王 偉，李 昱，李賢功

（1.河南能源化工集團永煤公司 陳四樓煤礦，河南 永城476600；2.中國礦業(yè)大學 礦業(yè)工程學院，江蘇 徐州221116）

國內(nèi)近年煤礦安全事故發(fā)生次數(shù)逐年降低，但事故次數(shù)總量仍較大。在煤礦企業(yè)生產(chǎn)過程的5 大典型災害中，尤以瓦斯事故以其破壞性強、經(jīng)濟損失大、人員死亡多等顯著特點對煤礦安全生產(chǎn)造成嚴重危害[1]。因此系統(tǒng)分析瓦斯事故發(fā)生的時空規(guī)律是十分必要的。國內(nèi)學者對煤礦瓦斯事故已取得諸多研究：李潤求通過交叉耦合綜合分析，從事故發(fā)生年度、事故等級和煤礦企業(yè)性質(zhì)等多方面研究我國瓦斯災害事故的發(fā)生規(guī)律[1]；陳波從地壓監(jiān)測角度對煤礦安全生產(chǎn)運行提出建議[2]；譚章祿利用Excel 和Arcgis 軟件研究了煤礦安全事故的發(fā)生時間和地理空間分布規(guī)律[3]；張英慧基于分形理論利用R/S 等方法總結了重特大煤礦事故的發(fā)生時間特征[4]；雷煜斌從設備、環(huán)境、人因角度結合關聯(lián)規(guī)則尋找煤礦瓦斯事故的致因鏈[5]。但以上研究未從例如煤礦瓦斯類型、事故地點等事故因素之間關聯(lián)規(guī)則的角度深入分析瓦斯事故發(fā)生規(guī)律，為此從時間、地點、瓦斯類型和事故類型等角度分析收集了2010—2018 年度國內(nèi)235 起瓦斯事故，結合Apriori算法得到強關聯(lián)規(guī)則組成的頻集，深入挖掘瓦斯事故蘊含的規(guī)律，為瓦斯事故預防工作提供更建議。

1 時空分析

1.1 時序分析

煤礦瓦斯事故的發(fā)生在不同時間范圍上都呈現(xiàn)明顯的隨機性分布特征。有關時序分析的內(nèi)容，按宏觀到微觀的順序展開。

1.1.1 基于月的時序分析

瓦斯事故的發(fā)生充滿不確定性，但事故數(shù)量會隨月份變化而產(chǎn)生一定波動，從月份維度對事故發(fā)生進行時序分析，可直觀觀察瓦斯事故的發(fā)生規(guī)律，2010—2018 年瓦斯事故發(fā)生時間所在月份如圖1。

圖1 2010—2018 年瓦斯事故發(fā)生時間所在月份Fig.1 Monthly distribution of coal mine gas accidents in China from 2010 to 2018

由圖1 可知，瓦斯事故多發(fā)生在3 月到8 月，其中3 月事故數(shù)量最多，主要原因為工人節(jié)后返工難以迅速高度集中注意力工作，安全生產(chǎn)意識不強，生產(chǎn)進度加快導致瓦斯涌出增加，以致煤礦安全事故多發(fā)[3]。事故數(shù)量在2 月、9 月有明顯下降，2 月正值農(nóng)歷新年前后，生產(chǎn)任務相對較少，9 月份為第3季度的首月，煤礦安全政策的發(fā)布較頻繁，煤礦企業(yè)和監(jiān)管部門重視程度高，故9 月瓦斯事故較少。

由圖1 還可知，瓦斯事故數(shù)量在10 月至次年1月范圍內(nèi)有明顯突出。這一時間段為煤礦企業(yè)生產(chǎn)加強期，原因有2 方面：1○受耗煤需求量上升影響，煤礦企業(yè)生產(chǎn)動力較強；2○這一時間段處于春節(jié)前，煤礦多傾向于在春節(jié)停工放假前加大生產(chǎn)，以備節(jié)后正常銷售。在雙重生產(chǎn)動力驅動下，煤礦企業(yè)的生產(chǎn)會有一定的加強，而在產(chǎn)能既定的情況下加強生產(chǎn)，必然導致瓦斯事故發(fā)生可能性的提高。

1.1.2 基于班次的時序分析

國內(nèi)煤礦多采用“三八制”作業(yè)，在各班次發(fā)生的事故數(shù)量具有不同的分布特征，2010—2018 年國內(nèi)煤礦瓦斯事故所在班次如圖2。

圖2 2010-2018 年國內(nèi)煤礦瓦斯事故所在班次Fig.2 Schedule distribution of coal mine gas accidents in China from 2010 to 2018

由圖2 可知，早班瓦斯事故占比最大。經(jīng)調(diào)查，煤礦在正常情況下晚班大多開展維修作業(yè)，少進行開采工作，故該班次事故數(shù)量占比較低。

1.1.3 基于小時的時序分析

為分析瓦斯事故在1 d 內(nèi)各時段的分布情況，將瓦斯事故數(shù)量按小時統(tǒng)計，2010—2018 年國內(nèi)煤礦瓦斯事故發(fā)生時間如圖3。

圖3 2010—2018 年國內(nèi)煤礦瓦斯事故發(fā)生時間Fig.3 Occurrence time distribution of coal mine gas accidents in China from 2010 to 2018

由圖3 可知，11：00-12：00 時發(fā)生的事故數(shù)量最多，該時段接近午飯時間，工人容易松懈，且在經(jīng)過前3 h 作業(yè)后體力下降，操作設備時更易失誤，故會造成較多的事故發(fā)生。10：00-11：00 時和9：00-10：00 時發(fā)生的事故數(shù)量逐次降低。3 個時段順次相接，即9：00-12：00 時這3 h 為發(fā)生瓦斯事故的集中時段，占總比重的25.33%，這也是早班發(fā)生的事故最多的原因。9：00-12：00 時為早班換班后的2～4 h，在換班完成的緊張過后，井下工人安全防范心理松懈，班次間工作交接不到位的隱患也很可能在換班后的這一時段爆發(fā)，造成瓦斯事故在該時段發(fā)生的可能性極大提升。煤礦企業(yè)應加強針對在這些時段開展的井下工作的安全管理力度[6]。

1.2 空間分析

煤礦井下空間布局復雜，不同地點的危險性也不一樣。煤礦事故的發(fā)生具有典型的地點依賴性，對事故發(fā)生的具體地點進行分析，2010—2018 年煤礦瓦斯事故地點分布如圖4。

由圖4 知，掘進工作面事故最多，所占比例為31.98%。近年來，我國的主要生產(chǎn)煤礦廣泛使用綜合機械化掘進工藝[7]。由于掘進工作面掘進速度加快，其絕對瓦斯涌出量增大，瓦斯災害問題日益嚴重。因此，煤巷掘進工作面最容易發(fā)生瓦斯事故[8]。另外，在采煤工作面發(fā)生瓦斯事故的次數(shù)表現(xiàn)也很突出，占總比的19.82%。因此，煤礦工人在采煤工作面作業(yè)時也要注意防范瓦斯事故發(fā)生的風險。

1.3 事故發(fā)生地點和時間的耦合分析

圖4 2010—2018 年煤礦瓦斯事故地點分布Fig.4 Location distribution of coal mine gas accidents in China from 2010 to 2018

綜合考慮空間與時間因素，不同的工作地點在各時段發(fā)生瓦斯事故的情況有所差異，對瓦斯事故發(fā)生地點和時間做耦合統(tǒng)計分析，事故地點和發(fā)生時間耦合分析如圖5。

圖5 事故地點和發(fā)生時間耦合分析Fig.5 Coupling analysis of accident location and occurrence time

由圖5 可知，煤礦瓦斯事故的發(fā)生呈現(xiàn)典型的時空耦合特征。事故發(fā)生的最大值出現(xiàn)在2 處，即掘進工作面分別在11：00-12：00 時和15：00-16：00時2 個時段內(nèi)發(fā)生瓦斯事故的數(shù)量，均為7 次。

1.4 煤礦瓦斯類型分析

不同瓦斯類型的煤礦發(fā)生瓦斯事故的概率不同。2010—2018 年瓦斯事故煤礦瓦斯類型如圖6。

由圖6 可知，煤與瓦斯突出煤礦事故數(shù)量最多，為110，低瓦斯煤礦事故數(shù)量次之，為89，高瓦斯煤礦事故數(shù)量最少，為41。一般來講，煤礦瓦斯等級越高，瓦斯治理成本越高、難度越大，相對容易發(fā)生瓦斯事故[9]。但分析表明，低瓦斯煤礦事故數(shù)量高于高瓦斯煤礦事故數(shù)量，故應格外重視低瓦斯煤礦的事故預防工作。

圖6 2010—2018 年瓦斯事故煤礦瓦斯類型Fig.6 Type of coal mineswithgas accidents in China from 2010 to 2018

1.5 瓦斯事故類型分析

根據(jù)1.4 中的統(tǒng)計可知，瓦斯爆炸事故的發(fā)生次數(shù)最多，為121，煤與瓦斯突出事故次之，為100，瓦斯窒息事故最少，為19。為分析不同類型瓦斯事故與發(fā)生年份的關系，將各年事故數(shù)量統(tǒng)計，不同類型瓦斯事故數(shù)量歷年變化如圖7。

圖7 不同類型瓦斯事故數(shù)量歷年變化Fig.7 Changes in the number of different types of gas accidents

從圖7 可知，近9 年瓦斯事故整體數(shù)量呈下降趨勢，煤與瓦斯突出和瓦斯爆炸事故數(shù)量交替變化，瓦斯窒息事故數(shù)量始終處于較低水平。瓦斯爆炸事故基本呈現(xiàn)下降趨勢，但2018 年煤與瓦斯突出事故數(shù)量再次上升，故應加大對該類事故的治理力度。

2 數(shù)據(jù)預處理

2.1 煤礦瓦斯事故統(tǒng)計數(shù)據(jù)來源

傷亡事故統(tǒng)計分析是傷亡事故綜合分析的主要內(nèi)容，是從宏觀上探索傷亡事故發(fā)生原因及規(guī)律的過程，可以為有效采取預防事故措施提供依據(jù)[10-11]。查詢國家應急管理部、各地方煤礦安全監(jiān)察局、煤礦安全網(wǎng)[4]，以及事故案例集等資料，完善已有數(shù)據(jù)，最終獲取到134 起煤礦瓦斯事故調(diào)查報告。

2.2 文本數(shù)據(jù)編碼

為保證事故信息與Apriori 算法充分結合，應對其進行預處理。針對不同目的的時空分析，將瓦斯類型、發(fā)生時間、發(fā)生地點、人員操作、事故類型內(nèi)含的文本信息轉化為數(shù)值信息。

煤礦類型按以下規(guī)則編碼：煤與瓦斯突出煤礦為01，高瓦斯煤礦為02，低瓦斯煤礦為03。事故類型按以下規(guī)則編碼：瓦斯窒息為01，瓦斯爆炸為02，煤與瓦斯突出為03。瓦斯事故的發(fā)生地點共21 個，人員操作37 個，按相同規(guī)則完成編碼。

3 基于Apriori 算法的關聯(lián)分析

3.1 算法原理

Apriori 算法關聯(lián)規(guī)則可描述如下：集合I={i1,i2,…，im}為標識符的集合，其中m 為正整數(shù)，ik（k＝1，2，…，m）稱為項目。項目集是由I 中項目構成的集合，若項目集包含的項目數(shù)為k，則此項目集稱為k 項目集。關聯(lián)規(guī)則是形如X=＞Y 的規(guī)則，其中X、Y 為項目集且交集不為空。關聯(lián)規(guī)則挖掘的事務數(shù)據(jù)庫記為D，D 中的每個元組為在D 中的事務，若的事務包含X∩Y，則關聯(lián)規(guī)則的支持度為s，即：

式中：P（XY）為概率。

在數(shù)據(jù)庫D 中，若c 包含項目集X 事務也包含項目集Y，則關聯(lián)規(guī)則X=＞Y 置信度為，即c：

若關聯(lián)規(guī)則X=＞Y 的支持度和置信度均不劣于用戶指定的最小支持度和最小置信度，則稱關聯(lián)規(guī)則X=＞Y 為強關聯(lián)規(guī)則，否則稱為弱關聯(lián)規(guī)則[12]。故關聯(lián)規(guī)則的挖掘可分以下2 步：

1）找出所有出現(xiàn)的頻繁性不劣于預定義的最小支持度的頻繁項目集。

2）由頻繁項目集產(chǎn)生必須滿足最小支持度和最小置信度的強關聯(lián)規(guī)則。

分析過程中，可通過“任何頻繁項集的非空子集也是頻繁項集，非頻繁項集的超集是非頻繁項集”[13]提高分析效率。

3.2 案例分析

由2.2 中的編碼規(guī)則產(chǎn)生134 種項目集，設定強關聯(lián)規(guī)則X=＞Y（14%，50%），即最小支持度s1=14%，最小置信度c1=50%，2010—2018 年發(fā)生瓦斯事故煤礦類型比率見表1。

表1 2010—2018 年發(fā)生瓦斯事故煤礦類型比率Table 1 Type ratio of coal mines with gas accidents from 2010 to 2018

結合s1=14%，由表1 可知，應將134 種項目集中瓦斯類型編碼為02 的項目刪除。2010—2018 年煤礦瓦斯事故各月發(fā)生比率見表2。

表2 2010—2018 年煤礦瓦斯事故各月發(fā)生比率Table 2 Monthly occurrence rate of coal mine gas accidents from 2010 to 2018

由表2 可知，只有發(fā)生時間編碼為12 的項目滿足s1，將其他項目集刪除。

對134 種項目集事故地點逐項進行統(tǒng)計，地點為采煤工作面和掘進工作面的項目滿足條件，刪除其余項目集。事故類型數(shù)量及比率見表3。

表3 事故類型數(shù)量及比率Table 3 Type and ratio of coal mine gas accidents

由表3 可知，事故類型為瓦斯窒息的項目不滿足s1，將該類項目刪除。

統(tǒng)計人員操作一項，只有操作為違章放炮的項目支持度大于s1，故刪除人員操作為其他的項目。

通過以上步驟進行篩選，得到4 種項目集，4 種項目集見表4。

表4 4 種項目集Table 4 4-item sets

由表4 可得，煤礦A、B、C 的事故編碼相同，頻次為3；煤礦D 的事故編碼頻次為1。事故因素間置信度由式（2）可得，并用矩陣表示。矩陣每一個交點的值代表橫坐標因素導致縱坐標因素發(fā)生的置信度，斜對角線數(shù)值為0[5]，事故因素間置信度表見表5。

表5 事故因素間置信度表Table 5 Confidence among accident factors

由表5 知，12 月份≥煤與瓦斯突出煤礦，掘進工作面≥煤與瓦斯突出煤礦，違章放炮≥煤與瓦斯突出煤礦，瓦斯爆炸=＞煤與瓦斯突出煤礦，共4 項規(guī)則的置信度均小于c1，為弱關聯(lián)規(guī)則。

將各事故因素間強關聯(lián)規(guī)則用有向圖表示，事故因素強關聯(lián)規(guī)則如圖8。

圖8 事故因素強關聯(lián)規(guī)則Fig.8 Strong association rules of accident factors

在圖8 中，箭頭表示xi到xk（i，k=1，2，3，4，5，且i≠k）強關聯(lián)規(guī)則的方向，實線和虛線分別代表的置信度為1.00 和0.67 的強關聯(lián)規(guī)則。置信度為0.33的關聯(lián)規(guī)則由于不滿足最小置信度條件，未在圖中畫出。由表5 可知關聯(lián)規(guī)則的置信度是受先后順序影響的，交換先后順序之后的置信度與交換前的置信度不一定相等，如x1和x3、x4和x6。在圖8 中，任選1 個節(jié)點出發(fā)，按一定的先后順序不重復的遍歷所有節(jié)點，即可再現(xiàn)滿足強關聯(lián)規(guī)則條件的一種瓦斯事故的發(fā)生過程。由于x1和x2均屬于瓦斯類型這一事故因素，在遍歷路徑中只選擇其中1 個經(jīng)過即可。

在掘進工作面，最應關注低瓦斯煤礦在12 月份由違章放炮引起的瓦斯爆炸；煤與瓦斯突出煤礦在12 月份因違章放炮引起的瓦斯爆炸也不可忽視。

若直接尋找134 種項目集中頻次最高的事故，可得2 個頻次均為2 的事故編碼：0111112703 和0304022402。0111112703 中27 代表的人員操作-違章使用風鎬，在37 項人員操作中所占比例為2.99%，但人員操作這一因素中有多項操作的比例大于2.99%，故人員操作的實際關注重點并不是違章使用風鎬。由此可知，只關注最終結果，未考慮事故內(nèi)含的各因素而直接進行頻次統(tǒng)計的結果不能合理指明工作重點。

若只根據(jù)表1 至表3 中134 種項目集代表的瓦斯事故時空分析結果，極有可能會得出“煤與瓦斯突出和低瓦斯煤礦在12 月份的掘進工作面應注意預防由違章放炮引起的瓦斯爆炸”的結論。該結論在“事故因素相互獨立”的條件下得出，且2 種煤礦的事故預防重要程度相等。但顯然各事故因素是相關的，需引起重視的強關聯(lián)規(guī)則也不止1 條。這樣的推測只關注“最高”，而未考慮“次高”，在某種程度上是不“公平”的，故需設定1 個合理閾值，凡頻率在閾值以上的事故予以考慮，再與Apriori 算法結合，從條件概率的角度出發(fā)進行篩選。

4 結 語

通過對2010—2018 年國內(nèi)煤礦瓦斯事故進行時空耦合分析得到以下結論：煤礦瓦斯事故的發(fā)生根據(jù)瓦斯類型和事故類型的不同，在時間和空間上都呈現(xiàn)明顯的隨機分布特征。3 月發(fā)生的瓦斯事故最多，煤礦發(fā)生瓦斯事故最頻繁的班次為早班，最頻繁的時段為11:00-12:00 時；在發(fā)生瓦斯事故的眾多地點中，掘進工作面所占比重最大；在瓦斯類型中，煤與瓦斯突出煤礦發(fā)生瓦斯事故的可能性最高；在事故類型中，瓦斯爆炸事故所占比重最大，煤與瓦斯突出事故次之。結合Apriori 算法分析國內(nèi)煤礦瓦斯事故案例，最終頻繁項目集的求解結果顯示，要重點防范低瓦斯煤礦在12 月的掘進工作面作業(yè)過程中因違章放炮造成瓦斯爆炸事故，以減少我國煤礦瓦斯事故的發(fā)生。