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。
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]。
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。
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。
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
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。
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。
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。
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。
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。
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。