煤礦應急物資需求預測與虛擬演練系統研究

趙紅澤，張超力

(中國礦業大學(北京) 能源與礦業學院，北京 100083)

我國近年來煤炭百萬噸死亡率逐年下降，煤礦安全生產形勢實現根本性好轉，但與發達國家相比，我國的煤礦安全生產水平依然有很大差距。由于煤礦生產環境的復雜性，特別是近年來煤礦開采深度不斷加大，煤礦安全生產依然面臨嚴峻的挑戰[1]。從2014年的馬航事件，2015年的“東方之星”客輪翻沉事件，天津港爆炸事件，再到今年的新冠疫情，引發了社會對我國公共安全應急救援能力建設問題的思考。著眼于構建統一領導、權責一致、權威高效的國家應急能力體系，在2018年十三屆全國人大一次會議上，國務院組建應急管理部[2]。新部門的成立在很大程度上有利于提升應對復雜性突發事件的能力，是我國加強現代應急管理的一個重要舉措[3]。因此，如何在事故發生初期結合有限的信息，對應急救援過程中所需要的應急物資需求進行預測，保證應急救援物資準確高效地調配至事故地點，最大程度上減輕事故造成的損失，挽救更多的生命，對于提高煤礦企業應急救援能力具有重大意義[4-6]。因此，研究煤礦應急救援物資需求的問題不僅具有重要的理論意義，而且具有重大的社會意義[7]。

1 案例推理理論

案例推理技術是人工智能發展成熟的一個分支，CBR基于這樣一個事實：人們在解決新的問題時總是先試圖從以往的經驗中找到案例從而得到答案或者啟發。例如對于煤礦事故應急救援，對于相同種類的事故，在事故救援中的一些救援措施具有很強的可參考性。

CBR正是對新問題求解的抽象解釋：把當前問題與過往曾經成功解決的問題進行匹配，從中得到答案或者啟發，在案例匹配的過程中，可能需要對案例庫中檢索到匹配案例的解決方案進行修改，使其更加符合當前問題的具體情況。

案例推理可以看成一個4R的循環過程，即案例檢索、案例重用、案例修改調整、案例學習四個步驟的循環，其流程如圖1所示[8]。

圖1 案例推理流程

2 基于案例推理的煤礦應急物資需求預測模型構建

2.1 需求預測方法對比確定

煤礦應急救援物資需求預測是一個多輸入單輸出或者多輸入多輸出的一種預測問題，并且輸入和輸出的結果具有邏輯上的因果聯系。經過對預測方法的研究，對于多個因變量的預測方法主要有多元線性回歸預測、案例推理預測、神經網絡預測等方法。各預測方法優缺點見表1。

表1 預測方法對比表

由于多元線性回歸預測對于自變量和預測量之間的線性關系要求高，樣本數據的質量和數量要求較高；神經網絡預測方法的結果不穩定，具有波動性大等限制和不足，樣本數量要求大；案例推理是一種定性、定量結合的方法，學習能力和適應性較強，求解效率高，在煤礦事故應急救援的過程中，不同事故的危害程度不同，也決定了應急資源需求的多少。所以不同煤礦事故的屬性相似性使得采用案例推理理論在煤礦事故應急救援資源需求預測領域具有了理論基礎，因此，根據煤礦事故應急救援的特點，本文采用案例推理對煤礦應急救援物資需求進行預測。

2.2 煤礦事故應急救援案例組成與表示

煤礦事故應急救援同地震、水災等自然災害事故的救援不同，煤礦事故種類繁多，按照事故性質的不同可分為頂板、瓦斯、機電、運輸、放炮、火災、水害和其他八類事故，對于不同類型的事故，也因為發生原因、環境、地理位置、地質條件的不同導致處理方式的不同，例如，對于瓦斯事故，根據事故原因的不同又分為瓦斯爆炸、煤塵爆炸、煤與瓦斯突出等類型。同時，對于不同類型的煤礦事故，應急救援所需的救援物資也不同，例如，對于火災事故，不僅需要氧氣瓶、呼吸機等生命救援設備，也需要針對火災事故的CO2滅火器。對于透水事故，需要水泥進行井下筑壩和大功率水泵進行抽水。針對煤礦應急救援案例的復雜性，本文采用公共屬性與私有屬性結合的案例表示方式，公共類型屬性為事故類型、年產量、傷亡人數、經濟損失等，私有屬性為不同類型煤礦事故的細分屬性。

煤礦應急救援案例庫包括案例屬性和應急資源數量，可以將煤礦應急救援案例模型化[9]，如式(1)所示。

case(F，W，R)

(1)

式中，F為煤礦應急救援案例屬性集；W為屬性權重集；R為案例應急資源需求集合。

2.3 屬性權重的確定

在建立煤礦應急救援的案例庫之后，當新的事故發生時，就可以在案例庫中檢索匹配最佳案例，在案例檢索之前還要確定各屬性值的權重，目前屬性權重的確定主要有主觀賦權法和客觀賦權法兩類，由于上述兩種方法各有利弊，為了能夠全面反映屬性的重要性，本文采用二者相結合的方法，首先采用AHP方法計算各屬性的權重，然后利用熵技術對得到的權重系數進行修正，把修正后的系數作為最終的權重系數。

2.3.1 層次分析法確定權重

第一步：構建層次結構模型。根據所描述的問題建立目標層、準則層、方案層三層層次結構模型。

第二步：構建判斷矩陣C。

第三步：進行層次單排列計算。根據式(2)計算矩陣每行標度乘積的n次方根，通過式(3)進行歸一化處理，得到指標權重。

第四步：通過一致性檢驗，以確定其是否有滿意的一致性，如果不滿足一致性要求，則要調整判斷矩陣的數據，直到滿足一致性要求為止。

2.3.2 基于熵權法修正權系數

熵最早由信息論之父香農引入信息論中，信息熵越大，說明該屬性提供的信息量越大，在案例中所起的作用越大，權重也應該越大。因此信息熵可作為一種客觀賦權法，結合層次分析法對指標權重進行修正，最終得到客觀的指標權重。

第一步：計算屬性的熵φj和差異系數ηj。首先根據式(4)對判斷矩陣做歸一化處理，第j項的熵φj的計算公式如(5)所示。其中，k=1/lnm，m為案例庫中指標屬性的個數，從而得到第j項屬性的差異系數為：ηj=1-φj。

第二步：求修正系數θj。

第三步：根據修正系數θj得到通過熵技術修正后的權重向量δj，如式(7)所示。

通過上述計算完成了基于熵技術的屬性權值修正，可以進行下一步的案例相似度計算。

2.4 改進的案例檢索方法

目前常用的案例檢索算法有最近鄰法、神經網絡法、知識引導法、歸納索引法。由于煤礦應急救援案例庫的復雜性，屬性的多樣性，不僅包含數值型屬性，而且包含文本型屬性，難以在多屬性情況下得出一個綜合相似度度量值。本文針對數值型屬性，采用基于歐氏距離的最近鄰算法計算相似度，針對文本型屬性，以模計算其相似度，最后根據數值型屬性和文本型屬性的權重計算案例的全局相似度。

第一步，對目標案例及源案例中的數值型屬性根據式(8)進行歸一化處理。

第二步，計算局部相似度。對于數值型屬性，采用最近鄰算法計算其局部相似度，可以用歐氏距離計算兩個案例特征屬性之間的距離，計算出它們之間的相似度，其相似度公式如(9)所示。對于文本型屬性，一種是屬性取值僅有兩個狀態，一種是有多于兩個的狀態值，用模計算其相似度，其相似度定義如式(10)所示。

第三步，計算全局相似度。全局相似度為數值型屬性局部相似度和文本型屬性局部相似度的加權之和。

最終計算出的全局相似度越大，源案例與目標案例越匹配，最后找出相似度最大的源案例即為最相似案例，則檢索到的最相似案例的物資調配情況可以作為目標案例所需資源量進行應急救援物資調配。

3 實例驗證

3.1 案例概述

2014年4月27日內蒙古興通煤礦11B07綜采工作面發生瓦斯燃燒事故，由于火勢發展迅速，近距離無法封閉，被迫進行全礦封閉，事故造成經濟損失兩千萬元。事故發生后，平莊煤業公司救護大隊出動液態二氧化碳滅火裝備、氣體化驗車等救援裝備，對已封閉的礦井利用灌注液態二氧化碳的方法進行惰化，合計注入151.5t液態二氧化碳，既達到了抑制瓦斯煤塵爆炸、保護救災人員安全的目的，又收到了快速撲滅災區火源、降低災區溫度的顯著效果，啟封過程中氧氣濃度始終在10% 以下，溫度低于18℃，為救護隊員啟封火區創造了相對有利的條件。本文以煤礦火災事故應急救援物資需求量的預測為實例，對構建的基于案例推理的煤礦應急救援物資需求預測模型進行驗證。

3.2 層次分析法確定權重

這里選擇我國過去礦井火災事故案例作為案例庫[10-12]，對新案例進行預測分析。具體的火災事故案例見表2。

表2 煤礦火災事故應急救援案例

通過向煤礦安全技術人員、行業專家發放調查問卷，收集評判數據得到了指標判斷矩陣如下：

計算判斷矩陣一致性指標：

隨機一致性比率CR小于0.1，表明判斷矩陣符合一致性檢驗指標，基本符合現場實際情況，一致性檢驗較好，得到煤礦火災事故案例的五個屬性權重為：

ω1=0.0629，ω2=0.1150，ω3=0.2494，

ω4=0.4063，ω5=0.1664

3.3 基于信息熵技術的案例權重修正

根據上文方法對判斷矩陣進行歸一化處理，得到屬性權重的歸一化判斷矩陣：

將歸一化后的判斷矩陣代入式(6)—式(7)中，依次得到信息熵φj，差異系數η，修正系數θj，使用熵信息技術修正后得權重δj，各參數數據見表3。

表3 權重修正參數表

最終得到經過熵信息技術修正后的煤礦火災事故應急救援屬性權重為：年產量δ1=0.0390，傷亡人數δ2=0.0850，可燃物種類δ3=0.3156，火災類型δ4=0.3288，持續時間δ5=0.2316。

接下來對目標案例和源案例中數值型屬性進行歸一化處理，然后計算相似度，按照式(8)—式(11)分別計算數值型屬性和文本型屬性的局部相似度以及全局相似度，計算結果見表4。

表4 案例相似度計算表

經過計算，案例D為目標案例的最佳匹配案例，案例D在應急救援過程中調配液態二氧化碳罐車10輛，即190t，目標案例興通煤礦“4.27”事故救援過程中，實際使用的液態二氧化碳罐車8輛，151.5t。經過案例分析，可見構建的方法符合實際情況。如果在事故發生初期，按照該方法對應急資源進行預測，將大大增加救援的科學性和有效性。

4 結 論

1)針對煤礦事故應急救援的特點，建立了公共屬性結合私有屬性的煤礦應急救援物資需求案例庫，為煤礦應急救援物資需求案例庫的構建提供了框架。

2)由于傳統的案例推理檢索方法無法滿足煤礦應急救援物資需求案例檢索的要求，本文構建了針對文本屬性以模求其相似度，針對數值型屬性以最近鄰法求其相似度的改進混合案例檢索方法。

3)結合實際煤礦應急救援案例，建立煤礦火災事故應急救援物資需求案例庫，結合本文的方法進行計算，結果顯示所需物資預測量符合實際情況，驗證了模型的有效性。

4)基于以上研究成果，開發煤礦應急物資儲備及調度虛擬演練系統，可有效提高煤礦應急物資儲備和調度的可靠性及時效性，結合GIS系統和三維可視化系統應用于教學培訓中，可直觀展示應急物資的滿足程度、儲存狀態、調配流程和欠缺情況，為礦山應急救援等課程的實驗教學提供支撐，豐富教學形式與內容。