2020年霍煤辛置煤矿安全评价研究论文

霍煤辛置煤矿安全评价研究论文 通过较为细致的特征刻画，按照国家煤矿安全指引的相关要求，分析辛置煤矿的煤矿安全影响因素，建立该矿安全计分标准和分类依据。然后以神经网络方法为基础，建立针对该矿的煤矿安全评价模型1，给出方法检验和算例分析的同时，给出辛置煤矿的安全性评价结果。 煤矿安全要素主要分为人的安全要素、设备安全要素、环境安全要素和管理安全要素，具体划分见表1。 （1）人的安全要素主要有D1D12，即身体健康状况、劳动强度状况、工作负荷、情绪特征、工作满意度、工作压力、知识文化程度、安全态度、工作匹配度、人员操作准确率、工作经验与技能、模糊安全性状态。当身体健康状况好，劳动强度低、工作负荷小、情绪稳定、工作满意、工作压力小、文化程度高、安全态度好、工作匹配度高、操作准确率高、经验丰富、模糊性低的时候，人的安全要素总体而言会处于较高的水平，反之则处于较低水平2，3。 （2）设备安全要素主要有D13D20，即设备有效度、设备模糊安全性、机械化采煤率、机械化掘进率、安全监控系统运转率、瓦斯检测仪配备率、三专两闭锁使用率、安全保护装置灵敏度。当设备有效率高、模糊安全性高、机械化程度高、安全监控运转率高、瓦斯监测仪配备率高、三专两闭使用率高、安全保护装置灵敏度高时，设备安全要素将会处于较高水平，反之处于较低水平。 （3）环境安全要素主要有D21D36，即噪声、粉尘、煤层自燃性、煤层瓦斯、围岩含水性、围岩温度、围岩稳定性、煤层倾角、断层、古河床冲刷、陷落柱。当噪声水平低、粉尘污染小、自燃性低、瓦斯气少、围岩含水性低、围岩温度低、围岩稳定性好、倾角外向、断层不发育时，环境安全要素水平较高。 （4）管理安全要素主要有D37D66，即伤亡事故、三违情况、事故影响产量、事故隐患、事故影响时间、经济损失、干部持证率、特殊工种持证率、新工人持证率、管理手册、程序文件、作业手册、瓦斯管理措施、火灾管理措施水灾管理措施、顶板管理措施、安措项目完成率、安措资金使用率、矿井质量标准化率、安全质量管理达标率、安全合格班组建成率、粉尘作业点合格率、消防系统、自救器保障程度、专业化矿山救护队、应急救援预案、矿井安全出口、安全物质文化、安全精神文化、安全行为文化。当管理水平较高，以上管理安全要素具有较高的实现率时，可以达到较高的安全管理水平4，5。根据霍煤辛置煤矿以上四个方面的安全要素，建立了煤矿安全评价的指标体系，通过将人员安全、机械安全、环境安全和管理安全有机的结合起来，将D1D66共计66个煤矿安全指标，按照国家煤矿安全指导原则，建立表2中的霍煤辛置煤矿安全计分标准，通过进一步的后置神经网络模型开展霍煤辛置煤矿的安全性评价工作。 神经网络是模拟人类脑部神经元功能而给出的一种人工智能方法。该方法具有自组织性和较好的鲁棒性。使用后置人工神经网络开展霍煤辛置煤矿的安全性评价。将D1D66共计66个煤矿安全指标作为人工神经元的输入信号，将表2中的霍煤辛置煤矿安全等级评价分值作为输出信号。具体来讲，输入xx年1月xx年10月期间的人员安全因素、设备安全因素、环境安全因素和管理安全因素，通过神经网络样本的学习，建立D1D66与霍煤辛置煤矿安全等级评价分值之间的神经网络模型，并进一步的使用该模型预测xx年11月和12月的安全等级评价分值。本研究过程中所使用的霍煤辛置煤矿安全要素数据、期望值及神经网络评价值如表3。 由表3可以发现，11月的神经网络安全评价值为0。911，12月的神经网络安全评价值为0。902，均处于较高的安全等级水平。按照表2给出的霍煤辛置煤矿安全等级划分标准，霍煤辛置煤矿在11月和12月的安全等级均为A级，即为较为理想的安全煤矿。 通过分析霍煤辛置煤矿的煤矿安全影响因素，建立了人员安全因素、设备安全因素、环境安全因素和管理安全因素共计4类安全因素量化指标