基于主成分分析法的山東省煤礦事故原因分析*

王二鵬，姚 璐，孫學芳，馬漢鵬

(1.華北科技學院 安全工程學院，北京 101601;2.華北科技學院 安全培訓部，北京 101601)

0 引言

煤炭工業作為我國的基礎產業，在現在及未來的國民經濟發展中都起著舉足輕重的作用，從目前我國能源現狀、經濟發展水平和世界能源格局來看，相當長的時期內以煤為主的能源消費結構難以改變[1-3]?？傮w來看，近年來我國煤礦安全生產形勢趨于好轉，以山東省煤礦安全生產形式為例，截止2020年3月，全省境內煤礦共發生事故2起、死亡6人，與2019年同期相比，事故起數增加1起，死亡人數增加5人，同比生產安全事故增長率達到100%[4]，山東省煤礦安全形勢依然面臨著嚴峻挑戰。煤礦安全事故，不僅給煤礦企業造成了嚴重的經濟損失，更對煤礦職工造成嚴重的心理壓力，導致煤礦企業全都面臨著招工難的困擾。為此，對山東省煤礦安全形勢進行分析，以期提高山東省煤礦企業安全生產形勢，減少事故的發生，保障職工的生命財產安全。

李慧敏[2]、李藝昕[3]和王玚[5]等人基于主成分分析法分別對1990—2014年時間段內的全國煤礦死亡人數、事故起數進行分析，得到造成煤礦事故的主要類型；潘懷兵[6]將影響瀝青路面使用性能的因素作為評價指標，基于主成分分析法得出各因素對瀝青路面使用性能的影響程度。付光輝等[7]通過采集城市發展過程中的數據，將主成分分析法運用到評價城市發展速度方面，并得出影響城市發展速度的主要因素。

綜上，我國專家學者對主成分分析法的研究及應用也不少，其中也不乏對煤礦安全領域的研究，但是將主成分分析法應用到部分省份煤礦安全形勢的研究比較少，因此通過收集山東省境內煤礦安全生產事故數據資料，基于SPSS 24.0軟件中的主成分分析法，得出近年來山東省境內煤礦安全生產事故的主要類型，并研究各類型事故之間的相互影響關系，以期為今后山東省煤礦行業更準確的制定防范對策，為減少此類型事故的發生提供參考依據。

1 主成分分析法

1.1 主成分分析的基本思想

主成分分析法是采用降維的思想，在力保數據信息損失最少的原則下，把多個指標轉化為少數幾個綜合指標的一種對多變量數據進行最佳綜合簡化的多元統計方法[8]。即將高維空間雜亂無章的問題轉化為低維空間的線性組合問題，顯然問題的難度就降低了很多。通過轉化而得到的線性組合指標稱為“主成分”。主成分在變差信息量中的比例越大，則在綜合評價中的作用就越大，該法不僅可消除評價指標之間的相關影響，并減少指標選擇的工作量，而且計算過程可用數學軟件進行簡化，計算過程快捷、結果精確。其數學模型如下

(1)

簡寫為

F=μj1X1+μj2X2+…+μjmXm，其中j=1,2,…,m;m≤p。

1.2 主成分分析的基本步驟

數據的采集與標準化：首先將采集到的數據樣本構建一個數據矩陣X=(xij)n×m，其中n為觀測樣本數量，m為單個樣本觀測的指標變量數目。為了統一數量級，對收集到的樣本數據運用SPSS 24.0軟件進行標準化，令標準化數據矩陣為Z=(zij)n×m。

建立相關系數矩陣：由標準化數據矩陣Z=(zij)n×m，計算其相關系數矩陣R=(rij)n×m。

計算特征值、特征向量，確定主成分：由特征方程|λp-R|=0，得到m個特征值λP(p=1,2,…,m)、特征向量Lp=Lp1,Lp2,…Lpm。則主成分表達式為

Fp=Lp1Z1+Lp2Z2+…+LpmZm

(2)

式中,p=1,2,…,m；F1為第1個主成分；F2為第2個主成分；…；Fm為第m個主成分。

主成分的累計貢獻率：選取特征值λp>1的k個指標(k

對k個主成分進行綜合評價：對選取的k個主成分進行線性加權求和，得到主成分的評價得分

(3)

2 應用實例

2.1 數據收集

依據國家煤礦安全監察局和山東省煤礦安全監察局網站公示數據，對2008—2019年山東省煤礦事故起數進行數據收集[9-10]，見表1。

表1 2008—2019年山東省煤礦事故起數統計

通過以上收集的資料，選取山東省煤礦事故中發生次數最多的8類事故作為評價指標變量，即：頂板事故X1、瓦斯事故X2、機電事故X3、運輸事故X4、放炮事故X5、水害事故X6、火災事故X7及其他事故X8，并運用SPSS 24.0軟件對原始數據進行標準化處理，得到標準化評價指標變量：頂板事故Z1、瓦斯事故Z2、機電事故Z3、運輸事故Z4、放炮事故Z5、水害事故Z6、火災事故Z7及其他事故Z8，見表2。

表2 標準化數據

2.2 運用SPSS軟件進行分析、計算

基于SPSS 24.0軟件中的主成分分析法，對標準化處理后的數據進行主成分分析，得到評價指標的相關系數矩陣(表3)以及特征值，確定評價的主因子數，見表4、表5。由表4可知，前3個主成分的特征值大于1，且累計貢獻率為86.065%>85%，故可以提取前3個主成分來表示所有指標所具有的全部信息。

表3 相關系數矩陣

表4 主成分分析表

表5 總方差解釋

根據公式(2)(3)，可以得出相對應的主成分的線性組合為

則山東省煤礦各類事故起數綜合評價函數為

根據表4和主成分的線性組合公式F1、F2、F3可以看出：第1個主成分中瓦斯事故、頂板事故、運輸事故和水害事故的成分得分系數的絕對值分別為0.233、0.207、0.200和0.199，故此4類事故是在第1個主成分中起到決定性的成分，并且此4類指標的得分系數均為正數，呈正相關；同理，第2個主成分中火災事故、運輸事故和水害事故的成分得分系數的絕對值分別為0.544、0.293和0.269，故此3類事故是在第2個主成分中起到決定性的成分；在第3個主成分中機電事故和其他事故的成分得分系數的絕對值分別為0.657和0.524，故此2類事故是在第3個主成分中起到決定性的成分。因此在2008—2019年山東省煤礦事故中瓦斯事故、頂板事故、運輸事故、水害事故、火災事故、機電事故和運輸事故是發生次數較多的事故類型。由于第1主成分的累計貢獻率為52.213%，遠大于第2主成分的貢獻率20.532%，故認為第1主成分代表了所有統計指標變量的全部信息，即2008—2019年山東省煤礦事故中發生次數較多的事故類型為瓦斯事故、頂板事故、運輸事故和水害事故。

3 結論

(1)主成分分析法采用降維的方式，將多種因素之間復雜的作用關系簡化為主成分之間的線性關系，減少各個因素之間的相互影響關系，大大方便了對數據進行系統處理。

(2)主成分分析法仍有一定的局限性，采用主成分分析法對實際問題進行分析處理時，需要大量的數據予以支撐。采集數據時，難免會由于采集的難度過大等問題對分析結果造成一定的干擾。

(3)通過對2008—2019年山東省煤礦事故統計數據進行主成分分析，可以得出近年來山東省煤礦事故中造成發生次數較多的類型為瓦斯事故、頂板事故、運輸事故和水害事故，并且4種事故類型之間存在著較強的關聯性，說明引起這4種事故的原因和機理相互之間具有較大的聯系，某種因素引發一種事故的同時，在該情形下也有可能會導致另一種事故的發生，因此在今后制定防范措施時，必須要關注并綜合考慮各事故之間的聯系，盡可能減少事故的發生。