基于多目標模型的煤與瓦斯突出風險分類方法研究

令狐建設 臧 杰

（1.華陽新材料科技集團有限公司，山西 陽泉 045000；2.中國礦業大學（北京） 應急管理與安全工程學院，北京 100083）

我國煤礦眾多、生產條件和地質條件差異較大，各礦區不同區域煤與瓦斯突出災害表現形式差異也較大，其中陽泉礦區尤為明顯。根據礦區不同區域的具體情況，在煤礦瓦斯標準化管理的基礎上[1-2]，建立瓦斯風險防控技術和管理體系的災害分類控制方法，實現標準化和差異化聯合管控，對提升瓦斯災害風險防控能力具有重要的意義。

目前，以數據信息為研究基礎，結合數據挖掘方法和數據處理技術，分析煤與瓦斯突出的孕育、發生、發展規律和模式，進而對突出風險預測和預警，實現煤與瓦斯突出災害的有效防控。目前常用的數據挖掘和數據處理方法有主成分分析法[3-4]、層次分析法[5]、模糊聚類法[6]、灰色關聯法[6]、支持向量機法[7]等。

本文將數據挖掘技術與多目標智能加權灰靶決策模型相結合，以陽泉礦區煤與瓦斯突出風險為研究對象，分析陽泉礦區煤與瓦斯突出影響因素之間的作用關系，對突出風險差異進行分類研究，以便針對不同突出風險進行差異化防控，進而提升煤礦突出防控的整體水平。

1 多目標智能加權灰靶決策模型

多目標智能加權灰靶決策模型屬于灰色決策方法，該方法將不同含義、維度和性質的決策目標（煤與瓦斯突出風險）轉化為具有一致性效果的測度，以灰靶臨界值作為測度函數的正負分界點（即零點）來評價一致性效果，并以灰靶臨界值作為灰靶決策的目標中心。圖1 是基于多目標智能加權灰靶決策模型的煤與瓦斯突出風險分類示意圖。

圖1 煤與瓦斯突出風險灰靶決策分類示意圖

如圖1 所示，對于煤與瓦斯突出風險而言，當風險值在圖中圓形范圍內即稱為“中靶”，否則“脫靶”。靶心值為1，風險值越接近1，即代表越接近靶心，其煤與瓦斯突出風險相應越大。反之，在圓形范圍外則代表風險值小于0，無煤與瓦斯突出風險。本文將風險值r=0.3 作為靶心與靶心外圍的分界值：當r＆gt;0.3 時，樣本工作面的突出煤量多大于100 t，具有強煤與瓦斯突出風險；當0＆lt;r＆lt;0.3 時，樣本工作面的煤與瓦斯突出煤量大多在0 至100 t之間，為弱突出風險；當r＆lt;0 時，樣本工作面無突出風險。

圖2 為煤與瓦斯突出風險多目標智能加權灰靶決策模型的主要內容，其具體步驟如下：

圖2 模型內容示意圖

第一步：根據煤與瓦斯突出風險事件集A 和對策集B 構造煤與瓦斯突出風險分類決策方案集S。

第二步：確定煤與瓦斯突出風險分類決策目標k。

第三步：確定煤與瓦斯突出風險分類各目標的決策權。

任務型教學法(task-based approach)，全稱為“以任務為基礎的教學法”。20世紀80年代以來逐漸形成和發展起來，并成為廣大應用語言學家和外語教學實踐者認可和接受的外語教學途徑。任務型教學法主張通過運用來達到掌握語言的目標，其理論基礎為輸入與互動假設（input and interaction hypothesis）。

第四步：對煤與瓦斯突出風險分類目標k，求解相應的目標效果樣本矩陣

（1）效益型煤與瓦斯突出風險目標效果測度函數

第五步：設定目標效果臨界值。

第六步：求k目標下的一致效果測度矩陣

2 煤與瓦斯突出風險差異化分類實例

根據多目標智能加權灰靶決策模型對陽泉礦區各煤礦工作面瓦斯突出風險等級進行分類，以驗證模型的適用性和準確性。

在煤與瓦斯突出風險分類研究中，各決策要素如下所示：

事件a1=煤與瓦斯突出風險分類；

對策b1、b2、b3=強、弱、無；

根據灰色關聯分析結果，選取目標對象為煤體堅固性系數X1、煤層厚度X2、煤的破壞類型X3、煤層瓦斯含量X4、煤層瓦斯壓力X5、煤層透氣性X6、瓦斯放散初速度X7、地應力X8、開采深度X9、地質構造復雜度X10。

（1）煤與瓦斯突出風險分類

① 煤與瓦斯突出風險分類指標

根據灰色關聯分析結果，煤與瓦斯突出風險分類指標與目標對象一致，為上述目標對象對應的十個指標。

② 樣本矩陣的建立

利用建立的多目標智能加權灰靶決策模型，將在陽泉礦區新景礦、新元礦和寺家莊礦典型突出樣本數據作為決策樣本，建立樣本矩陣，見表1。

表1 陽泉礦區煤與瓦斯突出風險樣本數據

③ 一致效果測度矩陣的建立

依據《煤礦安全規程》《防治煤與瓦斯突出細則》等文件規定，并結合陽泉礦區以往煤與瓦斯突出的經驗數據，確定了各指標臨界值，見表2。

表2 指標臨界值

④ 指標決策權的確定

將突出煤量作為煤與瓦斯突出風險分類母序列因素，其他指標作為子因素，計算出各指標與突出煤量的關聯度，經過歸一化得到各個指標相對于突出煤量的影響權重集，見表3。

表3 指標影響權重值

3 分類結果及分析

將突出單項指標臨界值作為“靶心”，也稱“最優”局勢，根據各指標與靶心之間的偏離程度作為判定各指標相對于該“最優”局勢優和劣的程度。經計算得到綜合效果測度，將量化計算的突出強度結果與實際突出強度進行比較，見表 4 所列。

從表4 可以看出，模型計算結果與實際結果具有較高的一致性，證明該模型可以在很大程度上對煤與瓦斯突出風險進行分類。

表4 煤與瓦斯突出風險分類計算結果與實際情況對比

4 結論

（1）針對陽泉礦區煤層地質條件及瓦斯賦存特征，綜合考慮煤與瓦斯突出風險控制因素復雜多變的特點，運用灰色關聯分析法，構建了符合陽泉礦區煤層地質條件及瓦斯賦存特征的煤與瓦斯突出風險分類指標體系。

（2）根據多目標智能加權灰靶決策模型的基本原理，建立了符合陽泉礦區條件的煤與瓦斯突出風險差異化分類模型，利用兩種理論方法各自特點，降低了煤與瓦斯突出風險差異化分類指標以及分類結果的不確定性。

（3）采用在陽泉礦區收集的實際樣本數據對模型進行驗證，結果顯示模型分類結果與實際情況具有較高的一致性，表明所建模型可以實現陽泉礦區煤與瓦斯突出風險等級的差異化分類。