基于神经网络的掘进面瓦斯爆炸危险源安全评价

　　摘要：根据危险源理论和评价指标选择原则，建立了掘进面瓦斯爆炸评价指标体系。基于灰色聚类评价法、BP 神经网络原理和掘进面瓦斯爆炸的特点，设计了BP 神经网络掘进面瓦斯爆炸危险源安全评价过程图。最后应用BP 神经网络安全评价方法对具体的掘进面进行了安全评价，得出了安全评价等级。神经网络安全评价方法，能够实现动态、静态的安全评价，对提高安全评价技术水平具有现实的意义。

　　关键词：神经网络；安全评价；瓦斯爆炸；危险源

　　1 引言

　　掘进工作面是矿井瓦斯爆炸事故多发地点，据统计，在瓦斯爆炸事故中，约60% ～ 70%发生在掘进面［1］。为有效预防煤矿瓦斯爆炸事故，本文进行了掘进面瓦斯爆炸危险源的安全评价研究，探讨了适用于煤矿危险源安全评价的新方法，为建立瓦斯爆炸危险源的控制系统提供了依据。

　　2 掘进面瓦斯爆炸评价指标体系

　　瓦斯爆炸的必要条件有3 类［1］。根据危险源理论［2］和评价指标选择原则，确定了掘进面瓦斯爆炸评价指标体系。掘进面瓦斯爆炸第一类危险源指标体系为：x101 （平均断层落差，m）、x102 （ 单位长度断层条数，1/100 m）、x103 （顶板类型）、x104 （ 平均瓦斯涌出量，m3 /min）、x105自燃发火期（月）；第二类危险源指标体系为：x201 （ 平均风速，m/min）、x202风扇完好率（局扇）、x203 （ 100 m 风筒漏风率）、x204 （防爆设备完好率）、x205 （ 风量供需比）、x206 （瓦斯抽放率）、x207 （ 瓦斯抽放设备完好率）、x208 （ 通讯设施完好率）、x209 （ 通防设施完好率）、x210 （机械化程度，分）；第三类危险源指标体系为：x301 （管理人员受教育年限，a）、x302 （管理人员平均工龄，a）、x303 （ 管理人员平均资历，a）、x304 （技术人员平均工龄，a）、x305 （技术人员所占比例）、x306 （ 工人受教育年限，a）、x307 （工人平均工龄，a）、x308 （民工合同工所占比重）、x309 （ 工人平均年龄，a）、x310 （ 工人平均受培训时间，a）、x311 （安全投入兑现率）、x312 （ 安全教育，分）、x313 （管理干部安全监察水平，分）、x314 （ 安全人员出勤率）、x315 （ 安全责任制执行率）、x316 （员工的技能和经验，分）、x317 （员工的职业责任感，分）、x318 （规程标准化执行水平，分）

 

　　图1 BP 神经网络安全评价过程图

　　3 BP 神经网络安全评价过程图

　　BP 神经网络［3，4］安全评价过程图（图1），简要地说明了BP 神经网络评价过程。起初评价时输入分为3 部分：a. 启动样本（通过灰色聚类获得的样本）；b.安全标准值样本（经处理后的安全标准样本）；c.输入对应的样本训练目标值。经神经网络训练学习后得到了安全评价数据库（网络权值和网络结构），基于安全评价数据库，输入评价对象的指标数据并进行BP 网络处理，经处理后可得到安全评价结果。同时又可以将新得到的安全评价结果生成新的样本，再次进行网络训练，更新数据库。随着网络训练样本数增加，网络的训练使评价的结果更加精确。

　　当训练样本得到一定数量时，会增加网络训练收敛难度，此时可以随机从数据库中提取一定的训练样本进行网络训练，更新数据库。

　　4 掘进面神经网络安全评价实例

　　4.1 神经网络训练样本的确定

　　本文选取了四川达竹煤电集团某矿1122（21）开切眼（1）、2014（7）运输巷（2）、西集中巷（3）、平顶山某矿戊9 - 10—21170 机巷（4）、铜川某矿4102 开切眼（5）等矿现场掘进工作面为待评价的样本，把它们称为聚类对象。聚类指标33 个，根据安全评价标准［5，6，7］，把安全评价结果划分为5 个聚类灰数（即灰数）［8］，即V、Ⅳ、Ⅲ、Ⅱ、Ⅰ。对3 类危险源评价可以借鉴灰色聚类来评价，以灰色聚类评价结果来确定启动样本的输出，其灰色聚类评价结果见表1。

　　以危险源安全评价标准作为另一部分样本（安全标准值样本），与上述启动样本一道，组成共10 个训练样本。

　　根据危险源，安全评价标准分为5 个等级，即安全（0 . 8 ～ 1），较安全（0 . 6 ～ 0 . 8）、一般安全（0 . 4 ～0.6）、较不安全（0.2 ～ 0.4）、不安全（0 ～ 0. 2）。由于每个等级的取值为一数值区间［7］，因而在进行网络训练前，必须对指标作如下处理：V、Ⅳ、Ⅲ、Ⅱ、Ⅰ5个等级值分别取其平均值作为目标值，即5 个安全评价等级的网络期望输出值分别为0 . 9，0 . 7，0 . 5，0.3，0.1。

　　4.2 神经网络训练及其评价

　　利用MATLAB 编写了网络权值训练和优化程序，BP 网络的结构为：输入节点数为33 个，隐含层节点数为11 个，取初始权值为（ - 1，1）之间的随机数，取学习速率为0. 01，期望误差为0. 001，为了评价的直观性将采用一个输出结果，即输出的节点数为1。

　　在建立完全、合理的矿山掘进面瓦斯爆炸安全评价指标体系和BP 神经网络安全评价程序的基础上，结合生产现场的具体情况进行安全评价，以此检验指标的合理性和准确性［9］。评价的掘进面及安全评价样本如表2 所示。

　　先将掘进面6 作为BP 网络的训练样本，共11个样本，进行BP 网络训练，待训练稳定后，对掘进面6 进行评价。其安全评价结果为0. 4775，对应安全评价等级取值范围，可知掘进面6 安全评价等级为Ⅲ。同理，按上述方法可得到7、8、9、10 掘进面的安全评价结果。其结果汇总于表3。

　　5 结论

　　利用BP 神经网络的特征，通过适当选择评价指标，不仅可以全面评价系统的安全状况和多因素共同作用下的安全状态，还可以避免了传统安全评价时通过人工确定权重的缺点。

 

 

 

 

　　BP 神经网络安全评价方法能够快速、可靠得到评价结果，实现了动态、静态安全评价。对煤矿掘进面瓦斯爆炸危险源安全评价的研究，是为了实现最大限度降低事故发生率，保障人员和财产的安全，从而提高经济效益。