[发明专利]一种煤矿井下人因安全风险预测方法

说明书

本发明公开一种煤矿井下人因安全风险预测方法，包括以下步骤：S1.采集数据，通过对煤矿事故分析，提出潜在风险的原因，建立评分指标，并在对煤矿进行实际考察，收集数据。S2.数据预处理，对采集的数据进行缺失补全、异常值处理和归一化处理；S3.利用训练集样本数据确定神经网络拓扑结构；S4.设置灰色关联分析法算法相关参数并与神经网络模型相结合,利用训练集本对优化的神经网络的初始权值和阈值,得到风险预测模型；S5.将灰色通过灰色关联分析法及神经网络建立的模型，可以有效的降低主观因素和数据量过小对预测结果的影响，特别适用于风险预测。

技术领域

本发明属于采矿技术领域，具体涉及煤矿井下人员安全风险预测方法和系统。

背景技术

在所有导致我国煤矿重大事故的直接原因中，人因事故所占比率高达 97.67%。在我国，矿工群体存在整体文化水平低、收入低、技术素质偏低、工人管理层逆反心理严重等问题。人在生理、心理、社会、精神等方面的特点存在较大的可塑性和难控性，面对如此严峻的安全管理形势，建立科学、实用的人因风险预测模型，是有效预防煤矿安全隐患、减少或避免安全事故发生的重要手段。

发明内容

本发明的目的是克服上述现有方法存在的不足，提供一种煤矿井下人因安全风险预测方法，为实现上述目的，本发明采用以下技术方案：一种煤矿井下人因安全风险预测方法，包括以下步骤：

S1.采集数据，通过对煤矿事故分析，提出潜在风险的原因，建立评分指标，并对煤矿进行实际考察，收集数据，形成统计特征

S2.数据预处理，对采集的数据进行缺失补全、异常值处理和归一化处理后照8:2的比例切分成训练集和测试集；

S3.利用训练集样本数据确定神经网络拓扑结构；

S4.设置灰色关联分析算法相关参数并与BP神经网络模型相结合,利用训练集本对优化的神经网络的初始权值和阈值,得到风险预测模型；

S5.将灰色关联分析法优化后的神经网络模型进行应用，并定期将有收集的数据输入到模型训练。

优选的，所述S1中从实地问卷抽样调查并综合业内专家和煤矿管理者意见进行修改和补充，最终确定习惯性行为主要受个体、管理、组织及工作本身4个层面。结合煤矿工作的具体情况和相关学者对煤矿不安全行为可靠性的研究，在个体因素方面，选取文化水平(受教育年限)、情感变化、家庭、年龄、心理应激; 在工作因素方面上，选取作业环境、作业时间、反应安全隐患及事故症候积极度、工作压力、注意力持续集中时间、技术熟练度在管理因素方面，选取安全监管、定期进行安全培训与考核、应急水平作为主因素。建立了煤矿井下人因安全风险预测体系与评分指标。

优选的，所述S2中神经网络的输入量使用的为通过S1建立的指标体系收集来的数据，共14项。步骤S2对S1采集的数据进行缺失补全、异常值处理。由于各个指标的单位不同，数值差异较大，在输入训练之前需要对原数据变量进行归一化处理，使其处于同一量纲，所述归一化处理包括归一化处理和反归一化处理。其描述公式为：

归一化处理的表达式为 :

(1)

反归一化处理表达式为 :

(2)

其中，Xmax，Xmin分别为训练样本输入参数的最大值、最小值；Xi、yi分别为输入样本归一化前后的值。

优选的，所述S3中输入层神经元数根据所述的S1的指标体系确定，共14项；输出层神经元数根据目标值确定，共1项，为人因安全风险预测结果；且隐含层神经元数通过输入层神经元数和输出层神经元数确定。其描述公式为：

(3)

其中，r 为隐含层神经元数，m为输入层神经元数，n为输出层神经元数。