雷咸銳，薛躍強，薛黎明，李清汝，王蘭芬，劉冬旭

（1.山西潞安環(huán)保能源開發(fā)股份有限公司安全監(jiān)察部，山西 長治 047500；2.中國礦業(yè)大學（北京），北京 100083）

0 引言

煤礦安全是保障國家能源安全和社會穩(wěn)定發(fā)展的基石[1]。然而，近年來發(fā)生的煤礦生產(chǎn)重特大事故暴露出當前安全生產(chǎn)領域“認不清、想不到”的突出問題，原因是井下工作環(huán)境復雜多變、隱患排查不到位、安全風險分級管控和隱患排查治理工作未形成長效機制，導致重特大事故仍時有發(fā)生，沒有得到根本遏制。煤礦安全風險分級防控四色圖是保障煤礦安全生產(chǎn)的重要途徑[2]，對于煤礦企業(yè)來說，生產(chǎn)活動中的風險評估確認應當是一個經(jīng)常性、持續(xù)性的環(huán)節(jié)，隨著管理過程的日益復雜，以及公眾對管理要求的不斷提高，煤礦安全風險評估還面臨著信息化、智能化安全管理的升級需求。楊昊鵬等[3]面向過程構建了煤礦安全生產(chǎn)標準化評價體系；何寧等[4]研究煤礦安全生產(chǎn)管理體系及智能化；郭愛偉等[5]將煤礦安全生產(chǎn)管理關口再度前移，強化對煤礦生產(chǎn)一線的安全管理，提出了基于FP-Growth 算法的煤礦安全信息管理系統(tǒng)；曾發(fā)鑌等[6]建立了安全生產(chǎn)標準化的雙重預防機制APP，提高了安全生產(chǎn)水平；YU[7]基于計算機技術構建了煤礦安全監(jiān)控海量數(shù)據(jù)處理系統(tǒng)；NIKITENKO 等[8]為煤炭開采行業(yè)數(shù)字化轉型構建了多功能安全系統(tǒng)。然而，目前針對煤礦安全風險評估的智能化研究較少，安全風險分布四色圖在煤炭行業(yè)中剛剛起步，對事故發(fā)生的可能性和事故后果的嚴重程度判定尚存在科學研究的空白，評估標準大多還停留在文本挖掘和經(jīng)驗認識范疇[9]?；诖四康陌l(fā)展了風險矩陣法、作業(yè)條件危險性評價法等半定量或定量的風險評估方法，這些評估方法很大程度依賴于評估人員的專業(yè)性和經(jīng)驗性，現(xiàn)階段難以實現(xiàn)標準化推廣。同時，傳統(tǒng)煤礦安全風險四色圖制作時間長、效率低、不易修改等問題也極大限制了四色圖在保障煤礦安全生產(chǎn)中發(fā)揮重要作用。

為了進一步提高煤礦安全管理水平，緊跟煤礦安全管理信息化、智能化的發(fā)展趨勢，構建了基于云模型的煤礦安全風險四色圖動態(tài)管控系統(tǒng)。通過四色圖與云模型的有機融合，全方位辨識、分析、控制煤礦安全風險，實現(xiàn)煤礦安全風險分級與動態(tài)管理，為預防及減少煤礦事故提供理論依據(jù)和支持，保障煤礦生產(chǎn)安全。

1 評價指標及評價方法

1.1 評價指標

傳統(tǒng)指標體系中的等級閾值通常是基于經(jīng)驗總結的結果，對應于特定的數(shù)值[10]。然而，這種方法在適應煤礦不同環(huán)境和條件變化方面存在一些困難，難以兼顧等級的模糊性[11-12]。本文采用云變換理論，并選擇了與煤礦安全風險評價相關的3 個主要因素作為評價指標，評價指標來源于作業(yè)危險條件評價法，分別是事故發(fā)生可能性（L）、暴露于危險環(huán)境中的頻繁度（E）和發(fā)生事故產(chǎn)生的后果（C）。這3 個因素在煤礦安全風險評價中具有重要意義，涵蓋了事故的發(fā)生概率、工作環(huán)境的危險程度以及事故發(fā)生后的影響等方面。云模型方法可以通過建立云關系矩陣，描述評價指標之間的相互影響程度，從而更準確地評估煤礦安全風險等級。評價指標描述及得分情況見表1。

表1 評價指標描述及分值Table 1 Description and score of evaluation indicators 單位：分

1.2 評價方法

1.2.1 云定義

在云模型中，“云”通常指的是云計算（Cloud Computing）中的云服務[13]。云模型是一種用于處理不確定性和模糊性信息的數(shù)學模型，而在云計算的背景下，“云”特指通過網(wǎng)絡提供計算、存儲、數(shù)據(jù)庫、網(wǎng)絡、軟件等服務的虛擬化資源池。在云模型中，“云”可以被視為一個抽象的計算資源和服務的提供者，是一種靈活、可訪問的計算模型，為用戶提供了便利和效率[14]，將云模型和作業(yè)危險條件評價方法結合，能夠考慮到煤礦生產(chǎn)環(huán)節(jié)的多種風險因素，對煤礦安全風險評價具有綜合性、定量化、客觀性、指導性和全面性等諸多優(yōu)點，有助于提高煤礦安全管理的科學性和有效性。

1.2.2 云的數(shù)字特征

一維云模型描述單指標對系統(tǒng)的影響，采用（Ex,En,He）數(shù)字特征來定量地表達定性的概念，在煤礦安全風險評估中，需要考慮多個相關指標，并綜合考慮來確定風險等級，包括對事故發(fā)生可能性、暴露于危險環(huán)境中的頻繁度，以及發(fā)生事故產(chǎn)生的后果等指標進行綜合評估。云模型可以描述風險指標的模糊性和不確定性，通過數(shù)字特征來定量地表達指標的特點。煤礦風險等級的數(shù)字特征見表2。由表2可知，其中期望（Ex）反映隨機變量平均取值的大小；熵（En）反映論域的范圍；超熵（He）反映了熵（En）的不確定性，超熵越大，說明模型的不確定性越大，模型云厚度越大[15]。由數(shù)字特征決定了一維云模型的期望曲線，其表達式見式（1）。

表2 風險等級數(shù)字特征Table 2 Digital characteristics of risk levels

1.2.3 云發(fā)生器

模型的核心算法是云發(fā)生器，通過云發(fā)生器能實現(xiàn)定量定性的轉化，計算確定度和云圖的繪制等，云發(fā)生器的步驟如下所述。

1）Input：期望Ex、熵En、超熵He和云滴數(shù)N。

①初次生成正態(tài)隨機Eni=NORM（En，He）；其中，NORM 為正態(tài)分布函數(shù)[15]。

②生成正態(tài)隨機xi=NORM（Ex，E2ni）。

③計算確定度，見式（2）。

式中，引入了隨機變量Eni，由此引入了隨機性。

④坐標（xi,μi）可以代表一個云滴。

⑤重復上述步驟直到產(chǎn)生設定的n個云滴為止，云模型中的各個云滴組團即構成了云圖。

2）Output：N個云滴。

通過云發(fā)生器得到一維云模型云圖，并將Ex、En和He數(shù)字特征在云圖中進行了具體化。

1.3 指標等級閾值的確定與風險等級劃分

通過逆向云發(fā)生器對大量指標數(shù)據(jù)進行分析，再通過云變換得到不同等級的云圖，實現(xiàn)了等級的柔性劃分，各指標等級云圖如圖1 所示。其中，橫坐標表示不同的風險等級，縱坐標表示該等級的確定度，云的形狀是由各指標的權重和得分決定的，通常是根據(jù)模糊綜合評價理論繪制而成，不同權重和得分的組合會形成不同形狀的云，反映了綜合評價結果的多樣性和復雜性。由圖1 可知，指標等級為一個云圖，且各云圖存在交叉，體現(xiàn)了等級值的模糊性，同時對定性指標進行量化處理。云圖既可以確定各指標的等級，也構造了確定度函數(shù)，為模糊綜合評價和未確知測度等理論提供了基礎。云圖上某一點的確定度是在一定范圍內(nèi)隨機波動的，不是一個固定值，體現(xiàn)了等級值的隨機性[15]。

圖1 各指標等級云圖Fig.1 Cloud map of each indicator level

五陽煤礦是一座大型現(xiàn)代化礦井，位于潞安礦區(qū)東北部邊緣，行政區(qū)劃屬長治市，坐落于襄垣縣王橋鎮(zhèn)，井田南北長約12.97 km，東西寬約10 km，井田面積約58.951 3 km2，現(xiàn)核定生產(chǎn)能力為360 萬t/a。本文根據(jù)五陽礦現(xiàn)場實際情況，選取與安全風險評價有關的3 個指標，將指標數(shù)據(jù)帶入云模型，通過云發(fā)生器將其確定度矩陣和權重矩陣相乘得到最終的評價矩陣，部分安全風險的等級評價矩陣見表3。

表3 風險等級評價矩陣Table 3 Matrix of risk grade evaluation

基于閾值或標準，根據(jù)矩陣中的映射關系，計算每個風險因素的最終風險等級。通過將橫縱坐標的值相結合，以及采用權重和的方式來計算，以最大確定度原則確定最終的評價等級，結果對照評估參數(shù)表確定安全風險等級，分別對應紅、橙、黃、藍4 種顏色。評估參數(shù)見表4。

表4 評估參數(shù)Table 4 Evaluation parameters

2 系統(tǒng)架構及軟件編制

2.1 系統(tǒng)架構

云模型與四色圖動態(tài)管控系統(tǒng)充分融合的關鍵在于有效整合兩者的數(shù)據(jù)和功能，以實現(xiàn)協(xié)同工作和性能優(yōu)化。

首先，需要建立云端平臺，用于存儲和處理大規(guī)模數(shù)據(jù)，同時提供強大的計算資源。在云平臺上，將四色圖動態(tài)管控系統(tǒng)的數(shù)據(jù)源整合進來，確保實時、準確地獲取地理信息、人口統(tǒng)計等關鍵數(shù)據(jù)。

其次，通過開發(fā)和使用合適的API 和接口，實現(xiàn)云模型與四色圖動態(tài)管控系統(tǒng)的通信和數(shù)據(jù)交換，可以包括實時數(shù)據(jù)傳輸、共享模型輸出結果等。通過建立高效的數(shù)據(jù)通道，確保云端模型能夠根據(jù)四色圖動態(tài)管控系統(tǒng)的實時反饋動態(tài)調整和優(yōu)化模型參數(shù)，以更好地適應實際情況。另外，引入先進的機器學習和人工智能算法，使云模型能夠自主學習和優(yōu)化，不斷提高其預測和分析能力。同時，將四色圖動態(tài)管控系統(tǒng)的實時監(jiān)測結果作為反饋，用于實時更新模型，從而更精準地預測未來趨勢和變化。

最后，建立用戶友好的界面和控制臺，使用戶能夠輕松地訪問云模型和四色圖動態(tài)管控系統(tǒng)的功能，進行靈活的配置和調整。基于云模型的煤礦安全風險四色圖動態(tài)管控系統(tǒng)主要由硬件和軟件構成[16]。該系統(tǒng)通過四色圖的變化實時反映煤礦各個區(qū)域的風險情況。系統(tǒng)的數(shù)據(jù)來源是煤礦企業(yè)上傳的基礎數(shù)據(jù)，用戶可以通過數(shù)據(jù)輸入界面與系統(tǒng)進行交互。系統(tǒng)利用嵌入的云模型，調用數(shù)據(jù)處理和渲染模塊，將風險評估結果與煤礦區(qū)域建立聯(lián)系。利用系統(tǒng)的實時互饋機制，系統(tǒng)可以自動完成由數(shù)據(jù)到四色圖的調控過程。通過該系統(tǒng)，管理人員能夠實時了解煤礦的風險狀態(tài)，并及時采取相應的管控措施，以提高煤礦安全管理的效率和準確性[17]。

煤礦安全風險四色圖動態(tài)管控系統(tǒng)架構主要由運行環(huán)境、數(shù)據(jù)層、業(yè)務層和展示層4 層架構構成，如圖2 所示。其中，數(shù)據(jù)層對系統(tǒng)數(shù)據(jù)進行處理和存儲；業(yè)務層對煤礦風險等級進行評價，將煤礦風險等級評價結果與煤礦風險區(qū)域進行關聯(lián)，主要包括風險評價、分區(qū)管理、風險顏色實時調控等；展示層對煤礦風險區(qū)域進行渲染，主要應用pixi.js 渲染引擎。

圖2 系統(tǒng)架構圖Fig.2 Diagram of system architecture

2.2 數(shù)據(jù)架構

數(shù)據(jù)架構采用分層方式，包括數(shù)據(jù)來源層、數(shù)據(jù)處理層和數(shù)據(jù)存儲層，如圖3 所示。數(shù)據(jù)來源層主要包括煤礦企業(yè)風險點數(shù)據(jù)、評價指標值數(shù)據(jù)、煤礦區(qū)域風險劃分數(shù)據(jù)等，這些數(shù)據(jù)通過人工錄入方式獲取。數(shù)據(jù)處理層采用云模型對錄入數(shù)據(jù)進行評價處理，并生成不同等級，將處理后的數(shù)據(jù)與煤礦風險區(qū)域進行關聯(lián)，為煤礦安全風險動態(tài)管控提供數(shù)據(jù)基礎[18]。數(shù)據(jù)存儲層主要將數(shù)據(jù)來源層和數(shù)據(jù)處理層的數(shù)據(jù)進行存儲，并提供數(shù)據(jù)的索引和查詢功能。同時按照用戶需求提供各種格式數(shù)據(jù)的導出，從而實現(xiàn)系統(tǒng)的數(shù)據(jù)轉換。

圖3 數(shù)據(jù)架構圖Fig.3 Diagram of data architecture

2.3 系統(tǒng)軟件編制

煤礦安全風險四色圖動態(tài)管控系統(tǒng)主要以渲染為主體，結合大量數(shù)據(jù)，既發(fā)揮了云模型解決風險評估過程中的模糊性和不確定性問題，又體現(xiàn)了煤礦安全風險四色圖動態(tài)管控系統(tǒng)對煤礦風險分布和等級的直觀展示，從而對煤礦安全風險進行全面動態(tài)管控[16]。

這條線路以休閑觀光為主，以欣賞廬山西海和廬山佛教圣地的建筑藝術、坐禪文化，感受廬山西海及廬山的自然風光。

煤礦安全風險四色圖動態(tài)管控系統(tǒng)主要包括服務器端和客戶端?？蛻舳酥饕M行數(shù)據(jù)錄入（風險點數(shù)據(jù)、評價指標值數(shù)據(jù)、風險區(qū)域數(shù)據(jù)）和煤礦安全風險四色圖展示。服務器主要完成數(shù)據(jù)處理和存儲等功能。煤礦安全風險四色圖動態(tài)管控系統(tǒng)功能模塊主要包括煤礦安全風險等級評估模塊和安全風險動態(tài)管控四色圖模塊，如圖4 所示。其中，煤礦安全風險等級評估模塊包括：風險點管理、評價指標管理、風險評估、風險分區(qū)。安全風險動態(tài)管控四色圖模塊包括風險等級評估與上色、動態(tài)管控、風險點信息介紹、風險四色圖導出。

圖4 系統(tǒng)總體功能Fig.4 Overall function of the system

3 應用實例

3.1 煤礦安全風險等級評估

基于云模型的煤礦安全風險四色圖動態(tài)管控系統(tǒng)提供了強大的風險點管理和風險評估功能，旨在提升煤礦安全管理的效率和準確性[19]。系統(tǒng)的風險點管理頁面為用戶提供了便捷的風險管理工具，主要功能如下所述。

1）風險管理清單下載：用戶可以通過模板下載功能，獲得包括風險點、辨識對象、檢查項目、風險類型、風險描述、管控措施、責任崗位等在內(nèi)的風險管理清單。該清單提供了全面的風險信息，為準確辨識和評估風險提供了便利。

2）風險點數(shù)據(jù)上傳與導出：用戶可以通過上傳Excel 功能，將風險點數(shù)據(jù)批量導入系統(tǒng)中，實現(xiàn)風險點的快速錄入和管理。同時，系統(tǒng)支持風險點數(shù)據(jù)的導出功能，用戶可以將已經(jīng)錄入系統(tǒng)的風險點數(shù)據(jù)導出為Excel 格式，方便進行數(shù)據(jù)備份、分析和共享。

在風險評估頁面，系統(tǒng)內(nèi)嵌了云模型風險評估系統(tǒng)，為煤礦中的各個風險點提供了準確的風險等級評估。主要功能如下所述。

1）自動風險等級評估：用戶可以通過輸入LEC（Likelihood、Exposure、Consequence）值，系統(tǒng)將根據(jù)預設的評估模型自動進行風險等級的評估。針對特殊的風險點，系統(tǒng)支持用戶手動修改風險等級。這使得用戶能夠根據(jù)實際情況進行靈活調整，確保風險評估結果更加準確。

2）分區(qū)功能：系統(tǒng)提供了分區(qū)功能，可以將煤礦劃分為不同的區(qū)域。同一風險點的不同辨識對象將在同一分區(qū)內(nèi)進行管理。使風險點的歸類更加清晰。五陽煤礦各風險點評估結果如圖5 所示。

圖5 五陽煤礦各風險點評估結果Fig.5 Assessment results of each risk point in Wuyang Coal Mine

3.2 安全風險動態(tài)管控四色圖

煤礦安全風險四色圖通過使用不同顏色來表示不同風險等級，幫助用戶直觀地了解煤礦中存在的風險情況。

1）風險等級評估與上色：系統(tǒng)通過第一步的風險點等級評估，根據(jù)每個風險點（即分區(qū)）中辨識對象的最高風險等級，為該分區(qū)上色。用紅橙黃藍4色標識重大風險區(qū)域、較大風險區(qū)域、一般風險區(qū)域、低風險區(qū)域，使用戶能夠全面地了解各個分區(qū)的風險程度[21]。

2）動態(tài)管控：當分區(qū)的最高風險等級發(fā)生改變時，四色圖會實時發(fā)生變化。通過實時反饋機制幫助用戶制定有針對性的控制措施和改進計劃，針對高風險區(qū)域采取及時有效的風險控制措施，提高煤礦的安全性能和風險防范能力。

3）風險點信息介紹：用戶可以點擊各個分區(qū)，以查看該風險點的詳細信息。包括風險名稱、風險描述和風險類型等。

4）風險四色圖導出：系統(tǒng)支持部分區(qū)域四色圖導出，用戶可以選擇需要導出的特定區(qū)域進行下載[22]，同時系統(tǒng)也支持全局矢量圖導出，方便進行全局的風險分析和報告制作。五陽礦七五回風大巷區(qū)域風險四色圖如圖6 所示。

圖6 五陽煤礦風險四色圖Fig.6 Four-color map of risk in Wuyang Coal Mine

通過以上功能，煤礦安全風險四色圖能夠直觀地展示煤礦中的風險分布和等級，幫助管理人員和相關人員更好地了解煤礦安全狀況，及時采取有效的管控措施。

4 結論

1）通過使用云模型風險評估系統(tǒng)，能夠有效提高風險辨識評估的準確性。云模型可以解決風險評估過程中的模糊性和不確定性問題，提供更科學的風險等級評估結果，為煤礦安全管理提供準確的風險等級信息。

2）基于云模型的煤礦安全風險四色圖動態(tài)管控系統(tǒng)具備實時動態(tài)管控功能。系統(tǒng)能夠根據(jù)風險等級評估結果，實時更新四色圖的顏色，反映煤礦中各個分區(qū)的風險情況。這種實時反饋機制使管理人員能夠實時了解煤礦的風險狀態(tài)，并及時采取相應的管控措施，提高煤礦安全管理的效率和準確性。

3）該系統(tǒng)在山西潞安五陽礦井成功運用，未來可以進一步擴展應用到更多煤礦中，為煤礦安全管理信息化、智能化的發(fā)展提供支持。通過不斷完善系統(tǒng)功能，為煤礦提供更全面的安全風險管理手段。