基于SPSS的我國煤礦較大事故研究

苗增 唐建權

摘 ? 要：我國煤礦事故頻發，而煤炭又是我國最重要的能源。為研究煤礦安全生產事故死亡人數與各類型礦山事故發生次數的相關性，文章統計分析了我國2009—2017年的煤礦較大及以上事故的數據，并結合SPSS軟件和統計圖分析，運用貴州六盤水地區的數據進行校驗，找出一些事故發生的規律，并提出建議措施，降低和減少我國較大事故的發生。

關鍵詞：礦山事故;大數據分析;SPSS軟件;應急預警;安全管理

1 ? ?關于煤礦事故的相關研究

近年來，隨著我國經濟的發展和相關政策的支持，煤炭的基礎能源地位不斷占據著非常重要的作用。煤礦安全生產事故是我國除了道路交通事故以外的最大事故，礦難造成礦工的死亡，讓家庭失去支柱，事故一旦發生，造成的后果令人惋惜。為此，很多國內的學者也紛紛開始進行這方面的研究。

2009年，Chen等[1]認為，應急預案在很大程度上可以指導應急事故發生時的處理，并減少事故的損失。2010年Sheu[2]通過構建一個救災的動態管理模型，嘗試解決應急管理過程中的救災需求問題。

2014年，馬尚年[3]通過對事故的研究，得出結論：事故的發生大多是不健康的心理、心存僥幸、認知問題等人為的不安全操作行為引發的。2017年，鄭廣沈[4]通過運用大數據分析技術，對煤碳產、運、銷進行系統地分析，通過建立一個良好的數據模型，達到運用信息網絡系統來改善當前的安全生產狀況的目的，提高應急管理的能力。2015年，苗增[5]運用SWOT分析法，指出可以通過統一的信息化平臺來提高和完善當前的安全現狀，進而改善我國安全生產過程中對突發事故的應急預警能力。2015年，劉盼紅通過對煤炭生產過程中的事故成因進行分析，指出可以基于大數據的礦山安全預警信息系統來準確地對礦山安全隱患提出事故的預警。2016年，鄭磊通過對我國煤礦生產特征進行分析，提出當前煤炭行業面臨供給側改革，煤礦安全管理也應當適當地轉變。總而言之，運用大數據分析的方式以及SPSS軟件，可以在一定程度上更好地指導我國煤礦安全生產水平的提高。

本文摘錄了國家應急救援部（前國家安全生產監督管理局）2009—2017年我國較大以上事故死亡人數及事故類型統計，并建立表格，如表1所示。

2 ? ?SPSS軟件介紹與事故介紹

2.1 ?SPSS介紹

SPSS軟件集數據錄入、整理、分析功能于一身，用戶可以根據自己的需要選擇數據分析方法，使用性較強。筆者通過運用SPSS回歸分析和偏相關分析，找出事故死亡人數與經濟損失之間的關系，以及各類事故與經濟損失之間的相關性大小。

2.2 ?事故類型的分析和評價

（1）瓦斯事故：包括瓦斯爆炸事故、煤與瓦斯突出事故。瓦斯事故多發生在高瓦斯礦井，瓦斯主要的成分是CH4，具體體現形式包括瓦斯突出、瓦斯爆炸等。

（2）透水事故：煤礦透水是指在坑道里采煤礦的時候，挖穿洞壁接通地下水或者積水的廢棄坑道而引發的事故。當淹井事故發生的時候，礦井一般難以在短期之內繼續開采，而發生透水事故時，當透水量較大的時候，會造成人員被困、礦工被淹死等悲慘遭遇。屬于井下較大以上事故。

（3）火災事故：礦井火災又叫礦內火災或井下火災，是指發生在煤礦井下巷道、工作面、硐室、采空區等地點的火災。礦井發生的火災（包括危及井下的地面火災），常招致人員傷亡、設備損失、礦井停產、資源破壞，甚至引起瓦斯、煤塵或硫化礦塵爆炸。

（4）頂板事故：是指在地下采煤過程中，因為支護問題導致頂板意外冒落造成人員傷亡、設備損壞、生產終止等的事故。據資料顯示，過去頂板事故的死亡人數占全部死亡人數的40%以上。

（5）中毒/窒息事故：井下中毒事故一般指在采掘過程中，因為井下的打鉆、放炮、自燃等條件引發的一氧化碳中毒，或者是因為老窯水引發的硫化氫中毒的事故。因為中毒和窒息的機理較相似，本文將合并討論。

（6）其他事故：在礦井安全生產過程中，存在其他事故的發生可能性。

2.3 ?基于風險評估矩陣的事故風險管理

風險矩陣法（Risk Matrix）是一種能夠把危險發生的可能性和傷害的嚴重程度綜合評估風險大小的定性的風險評估分析方法，一般包括風險識別、風險評價、風險規避以及風險監控4個階段[1]。

（1）對于瓦斯事故（X1）而言，一般具有較大的發生可能性，并且危害較大，應當作為特別重點監管的對象，做好風險評估工作。

（2）對于透水事故（X2）而言，發生可能性中等、風險程度中等。

（3）對于頂板事故（X4）而言，一般具有較大的發生可能性，但事故后果嚴重度較小。

（4）對于火災事故（X3）而言，一般具有較大的事故嚴重度，但是發生風險水平一般，瓦斯、頂板、火災這3類事故應當列為重點監管對象，進行安全生產的監管。

（5）對于其他事故，一般不具有較大的發生可能性和事故嚴重度，應當列為監察對象，在監管過程中僅需定期檢查。煤礦較大事故風險矩陣如圖1所示，事故秩和校驗分析如表2所示。

3 ? ?模型建立及校驗

3.1 ?死亡人數相關性的秩和校驗

假設：

H0：事故發生次數與死亡人數構成之間無直線相關關系。

H1：事故發生次數與死亡人數構成之間有直線相關關系。

求得rs的值為0.885 7。本題目中n=6，查的界值表，得γs，α=0.829<0.885 7。

按α=0.05水準拒絕H0，接受H1，可認為煤礦較大及以上事故中，事故發生原因和事故死亡人數存在正相關關系。

結論：煤礦較大事故中，事故發生的次數與事故的死亡人數存在正相關關系。

3.2 ?事故與死亡人數模型的建立

根據事故的平均數進行分析，運用SPSS軟件可以構建以下模型：

Y=aX1+bX2+cX3+dX4+eX5+fX6+η

其中，Y為事故死亡人數，X1為瓦斯事故，X2為水害事故，X3為火災事故，X4頂板事故，X5中毒/窒息事故，X6為其他事故，η為誤差。

運用SPSS軟件進行計算，求解得：a=8.62，b=7.26，c=12.62，d=4.32，e=6.13，f=4.91，R2=0.913 2，F=680.32，sig=0.000，durbin-watson=1.468。

為此，可以得出煤礦較大事故與煤礦較大事故死亡人數之間的關系為：

Y=8.62X1+7.26X2+12.62X3+4.32X4+6.13X5+4.91X6+η

3.3 ?較大以上事故模型的校驗

通過模型的對比和建立，通過分析貴州六盤水地區的較大以上事故，根據表1數據可以得出，共發生4種類型的較大以上事故：瓦斯事故6起，死亡人數為73人;透水事故1起，死亡3人;頂板事故2起，死亡7人。

代入回歸方程計算，求得理論值為：=51.72+7.26+8.64 =67.62（人）;而實際值為：Y=83;殘差=15.38;誤差比率e/Y=18.53%。根據線性回歸模型的對比可知，該模型在六盤水地區具有一定的的可靠度[6]。

4 ? ?結語

（1）通過Spearman秩和校驗，并根據六盤水市較大以上事故的模型進行認證，預測模型具有一定的準確性和積極意義。

（2）從事故發生次數而言，瓦斯事故和頂板事故是事故發生的高發區，應當降低現場管理安全隱患;從死亡人數的校驗而言，火災事故、瓦斯事故具有著較大的人員傷亡，應當從本質安全的角度考慮。

（3）從風險管理的角度而言，瓦斯事故屬于4級特別重點監管的;水害事故、火災事故、頂板事故屬于3級重點監管的風險;中毒/窒息事故、其他事故屬于一般事故。

（4）本文建立了事故模型：

Y=8.62X1+7.26X2+12.62X3+4.32X4+6.13X5+4.91X6+η。

（5）本文運用貴州六盤水地區的煤礦較大事故的發生情況，并驗證了模型。

[參考文獻]

[1]CHEN G H，ZHANG X M.Fuzzy-based methodology for performance assessment of emergency planning and its application[J].Journal of Loss Prevention in the Process Industries，2009（2）：125-132.

[2]Sheu J B.Dynamic relief-demand management for emergency logistics operations under large-scale disaster[J].Transportation Research Part E（Logistics and Transportation Review），2010（1）：1-17.

[3]馬尚權.不安全操作行為在煤礦事故中的特征及防治措施[J].華北科技學院學報，2014（2）：99-104.

[4]鄭廣沈，倪江林，張永彬，等.大數據時代對傳統礦業產運銷系統帶來的變革[J].無線互聯科技，2017（13）：135-137.

[5]苗增，汪譽，李季.安全專業軟件SWOT分析法[J].華北科技學院學報，2015（2）：86-89.

[6]王柳順，黃東升，段文陽.風險矩陣法在突發公共事件風險評估中的運用[J].疾病監測，2017（12）：948-951.