矩阵的维度;当然,第二判断矩阵也采用前述公式(2)计算初始一致性指标值,仅是代入的值不同而已,其原理不再赘述。
在得到第一判断矩阵的初始一致性指标值后,即可根据第一判断矩阵的维度,得到一致性修正值,以基于一致性修正值来进行初始一致性指标值的修正,如下述步骤二和步骤三所示。
步骤二:基于所述第一判断矩阵的维度,确定出一致性修正值;具体实施时,一致性修正值可根据如下表8得出。
表8为不同维度对应的一致性修正值。
表8
维数 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | |
RI | 0 | 0.58 | 0.96 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 |
在依据表8得到第一判断矩阵的一致性修正值后,即可基于一致性修正值和初始一致性指标值来计算得到第一判断矩阵的一致性指标值,如下述步骤三所示。
步骤三:计算所述初始一致性指标值与所述一致性修正值之间的比值,以将比值作为所述第一判断矩阵的一致性指标值;在计算得到第一判断矩阵的一致性指标值后,即可进行合理性的判断,如下述步骤S31b所示。
S31b.判断所述一致性指标值是否小于预设阈值;具体应用时,预设阈值可以但不限于为0.1,即小于0.1时,则说明第一判断矩阵的一致性是可以接受的,反之,第一判断矩阵的一致性则不合理,需要重新构建,如下述步骤S31c所示。
S31c.若否,则重新依据所述风险指标层次结构模型,构建所述准则层的第一判断矩阵;当然,在本实施例中,各个第二判断矩阵的合理性判断过程与第一判断矩阵相同,于此不再赘述。
由此通过前述设计,通过验证构建的第一判断和第二判断矩阵的合理性,可保证后续权重计算的合理性,如此,可进一步的提高构建的环境风险评估模型的合理性。
在构建得到第一判断矩阵和第二判断矩阵后,即可基于前述判断矩阵,来计算各个风险影响因素的权重值,如下述步骤S32所示。
S32.基于所述第一判断矩阵以及所述第二判断矩阵,计算各个风险影响因素的权重值;具体应用时,可以但不限于根据第一判断矩阵和第二判断矩阵的特征向量,来计算各个风险影响因素的权重值,其中,计算过程可以但不限于如下述步骤S32a~S32d所示。
S32a.计算出所述第一判断矩阵以及所述第二判断矩阵的特征向量;具体应用时,第一判断矩阵的特征向量X1=(0.4110,0.2005,0.2248,0.1637)T,第二判断矩阵的特征向量X2=(0.4167,0.5833)T,第二判断矩阵/>的特征向量X3=(0.3526,0.2258,0.1349,0.2869)T、第二判断矩阵/>的特征向量X4=(0.3763,0.2183,0.4054)T,第二判断矩阵/>的特征向量X5=(0.4413,0.2673,0.2914)T。
在得第一判断矩阵以及各个第二判断矩阵的特征向量后,即可利用特征向量,来进行各风险影响因素的权重值的计算,如下述步骤S32b~S32d所示。
S32b.基于所述第二判断矩阵的特征向量,构建得到第一权重特征矩阵,其中,所述第一权重特征矩阵的行数为n,列数为m,且n为风险影响因素的总个数,m为风险指标集中风险指标的总个数;在本实施例中,第一权重特征矩阵则为一12行4列的矩阵,且第一权重特征矩阵如下述所示。
S32c.依据所述第一判断矩阵的特征向量,构建得到第二权重特征矩阵;具体应用时,第二权重特征矩阵如下述所示。
在得到第一权重特征矩阵以及第二权重特征矩阵后,即可进行各风险影响因素的权重值的计算,如下述步骤S32d所示。
S32d.计算所述第一权重特征矩阵与所述第二权重特征矩阵之间的乘积,以在计算完毕后,得到各个风险影响因素的初始权重值;具体应用时,污染源类型的权重值为0.1713,矿井水影响半径的权重值为0.2398,矿井井壁结构的权重值为0.0707,矿井导水结构的权重值为0.0722,矿井转孔封孔的完整性的权重值为0.0437,矿井封填规范性的权重值为0.0477,污染受体含水层层位的权重值为0.0453、污染受体人群聚集地规模的权重值为0.0271,污染受体取水井套管封闭的完整性的权重值为0.0846,水文地质单元的权重值为0.0911,地形地势的权重值为0.0491,隔水层性能的权重值为0.0575。
在得到前述各个风险影响因素的权重值后,即可基于权重值来进行废弃煤矿井环境风险评估模型的构建,如下述步骤S33所示。
S33.根据各个风险影响因素以及各个风险影响因素的权重值,构建得到所述废弃煤矿井环境风险评估模型;具体应用时,可以但不限于采用如下公式(1)来表征废弃煤矿井环境风险评估模型。
上述式(1)中,R表示废弃煤矿井环境风险评估模型的输出结果,aj表示第j个风险影响因素的实际风险值,wj表示第j个风险影响因素的权重值,n为风险影响因素的总个数。
如此,基于前述公式(1)可知,要得到待评估废弃煤矿井的环境评估结果,则需要获取其对应风险影响因素的实际风险值,因此,可预先在环境风险评估端内预设各个风险影响因素的实际风险值,从而在风险评估时,直接调用即可;其中,各个风险影响因素的实际风险值的获取过程以及风险评估计算过程如下述步骤S4所示。
S4.获取所述风险指标集中各个风险指标所对应的每个风险影响因素的实际风险值,并将每个风险影响因素的实际风险值输入至所述废弃煤矿井环境风险评估模型,以得到所述待评估废弃煤矿井的环境风险评估值;具体应用时,各个风险影响因素的实际风险值可以但不限于依据现行规范标准调查获取,并预存至环境风险评估端,其中,各个风险影响因素的实际风险值调查表如下述表9所示。
表9为各个风险影响因素的实际风险值调查表。
表9
依据前述表9得到各个风险影响因素的实际风险值后,即可将其输入至模型中,得到待评估废弃煤矿井的环境风险评估值,具体的,则是将各个风险影响因素的实际风险值代入前述公式(1),如此,即可得到待评估废弃煤矿井的环境风险评估值;而在得到环境风险评估值后,即可根据环境风险评估值,来得到待评估废弃煤矿井的风险评估结果,如下述步骤S5所示。
S5.根据所述环境风险评估值,确定出所述待评估废弃煤矿井的风险评估结果;具体应用时,当环境风险评估值为1时,风险评估结果为无风险;当环境风险评估值大于1且小于等于2.5时,风险评估结果为低风险;当环境风险评估值大于2.5且小于等于3.5时,风险评估结果为中风险;当环境风险评估值大于3.5时,风险评估结果为高风险。
由此通过前述步骤S1~S5所详细描述的废弃煤矿井环境风险的评估方法,本发明依据影响废弃煤矿井环境的风险指标,来构建废弃煤矿井环境风险的数学评估模型,如此,可基于数学评估模型来实现对废弃煤矿井环境风险的定量分析,使得分析结果不受到人为主观经验的影响,提高了分析结果的准确性、合理性以及科学性,适用于大规模应用于推广。
如图2所示,本实施例第二方面提供了一种实现实施例第一方面中所述的废弃煤矿井环境风险的评估方法的硬件装置,包括:
数据获取单元,用于获取影响待评估废弃煤矿井环境的风险指标集,其中,所述风险指标集包括矿井污染源风险指标、矿井污染通道风险指标、矿井污染受体风险指标以及矿井自然环境风险指标,且所述风险指标集中的任一风险指标包括至少一个风险影响因素。
模型构建单元,用于基于所述风险指标集,构建风险指标层次结构模型,其中,所述风险指标层次结构模型包括目标层、准则层以及指标层,且所述目标层为所述待评估废弃煤矿井的环境风险评估值,所述准则层包括所述风险指标集中的各个风险指标,所述指标层包括所述准则层中各个风险指标相对应的风险影响因素。
模型构建单元,用于依据所述风险指标层次结构模型,构建得到废弃煤矿井环境风险评估模型,其中,所述废弃煤矿井环境风险评估模型的输出结果为废弃煤矿井的环境风险评估值。
数据获取单元,用于获取所述风险指标集中各个风险指标所对应的每个风险影响因素的实际风险值,并将每个风险影响因素的实际风险值输入至所述废弃煤矿井环境风险评估模型,以得到所述待评估废弃煤矿井的环境风险评估值。
风险评估单元,用于根据所述环境风险评估值,确定出所述待评估废弃煤矿井的风险评估结果。
本实施例提供的装置的工作过程、工作细节和技术效果,可以参见实施例第一方面,于此不再赘述。
如图3所示,本实施例第三方面提供了另一种废弃煤矿井环境风险的评估装置,以装置为电子设备为例,包括:依次通信相连的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行如实施例第一方面所述的废弃煤矿井环境风险的评估方法。
具体举例的,所述存储器可以但不限于包括随机存取存储器(random accessmemory,RAM)、只读存储器(Read Only Memory,ROM)、闪存(Flash Memory)、先进先出存储器(First Input First Output,FIFO)和/或先进后出存储器(First In Last Out,FILO)等等;具体地,处理器可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现,同时,处理器也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。
在一些实施例中,处理器可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制,例如,所述处理器可以不限于采用型号为STM32F105系列的微处理器、精简指令集计算机(reduced instruction setcomputer,RISC)微处理器、X86等架构处理器或集成嵌入式神经网络处理器(neural-network processing units,NPU)的处理器;所述收发器可以但不限于为无线保真(WIFI)无线收发器、蓝牙无线收发器、通用分组无线服务技术(General Packet Radio Service,GPRS)无线收发器、紫蜂协议(基于IEEE802.15.4标准的低功耗局域网协议,ZigBee)无线收发器、3G收发器、4G收发器和/或5G收发器等。此外,所述装置还可以但不限于包括有电源模块、显示屏和其它必要的部件。
本实施例提供的电子设备的工作过程、工作细节和技术效果,可以参见实施例第一方面,于此不再赘述。
本实施例第四方面提供了一种存储包含有实施例第一方面所述的废弃煤矿井环境风险的评估方法的指令的存储介质,即所述存储介质上存储有指令,当所述指令在计算机上运行时,执行如第一方面所述的废弃煤矿井环境风险的评估方法。
其中,所述存储介质是指存储数据的载体,可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(Memory Stick)等,所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
本实施例提供的存储介质的工作过程、工作细节和技术效果,可以参见实施例第一方面,于此不再赘述。
本实施例第五方面提供了一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使所述计算机执行如实施例第一方面所述的废弃煤矿井环境风险的评估方法,其中,所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种废弃煤矿井环境风险的评估方法,其特征在于,包括:
获取影响待评估废弃煤矿井环境的风险指标集,其中,所述风险指标集包括矿井污染源风险指标、矿井污染通道风险指标、矿井污染受体风险指标以及矿井自然环境风险指标,且所述风险指标集中的任一风险指标包括至少一个风险影响因素;
基于所述风险指标集,构建风险指标层次结构模型,其中,所述风险指标层次结构模型包括目标层、准则层以及指标层,且所述目标层为所述待评估废弃煤矿井的环境风险评估值,所述准则层包括所述风险指标集中的各个风险指标,所述指标层包括所述准则层中各个风险指标相对应的风险影响因素;
依据所述风险指标层次结构模型,构建得到废弃煤矿井环境风险评估模型,其中,所述废弃煤矿井环境风险评估模型的输出结果为废弃煤矿井的环境风险评估值;
获取所述风险指标集中各个风险指标所对应的每个风险影响因素的实际风险值,并将每个风险影响因素的实际风险值输入至所述废弃煤矿井环境风险评估模型,以得到所述待评估废弃煤矿井的环境风险评估值;
根据所述环境风险评估值,确定出所述待评估废弃煤矿井的风险评估结果。
2.根据权利要求1所述的方法,其特征在于,依据所述风险指标层次结构模型,构建得到废弃煤矿井环境风险评估模型,包括:
依据所述风险指标层次结构模型,构建出所述准则层的第一判断矩阵,以及所述准则层中各个风险指标与各自相对应的风险影响因素之间的第二判断矩阵,其中,所述第一判断矩阵用于表征所述准则层中任意两风险指标之间的重要性标度值,任一风险指标与该任一风险指标对应的风险影响因素之间的第二判断矩阵,用于表征该任一风险指标与该任一风险指标内任一个风险影响因素之间的重要性标度值;
基于所述第一判断矩阵以及所述第二判断矩阵,计算各个风险影响因素的权重值;
根据各个风险影响因素以及各个风险影响因素的权重值,构建得到所述废弃煤矿井环境风险评估模型。
3.根据权利要求2所述的方法,其特征在于,基于所述第一判断矩阵以及所述第二判断矩阵,计算各个风险影响因素的权重值,包括:
计算出所述第一判断矩阵以及所述第二判断矩阵的特征向量;
基于所述第二判断矩阵的特征向量,构建得到第一权重特征矩阵,其中,所述第一权重特征矩阵的行数为n,列数为m,且n为风险影响因素的总个数,m为风险指标集中风险指标的总个数;
依据所述第一判断矩阵的特征向量,构建得到第二权重特征矩阵;
计算所述第一权重特征矩阵与所述第二权重特征矩阵之间的乘积,以在计算完毕后,得到各个风险影响因素的初始权重值。
4.根据权利要求2所述的方法,其特征在于,依据所述风险指标层次结构模型,构建出所述准则层的第一判断矩阵后,所述方法还包括:
计算所述第一判断矩阵的最大特征值,并依据所述最大特征值计算得到所述第一判断矩阵的一致性指标值;
判断所述一致性指标值是否小于预设阈值;
若否,则重新依据所述风险指标层次结构模型,构建所述准则层的第一判断矩阵。
5.根据权利要求4所述的方法,其特征在于,依据所述最大特征值计算得到所述第一判断矩阵的一致性指标值,包括:
获取所述第一判断矩阵的维度,并基于所述第一判断矩阵的最大特征值以及维度,确定出所述第一判断矩阵的初始一致性指标值;
基于所述第一判断矩阵的维度,确定出一致性修正值;
计算所述初始一致性指标值与所述一致性修正值之间的比值,以将比值作为所述第一判断矩阵的一致性指标值。
7.根据权利要求1所述的方法,其特征在于,所述矿井污染源风险指标的风险影响因素包括污染源类型和矿井水影响半径,所述矿井污染通道风险指标的风险影响因素包括矿井井壁结构、矿井导水结构、矿井转孔封孔的完整性以及矿井封填规范性,所述矿井污染受体风险指标的风险影响因素包括污染受体含水层层位、污染受体人群聚集地规模以及污染受体取水井套管封闭的完整性,所述矿井自然环境风险指标的风险影响因素包括水文地质单元、地形地势以及隔水层性能。
8.一种废弃煤矿井环境风险的评估装置,其特征在于,包括:
数据获取单元,用于获取影响待评估废弃煤矿井环境的风险指标集,其中,所述风险指标集包括矿井污染源风险指标、矿井污染通道风险指标、矿井污染受体风险指标以及矿井自然环境风险指标,且所述风险指标集中的任一风险指标包括至少一个风险影响因素;
模型构建单元,用于基于所述风险指标集,构建风险指标层次结构模型,其中,所述风险指标层次结构模型包括目标层、准则层以及指标层,且所述目标层为所述待评估废弃煤矿井的环境风险评估值,所述准则层包括所述风险指标集中的各个风险指标,所述指标层包括所述准则层中各个风险指标相对应的风险影响因素;
模型构建单元,用于依据所述风险指标层次结构模型,构建得到废弃煤矿井环境风险评估模型,其中,所述废弃煤矿井环境风险评估模型的输出结果为废弃煤矿井的环境风险评估值;
数据获取单元,用于获取所述风险指标集中各个风险指标所对应的每个风险影响因素的实际风险值,并将每个风险影响因素的实际风险值输入至所述废弃煤矿井环境风险评估模型,以得到所述待评估废弃煤矿井的环境风险评估值;
风险评估单元,用于根据所述环境风险评估值,确定出所述待评估废弃煤矿井的风险评估结果。
9.一种废弃煤矿井环境风险的评估装置,其特征在于,包括:依次通信相连的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行如权利要求1~7任意一项所述的废弃煤矿井环境风险的评估方法。
10.一种存储介质,其特征在于,所述存储介质上存储有指令,当所述指令在计算机上运行时,执行如权利要求1~7任意一项所述的废弃煤矿井环境风险的评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211529589.5A CN115841251A (zh) | 2022-11-30 | 2022-11-30 | 一种废弃煤矿井环境风险的评估方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211529589.5A CN115841251A (zh) | 2022-11-30 | 2022-11-30 | 一种废弃煤矿井环境风险的评估方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115841251A true CN115841251A (zh) | 2023-03-24 |
Family
ID=85577804
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211529589.5A Pending CN115841251A (zh) | 2022-11-30 | 2022-11-30 | 一种废弃煤矿井环境风险的评估方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115841251A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116720731A (zh) * | 2023-05-25 | 2023-09-08 | 北京龙软科技股份有限公司 | 一种煤矿金融全要素风险防控预警方法和预警系统 |
-
2022
- 2022-11-30 CN CN202211529589.5A patent/CN115841251A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116720731A (zh) * | 2023-05-25 | 2023-09-08 | 北京龙软科技股份有限公司 | 一种煤矿金融全要素风险防控预警方法和预警系统 |
CN116720731B (zh) * | 2023-05-25 | 2023-12-01 | 北京龙软科技股份有限公司 | 一种煤矿金融全要素风险防控预警方法和预警系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tripathi et al. | Use of principal component analysis for parameter selection for development of a novel water quality index: a case study of river Ganga India | |
AU2018101946A4 (en) | Geographical multivariate flow data spatio-temporal autocorrelation analysis method based on cellular automaton | |
CN109255490B (zh) | 一种基于kpca-bas-grnn的埋地管道外腐蚀速率预测方法 | |
CN103336894B (zh) | 一种城市容积率自动分区方法 | |
CN111400371A (zh) | 一种基于电压相关性校验的户变关系识别方法 | |
CN115841251A (zh) | 一种废弃煤矿井环境风险的评估方法、装置及存储介质 | |
CN114254526A (zh) | 一种湖泊水-气界面二氧化碳交换量的评估方法及系统 | |
CN112954623A (zh) | 一种基于手机信令大数据的居民入住率估算方法 | |
CN114119361A (zh) | 基于tesrgan网络的超分辨率重构井下图像方法、系统、设备、介质 | |
Zhou et al. | Comparison of classic object-detection techniques for automated sewer defect detection | |
CN112816663B (zh) | 防洪工程的黄河堤坝土质含水量监测方法及装置 | |
CN110889196A (zh) | 水环境承载力评估方法、装置及存储介质 | |
CN109670729A (zh) | 一种顶板含水层富水性评价方法 | |
CN103117823A (zh) | 一种短波信道模型建模方法 | |
CN106547028A (zh) | 预测页岩储层toc的方法和装置 | |
CN114511148A (zh) | 一种基于人工智能的内涝预警方法、系统、介质及设备 | |
CN114937029A (zh) | 森林碳储量抽样估测方法、装置、设备及存储介质 | |
CN113537354A (zh) | 一种基于深度学习的含水层结构阶段式随机反演识别方法 | |
CN113838078A (zh) | 采煤塌陷地裂缝的识别与提取方法、装置及存储介质 | |
CN109977600B (zh) | 一种标准化的城市立体空间形态紧凑性测度方法及系统 | |
CN112329972A (zh) | 一种基于水环境容量的离子型稀土矿山开采预测方法及系统 | |
CN112507596A (zh) | 地下水水位的分析方法、装置、电子设备和存储介质 | |
CN111080167A (zh) | 一种用于城市规划的地下空间资源质量的评估方法 | |
Han et al. | Developing a multi-objective simulation-optimization model for ecological water conveyance in arid inland river basins | |
CN116738641B (zh) | 一种用于污水河网的活水循环方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |