一种基于数据挖掘技术的煤矿安全事故预测方法

技术特征：
1.一种基于数据挖掘技术的煤矿安全事故预测方法，其特征在于，包含以下步骤：s1.构建煤矿事故数据库，基于事故致因2-4模型分析事故风险因素的构成；s2.根据事故发生过程，构建该事故的事故致因链，利用复杂网络理论建立煤矿事故风险传导加权网络模型，定义事故致因节点的结构属性和自身属性；s3.通过计算风险网络的节点度、聚类系数、介数中心性等网络拓扑特征，分别从“节点—局部模块—全局连接”三个维度阐述网络结构和节点间的耦合关系，揭示事故致因机理；s4.提出一种事故致因链相似度的算法，分别计算出事故致因路径的节点相似度、边相似度以及总路径相似度；s5.对数据库中事故致因链进行训练，计算其相互间的相似性，并定期将收集到的数据输入到数据库自动进行训练；本发明结合复杂网络理论提出了事故致因链相似度的计算方法，利用大数据技术对可能发生的事故进行预测，能够有效地提升预测准确性。2.根据权利要求1所述的一种基于数据挖掘技术的煤矿安全事故预测方法，其特征在于，所述s1中，首先构建历年事故案例库，在事故案例库中应包含与事故有关的所有元素信息，包括时间、空间位置、人员信息、企业安全文化因素、安全心理、生理不佳因素、组织外部的监管、自然因素，以及社会政治、经济、法律、文化因素等；再利用2-4事故致因理论模型对事故进行全面分析，将原因分为组织内部原因和外部原因，其内部原因分布在组织与个人两个层面上；组织层面上的原因分为安全文化、安全管理体系，个人层面上的原因分为习惯性行为和一次性行为与物态。3.根据权利要求1所述的一种基于数据挖掘技术的煤矿安全事故预测方法，其特征在于，所述s2中，从复杂系统理论角度解释事故的发生过程，可以认为各事故致因节点间相互的耦合作用导致了事故的形成以及风险因子的传播，并最终导致事故的发生，基于复杂网络理论对煤矿事故的发生过程进行建模，可将节点间的相互作用关系和风险在节点间的传导过程清晰地展示出来；在建立复杂网络模型时，对于单起事故的发生过程，将事故致因因素作为事件节点，将事故后果作为后果节点，节点之间的耦合关系作为边，根据事故发生时各事件节点间的先后逻辑关系，构建一条事故致因链；根据节点耦合关系，构造节点间的邻接矩阵，利用社会分析类软件建立煤矿事故网络模型。4.根据权利要求1所述的一种基于数据挖掘技术的煤矿安全事故预测方法，其特征在于，所述s3中，计算事故致因节点的拓扑参数，包括节点度、点介数、边介数、聚类系数等参数；首先计算节点度，节点度指标描述了事故致因节点的临近节点的个数，体现了该节点与周围节点之间建立直接联系的能力，是评估网络节点时应用最普遍的指标；节点度分为入度值、出度值和总度值，其中总度值如式(1)：其次计算节点的累计度分布，节点度的累积度分布可用于分析事故致因网络属性，是认识网络的关键一步，将为进一步研究网络的结构特性奠定基础，表示为式(2)，网络中度
为k的节点的数目占网络中节点总数目的比值；p(k)＝n
k
/n
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)其中，p(k)表示节点的累计度分布，n
k
表示度为k的节点的数目，n为节点总数；然后再计算介数c
b
(v)，如式(3)，介数通常分为节点介数和边介数两种，反映的是相应的事故致因节点或者边在整个网络结构中的连接能力，是一个重要的全局几何量，节点或边的介数值越高，则说明该节点或边在事故致因网络中承担着“交通枢纽”的位置，是需要防范的重点致因因素；其中，σ
st
(v)表示表示经过节点v的s
→
t的最短路径条数，σ
st
表示s
→
t的最短路径条数；最后计算聚类系数，如式(4)，c
i
为节点i的聚类系数，k
i
为与节点i直接相连的节点的个数，e
i
为这k
i
个节点之间实际存在的边的数量；聚类系数用于衡量网络团块化、集团化程度的重要参数，聚类系数值的大小代表网络中的交互关系的强弱，网络结构越复杂，说明网络传导效率越高，即越容易发生事故。5.根据权利要求1所述的一种基于数据挖掘技术的煤矿安全事故预测方法，其特征在于，所述s4中，提出一种事故致因链相似度的算法，分别计算出事故致因路径的节点相似度、边相似度以及总路径相似度；为准确预测可能发生的事故类型及严重程度，需考虑路径的元素特征包含节点特征和边的特征，任意两条路径之间相似度主要由两者拥有的共同的节点和边序列决定；计算边序列，边序列表示由节点组成且具有方向性的链路，根据公式计算两条路径间的边相似度；计算节点序列，节点序列是由路径的所有节点构成的序列，根据公式计算两条路径的节点相似度；计算路径总相似度，将节点相似度和边相似度以一定比例加权求和即为两条路径的相似度；在进行事故概率、事故类型等结果预测时，计算输入的不安全信息与其他事故的相似度，即可得出预测结果。6.根据权利要求1所述的一种基于数据挖掘技术的煤矿安全事故预测方法，其特征在于，所述s5中对数据库中事故致因链进行训练，计算其相互间的相似性，并定期将收集到的数据输入到数据库自动进行训练。7.根据权利要求1所述的一种基于数据挖掘技术的煤矿安全事故预测方法，其特征在于，包括样本获取单元：收集事故案例，构建事故案例库；数据处理单元：结合2-4模型分析事故致因因素，并提取事故致因链；模型训练单元：计算出事故致因路径的节点相似度、边相似度以及总路径相似度，训练事故数据；预测单元：根据相似度计算结果预测事故类型、事故严重程度等信息。

技术总结
本发明公开了一种基于数据挖掘技术的煤矿安全事故预测方法，首先构建煤矿事故数据库，基于事故致因2-4模型分析事故风险构成；其次通过事故发生过程构建事故致因链，利用复杂网络理论建立煤矿事故风险网络模型；然后通过计算风险网络的聚类系数等拓扑参数，从“节点—局部模块—全局连接”三个维度揭示事故致因机理；另外，本发明包括一种事故致因链相似度的算法，分别计算出事故致因路径的节点相似度、边相似度以及总路径相似度；最后对数据库中事故致因链进行训练，计算其相互间的相似性。本发明结合复杂网络理论提出事故致因链相似度的计算方法，利用大数据、智能算法对事故进行预测，具有前瞻性与创新性，可有效地提升事故预测的准确性。事故预测的准确性。事故预测的准确性。


技术研发人员：高敏 朱宝岩 王丽新
受保护的技术使用者：辽宁工程技术大学
技术研发日：2022.03.11
技术公布日：2022/6/24