矿井煤与瓦斯突出事故应急救援能力评估模型

doi:10.16265/j.cnki.issn1003-3033.2024.02.0983

中国安全科学学报 ›› 2024, Vol. 34 ›› Issue (2): 225-230.doi: 10.16265/j.cnki.issn1003-3033.2024.02.0983

矿井煤与瓦斯突出事故应急救援能力评估模型

祁云¹^,²^,³(), 薛凯隆²^,^**(), 汪伟¹^,²^,³, 崔欣超², 王宏祥¹, 齐庆杰³^,⁴

¹ 辽宁工业大学机械工程与自动化学院,辽宁锦州 121001
² 山西大同大学煤炭工程学院,山西大同 037000
³ 辽宁工程技术大学安全科学与工程学院,辽宁阜新 123000
⁴ 中国煤炭科工集团应急科学研究院,北京 100013

收稿日期:2023-08-18 修回日期:2023-11-22 出版日期:2024-02-28
通讯作者:
** 薛凯隆(2000—),男,山西吕梁人,硕士研究生,主要研究方向为矿井灾害防治、应急管理技术。E-mail: xuekailong22@163.com。
作者简介:
祁云 (1988—),男,安徽淮北人,博士,副教授,硕士生导师,主要从事矿井灾害防治、安全评价、应急技术与管理等方面研究。E-mail: qiyun_sx@163.com。
汪伟副教授
王宏祥教授
齐庆杰教授
基金资助:
国家重点研发计划重点专项项目(2018YFC0807900); 山西省高等学校科技创新计划项目(2022L448); 山西省高等学校科技创新计划项目(2022L449); 山西大同大学博士启动金项目(2020-B-18); 山西大同大学博士启动金项目(2020-B-08); 山西大同大学研究生教育创新项目(23CX47); 山西大同大学研究生教育创新项目(23CX49)

Assessment model of emergency response capability for coal and gas outburst accidents in mines

QI Yun¹^,²^,³(), XUE Kailong²^,^**(), WANG Wei¹^,²^,³, CUI Xinchao², WANG Hongxiang¹, QI Qingjie³^,⁴

¹ Mechanical Engineering & Automation College, Liaoning University of Technology, Jinzhou Liaoning 121001, China
² School of Coal Engineering, Shanxi Datong University, Datong Shanxi 037000, China
³ College of Safety Science and Engineering, Liaoning Technical University, Fuxin Liaoning 123000, China
⁴ China Coal Research Institute, Beijing 100013, China

Received:2023-08-18 Revised:2023-11-22 Published:2024-02-28

摘要/Abstract

摘要：

为降低煤矿井下煤与瓦斯突出事故中的人员伤亡和财产损失,提高突出事故中的应急救援能力,提出一种麻雀搜索算法(SSA)优化支持向量机(SVM)的煤与瓦斯突出事故应急救援能力评估模型。首先,依据相关文献与研究报告构建包括应急预防能力、应急准备能力、应急响应能力和恢复善后能力在内的4项一级指标,其中包括18项二级指标,并以各指标的得分数据作为模型训练数据集;然后,利用网络层次分析法(ANP)与熵权法(EWM)分别确定各评估指标在相互影响下的主客观权重,通过拉格朗日函数将各权重融合得到最优权重,运用SSA算法优化SVM的径向基核参数g和惩罚因子C,将最优权重计算得出的结果作为SSA-SVM模型的输入,期望值作为输出进行线性回归预测;最后,以河北省某矿为例,将SSA-SVM模型与传统SVM、粒子群优化算法(PSO)优化SVM、鲸鱼优化算法(WOA)优化SVM 3种不同模型的预测结果分别与期望值作对比分析。结果表明:SSA-SVM模型的预测结果与实际相符,平均绝对误差相较于其他模型分别下降8.04%、5.15%、4.82%,证明所建模型的优越性,可将其应用于矿山企业实际矿井煤与瓦斯突出事故应急救援能力评估。

关键词: 煤与瓦斯突出, 应急救援能力, 评估模型, 麻雀搜索算法(SSA), 支持向量机(SVM), 组合赋权

Abstract:

In order to reduce the casualties and property losses and improve the emergency rescue capability in coal and gas outburst accidents, an SSA optimized SVM was proposed to evaluate the emergency rescue capability of coal and gas outburst accidents. First, according to relevant literature and research reports, four first-level indicators, including emergency prevention ability, emergency preparedness ability, emergency response ability and recovery and rehabilitation ability, were constructed. These indicators were further subdivided into 18 second-level indicators, and the score data of each indicator was used as the model training dataset. Then, the network analytic Hierarchy process (ANP) and entropy weight method (EWM) were used to determine the subjective and objective weights of each evaluation indicator under the mutual influence, and the Lagrange function was used to merge the weights to obtain the optimal weights. SSA optimized the radial basis parameters g and penalty factor C of SVM. The result of optimal weight calculation was used as the input of the SSA-SVM model, and the expected value was used as the output for linear regression prediction. Finally, taking a mine in Hebei Province as an example, the prediction results of the SSA-SVM model was compared with the traditional SVM, particle swarm optimization algorithm (PSO) optimization SVM and Whale optimization algorithm (WOA) optimization SVM, and the predicted results and the expected values were analyzed. The results show that the prediction results of the SSA-SVM model are consistent with the reality, and the average absolute error decreases by 8.04%, 5.15% and 4.82%, respectively, compared with other models, which proves the superiority of the proposed model. This model can be applied to the evaluation of the emergency rescue ability of coal and gas outburst accidents in actual mines.

Key words: coal and gas outburst, emergency response capability, assessment model, sparrow search algorithm (SSA), support vector machine (SVM), combinatorial assignment

中图分类号:

X936

祁云, 薛凯隆, 汪伟, 崔欣超, 王宏祥, 齐庆杰. 矿井煤与瓦斯突出事故应急救援能力评估模型[J]. 中国安全科学学报, 2024, 34(2): 225-230.

QI Yun, XUE Kailong, WANG Wei, CUI Xinchao, WANG Hongxiang, QI Qingjie. Assessment model of emergency response capability for coal and gas outburst accidents in mines[J]. China Safety Science Journal, 2024, 34(2): 225-230.

图/表 8

表1

图1

表2

图2

表3

表4

表5

图3

参考文献 12

[1]	国家统计局. 中华人民共和国2022年国民经济和社会发展统计公报[N]. 中国信息报,2023-03-01(001).
[2]	孙继平, 钱晓红. 煤矿重特大事故应急救援技术及装备[J]. 煤炭科学技术, 2017, 45(1):112-116,153.
	SUN Jiping, QIAN Xiaohong. Emergency rescue technology and equipment of mine extraordinary accidents[J]. Coal Science and Technology, 2017, 45(1): 112-116, 153.
[3]	WADA T, YAMANE A, OHTSUKI K, et al. A novel emergency rescue urgent communications for sharing evacuation support information in panic-type disasters[J]. Ieice Transactions on Communications, 2010, E93.B(12): DOI: 10.1587/transcom.E93.B.3429.
[4]	杨悦, 杨丹, 陈孝国, 等. 基于梯形Vague集熵权法的煤矿应急救援能力评价研究[J]. 灾害学, 2018, 33(3):156-160.
	YANG Yue, YANG Dan, CHEN Xiaoguo, et al. Research on coal mine emergency rescue capability evaluation based on trapezoidal Vague sets entropy method[J]. Journal of Catastrophology, 2018, 33(3): 156-160.
[5]	JHA A, VERBURG A, TUKKARAJA P. Internet of things-based command center to improve emergency response in underground mines[J]. Safety and Health at Work, 2022, 13: 40-50. doi: 10.1016/j.shaw.2021.10.003 pmid: 35936210
[6]	成连华, 周瑞雪, 严瑾, 等. 煤矿应急救援能力成熟度评价模型构建及应用[J]. 中国安全科学学报, 2021, 31(7):180-186. doi: 10.16265/j.cnki.issn 1003-3033.2021.07.025
	CHENG Lianhua, ZHOU Ruixue, YAN Jin, et al. Construction and application of maturity evaluation model of coal mine emergency rescue ability[J]. China Safety Science Journal, 2021, 31(7): 180-186. doi: 10.16265/j.cnki.issn 1003-3033.2021.07.025
[7]	杨力, 王蕾. 基于熵值法和支持向量机的煤矿应急救援能力评价模型[J]. 中国安全生产科学技术, 2015, 11(9):113-119.
	YANG Li, WANG Lei. Evaluation model on emergency rescue capability of coal mine based on entropy method and support vector machine[J]. Journal of Safety Science and Technology, 2015, 11(9): 113-119.
[8]	李鑫杰. 基于测度量化的煤矿应急救援能力评价[D]. 西安: 西安科技大学, 2016.
	LI Xinjie. Evaluation of coal mine's emergency rescue capabilities based on measure quantization[D]. Xi'an: Xi'an University of Science and Technology, 2016.
[9]	祁云, 汪伟, 陈淼, 等. 深部矿山巷道岩爆应急管理能力评估[J]. 安全与环境学报, 2023, 23(5):1407-1414.
	QI Yun, WANG Wei, CHEN Miao, et al. Evaluation on emergency management ability of rock burst in deep mine roadway[J]. Journal of Safety and Environment, 2023, 23(5): 1 407-1 414.
[10]	金爱兵, 张静辉, 孙浩, 等. 基于SSA-SVM的边坡失稳智能预测及预警模型[J]. 华中科技大学学报:自然科学版, 2022, 50(11):142-148.
	JIN Aibing, ZHANG Jinghui, SUN Hao, et al. Intelligent prediction and alert model of slope instability based on SSA-SVM[J]. Journal of Huazhong University of Science and Technology: Natural Science Edition, 2022, 50(11): 142-148.
[11]	薛建凯. 一种新型的群智能优化技术的研究与应用[D]. 上海: 东华大学, 2020.
	XUE Jiankai. Research and application of a novel swarm intelligent optimization technique[D]. Shanghai: Donghua University, 2020.
[12]	陈露, 马驷. 城市轨道交通网络运营安全问题的复杂多属性决策方法[J]. 中国安全科学学报, 2013, 23(4):146-151.
	CHEN Lu, MA Si. A complex multi-attributes decision-making method for addressing urban rail transit network operation safety issue[J]. China Safety Science Journal, 2013, 23(4): 146-151.

目标层	一级指标	二级指标	二级指标说明
煤与瓦斯突出事故应急救援能力U	应急预防能力U₁	突出诱发因素识别U₁₁	地应力、瓦斯压力等因素识别
		突出早期预警系统U₁₂	突出预警体系及监测技术覆盖情况
		突出预防措施U₁₃	是否具备监测煤体结构、坚固性的设备
		应急法规建设U₁₄	应急法规制订、落实情况
		应急救援组织体系U₁₅	应急救援领导机构、办事机构、管理部门
		应急救援队伍建设U₁₆	专业队伍、兼职队伍及管理人员
	应急准备能力U₂	应急救援培训及演练U₂₁	员工及应急救援队伍培训、应急演练
		应急预案的评估与建设U₂₂	制定、修正和执行突出应急预案
		应急通信系统完备性U₂₃	保证应急通信和应急联动系统的正常运转
		应急资源及装备保障U₂₄	应急装备和物资的监管、生产储备和调配
		自救与互救能力U₂₅	被困人员的自救能力与互救意识
	应急响应能力U₃	应急救援响应速度U₃₁	接警能力、突出应急救援响应速度
		现场指挥与决策能力U₃₂	现场突出事故应急协调能力、决策能力
		应急救援设备的先进性U₃₃	应急救援设备是否及时换代、正常工作
		社会支持U₃₄	能否与社会各方面的支持协调统一
	恢复善后能力U₄	生产恢复计划U₄₁	是否及时制定并实施突出矿井的恢复计划
		事故经验总结U₄₂	总结经验,为突出危险识别提供教训
		应急救援预案修订U₄₃	是否依据救援经验修改应急预案

一级指标	权重	二级指标	ANP法权重	EWM法权重	组合权重
U₁	0.152	U₁₁	0.019	0.043	0.028
		U₁₂	0.021	0.064	0.037
		U₁₃	0.039	0.039	0.039
		U₁₄	0.025	0.06	0.038
		U₁₅	0.009	0.081	0.035
		U₁₆	0.037	0.042	0.039
U₂	0.246	U₂₁	0.131	0.047	0.1
		U₂₂	0.041	0.059	0.048
		U₂₃	0.017	0.043	0.026
		U₂₄	0.014	0.049	0.027
		U₂₅	0.043	0.059	0.049
U₃	0.551	U₃₁	0.202	0.047	0.145
		U₃₂	0.197	0.038	0.139
		U₃₃	0.059	0.084	0.068
		U₃₄	0.096	0.083	0.091
U₄	0.051	U₄₁	0.007	0.042	0.019
		U₄₂	0.034	0.063	0.045
		U₄₃	0.009	0.057	0.027

评价等级	等级标度
优秀	(0.85,1]
良好	(0.75,0.85]
一般	(0.6,0.75]
较差	(0.4,0.6]
差	(0,0.4]

U₁₁	…	U₃₃	…	U₄₁	期望	等级
0.595	…	0.578	…	0.673	0.635	一般
0.810	…	0.778	…	0.436	0.686	一般
0.714	…	0.556	…	0.818	0.776	良好
︙		︙		︙	︙	︙
0.429	…	0.667	…	0.873	0.615	一般
0.929	…	0.867	…	0.873	0.813	良好
0.690	…	0.644	…	0.818	0.667	一般

实际期望值	实际等级	SVM		PSO-SVM		WOA-SVM		SSA-SVM
实际期望值	实际等级	预测值	预测等级	预测值	预测等级	预测值	预测等级	预测值	预测等级
0.614	一般	0.583	较差	0.654	一般	0.698	一般	0.643	一般
0.725	一般	0.579	较差	0.645	一般	0.651	一般	0.739	一般
0.763	良好	0.631	一般	0.771	良好	0.638	一般	0.757	良好
0.629	一般	0.694	一般	0.679	一般	0.681	一般	0.647	一般
0.807	良好	0.701	一般	0.712	一般	0.763	良好	0.802	良好
0.632	一般	0.764	良好	0.792	良好	0.672	一般	0.681	一般

矿井煤与瓦斯突出事故应急救援能力评估模型

Assessment model of emergency response capability for coal and gas outburst accidents in mines

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 8

参考文献 12

相关文章 15

编辑推荐

Metrics

本文评价

[1]	周海怡, 鲍全贵, 叶茂, 朱圣文, 林颖典. 基于组合赋权法的城市桥梁可靠性模糊综合评价[J]. 中国安全科学学报, 2023, 33(S1): 156-161.
[2]	吴赛赛, 张曾瑞, 金韬, 张鑫, 郭进平. 深部矿山锚杆腐蚀失效风险评估研究[J]. 中国安全科学学报, 2023, 33(S1): 180-184.
[3]	史洪恺, 祁云, 张国恩, 姜晓宇, 何向, 孙远航. 组合赋权-灰色聚类的煤与瓦斯突出危险评价[J]. 中国安全科学学报, 2023, 33(S1): 52-57.
[4]	汪伟, 崔欣超, 祁云, 梁然, 贾宝山, 薛凯隆. 基于SSA-RF的采空区煤自燃温度回归分析模型[J]. 中国安全科学学报, 2023, 33(9): 136-141.
[5]	靳春玲, 姬照泰, 贡力, 安祥, 周一. 基于WOA-SVM的引水隧洞岩爆烈度评估模型[J]. 中国安全科学学报, 2023, 33(9): 41-48.
[6]	古莹奎, 汪源金, 石昌武. 基于EWM和SVR的滚动轴承剩余使用寿命预测方法[J]. 中国安全科学学报, 2023, 33(9): 49-55.
[7]	苏成林, 王志, 刘洋. 随机风速风向对无人机地面风险作用效果研究[J]. 中国安全科学学报, 2023, 33(8): 101-108.
[8]	张任栋, 张礼敬, 陶刚. 模糊推理-组合赋权的化工工艺本质安全度研究[J]. 中国安全科学学报, 2023, 33(8): 149-155.
[9]	魏米铃, 王威, 戎卿文, 刘晓然, 刘朝峰. 考虑不确定性的复合灾害避难疏散风险评估模型[J]. 中国安全科学学报, 2023, 33(7): 203-212.
[10]	李丽, 曹玉宽, 陈瑶, 赵营, 齐金浩. 基于多生理信号的飞行警戒疲劳检测[J]. 中国安全科学学报, 2023, 33(2): 225-232.
[11]	郄彦辉, 郭涛, 周凌志, 王昱. 基于SVM的含缺陷20钢弯管爆破压力预测[J]. 中国安全科学学报, 2023, 33(2): 89-95.
[12]	高晓旭, 高璐, 潘相旭, 高翔, 麻昊. 基于t-SSA-BP的煤矿噪声职业健康损害预测[J]. 中国安全科学学报, 2023, 33(12): 214-222.
[13]	刘欣, 李书玉, 王海宁. 基于Kraljic矩阵的化工园区应急物资分类与储备策略[J]. 中国安全科学学报, 2023, 33(11): 221-230.
[14]	张雅宁, 司鹄. 城市综合韧性能力时空动态评估模型:以传染病为例[J]. 中国安全科学学报, 2023, 33(10): 39-45.
[15]	邓立军, 尚文天, 刘剑, 周煜凯, 宋莹. 基于DWT与SVM的风门开闭阶段识别方法[J]. 中国安全科学学报, 2023, 33(1): 95-104.