- 相關推薦
BP評價模型煤礦安全管理論文
1煤礦安全評價指標體系建立
1.1煤礦安全評價等級設置
本文數據來源于山西省煤礦工業管理局提供的典型煤礦安全監測數據。該煤礦現有職工4萬多人，生產礦井7對，生產能力1000萬噸/年；在建礦井2對，設計生產能力480萬噸/年。根據實際情況，將評價煤礦安全等級的狀態分為5級：綠色為安全，藍色為相對安全，黃色為警告，橙色為危險，紅色為極度危險。
2煤礦安全評價數據標準化
根據綜合評價的目標取向不同，本文將指標按照其變化方向分為兩類：正向指標和逆向指標。正向指標（如效益型的、產出型指標）是指那些能夠隨著指標值增大而對綜合評價結果起積極作用的指標；逆向指標（如成本型的、投資型指標）是指那些隨著指標值增大而對綜合評價結果起消極作用的指標。在對對象系統進行綜合評價的過程中，不同指標的量綱之間具有明顯差異，需要對對象系統的各指標值做標準化處理，以消除不同指標之間的量綱差異。
3煤礦安全評價指標賦權
3.1基于因子分析法的客觀賦權
本文從監測數據中整理出20組初始實例樣本數據，作為安全風險評價模型的原始數據。通過因子分析法，結合MATLAB軟件進行統計計算，得到影響煤礦安全的主要影響因素。主要安全影響因素對于安全評價結果的影響力，可依據主成分累計貢獻率從大到小排序，依次為：危險作業場所比例，設備維修保養合格率，設備完好率，作業人員培訓比例，頂板管理難易程度，安全管理人員管理能力，風量供需比，采掘工作面富水系數，技術人員技術素質，平均瓦斯涌出量，作業人員工作能力。
3.2基于層次分析法的主觀賦權
層次結構通常可分為目標層、準則層和方案層。目標層為安全評價，準則層按照人—機—環境分為三層，方案層為因子分析法確定的11個主要影響因子。
4煤礦安全評價模型檢驗
將5組用于模型檢驗的樣本數據分別帶入煤礦安全評價模型，評價結果。模型對煤礦安全等級分類基本準確，結合主成分分析法中的得分計算，不僅可以對煤礦進行安全評價，并且可以得到誘發安全事故的主要影響因素。
5結論
（1）提出基于因子分析法和層次分析法的主客觀組合賦權方法，較為客觀、全面的評價了礦井安全指標在安全評價體系中的影響能力。
（2）將專家經驗存儲在BP神經網絡中，并通過大量現場數據進行學習，可以實時修正由于環境等現場條件變化帶來的評估誤差，使結果盡可能的符合實際情況，為安全評價提供科學、準確的依據。
（3）本文提出的基于BP神經網絡和組合賦權的煤礦安全評價模型有助于樹立煤礦安全管理的規范性、權威性、公正性和責任性，對大力推動煤礦安全評價工作的開展和管理，提高企業的安全投入決策和安全效益水平，減少事故特別是重大事故的發生具有重要意義。
【BP評價模型煤礦安全管理論文】相關文章：
基于BP算法的信用風險評價模型研究04-27
基于AHP模型的煤礦安全預評價05-02
基于隨機樣本的BP模型在水質評價中的應用04-25
變化-失誤致災模型與煤礦安全決策管理04-27
激光陀螺溫度誤差的多因素BP網絡模型04-28
BAF處理系統的BP神經網絡模型04-25
基于改進BP神經網絡模型的蘇帕河流域梯級電站水質綜合評價05-03
基于BP網絡的降雨-水位預報模型應用研究05-01
基于BP神經網絡的飛行體姿態預測模型05-02