一种非煤矿山安全风险评估分级方法及系统与流程

1.本发明涉及风险评估技术领域，具体涉及一种非煤矿山安全风险评估分级方法及系统。


背景技术：

2.百业矿为先，作为一个能源类的行业，是我国民经济基础产业、国家战略安全的重要保障。矿业对于我国经济的发展和人民生活水平的提高做出了巨大的贡献。然而，我国非煤矿山安全生产基础依旧薄弱，企业数量多、规模小、装备水平差，制约非煤矿山安全生产水平提升的基本面尚未根本改变。非煤矿山可能发生物体打击、车辆伤害、爆炸、中毒窒息、火灾、透水、坍塌等十类主要事故，较大矿山事故仍不断发生，死亡人数居高不下，面临一系列的挑战。现阶段，我国对非煤矿山的安全评估方法较多，常用的是安全检查表法、预先危险性分析法等定性评估分析，未进行定量评估，使安全生产监督管理部门无监管依据，对非煤矿山的安全风险管控没有起到根本的作用，因此，急需一种相对完整科学的安全评价体系能够系统、合理、精准的非煤矿山安全风险评估与分级方法及系统。


技术实现要素：

3.本发明的目的在于针对现有技术的缺陷和不足，提供一种非煤矿山安全风险评估分级方法及系统，通过设置指标采集装置及云端数据采集存储中心，能够采集并储存依据相关安全标准规定的企业的固有风险、企业设备设施、企业安全管理水平、企业人员素质、企业安全业绩的各安全风险评估指标，形成安全风险评估指标数据库；通过安全风险评估分级系统，建立安全风险评估初始模型，再通过前馈神经网络强化学习算法对所述安全风险评估初始模型进行训练、优化，形成成熟的安全风险评估模型，使评估结果更趋精准；通过所述安全风险评估模型通过层次分析法、风险指数权重法，再结合多位行业专家预设的各指标的初始权重值，能够构建评估指标重要性判断矩阵，经处理装置分析、计算、筛选及数据报警系统对异常及错误信息的预警，使最终形成的权重值更加合理、准确，计算出企业安全风险值及对应的安全风险等级系统、合理、精准，非煤矿山对安全风险状况一目了然。
4.为实现上述目的，本发明采用的技术方案：
5.一种非煤矿山安全风险评估分级方法，包括如下步骤：
6.s1.获取非煤矿山依据相关安全标准规定的企业的固有风险、企业设备设施、企业安全管理水平、企业人员素质、企业安全业绩的安全风险评估指标。
7.s2.将所述安全风险评估指标输入非煤矿山安全风险评估系统，形成安全风险评估初始模型。
8.s3.获取非煤矿山企业填报的安全风险评估指标具体信息，并获取安全风险评估指标预设的期望阈值，经预先训练好的所述安全风险评估初始模型自动筛选、优化得到优化后的评估指标，建立最终的企业安全风险评估模型，系统自动计算企业的安全风险值，获取并输出企业的安全风险值及对应的安全风险等级。
9.在步骤s1中，企业的固有风险、企业设备设施、企业安全管理水平、企业人员素质、企业安全业绩均包括至少一项安全风险评估指标。
10.在步骤s2中，所述安全风险评估初始模型是通过层次分析法与风险指数权重法相结合，形成综合性企业安全风险评估方法，步骤包括：
11.采用层次分析法将各类安全风险评估指标归类、分级，其中，相邻的上级指标包含下级指标，呈树状图型分布。
12.采用风险指数权重法，依据各安全风险评估指标对企业整体安全风险重要度设置各指标的初始权重值，形成安全风险评估初始模型。
13.优选地，在步骤s3中，所述安全风险评估初始模型对安全风险评估指标优化和筛选，重新构建评估指标及重要性判断矩阵，得到各项指标优化后的权重值，获得最终的企业安全风险评估模型，再次利用上述计算方法，获取并输出企业的安全风险值及对应的安全风险等级。
14.优选地，步骤s1还包括：所述企业的固有风险的评估指标包括：企业人数、施工情况、井下同期作业人数、开采深度、开拓方式、采矿方法、采空区情况、水文地质条件、工程地质条件和周边环境中的至少一项。
15.所述企业设备设施评估指标包括：排水系统、通风系统、提升运输系统、安全避险“六大系统”、机械化程度、设备定期检测检验、有无矿用安全标志中的至少一项。
16.所述企业安全管理水平评估指标包括：安全生产标准化达标等级、安全评价报告、定期开展安全教育培训情况、应急预案、应急演练中的至少一项。
17.所述企业人员素质评估指标包括：特种作业人员、专业技术人员、应急救援队伍中的至少一项。
18.所述企业安全业绩评估指标包括：隐患排查情况、隐患整改、行政处罚情况中的至少一项。
19.优选地，步骤s2中，依据各安全风险评估指标对企业整体安全风险重要度设置各指标的初始权重值，包括有多名行业专家依据同一级两两指标间对企业整体安全风险影响重要度设置初始权重值，从而形成判断矩阵，其中，行业专家应不少于7位。
20.优选地，步骤s3中，所述安全风险评估初始模型依据所述期望阈值、筛选、优化各安全风险评估指标及所述初始权重值，形成安全风险评估模型，所述安全风险评估模型对判断矩阵重新计算，获得最终的安全风险评估指标权重值，获取并输出企业的安全风险值及对应的安全风险等级。
21.进一步地，步骤s3中，在安全风险评估前，所述安全风险评估系统将低于所述期望阈值安全风险评估指标,或与所述安全风险评估系统的数据库中预设的指标信息不匹配的安全风险评估指标发出异常警告信号，进行错误预警。
22.进一步地，所述安全风险评估模型对判断矩阵计算的具体步骤：
23.第j个各安全风险评估指标的平均权重值按照下式计算：
[0024][0025]
式中，w
ij
表示各安全风险评估指标i相对于各安全风险评估指标j的权重，各安全
风险评估指标i与各安全风险评估指标j表示不同的指标；
[0026]
表示各安全风险评估指标j的权重平均权重值；
[0027]
n表示安全风险评估指标的总数量；
[0028]
安全风险评估指标j的标准方差按照下式计算：
[0029][0030]
假定所有结果服从正态分布，根据和可以确定一个置信区间，即
[0031][0032]
式中，表示置信区间是在预先确定好的显著性水平，将设为0.05；为置信度，是标准正态分布上的分位点，可以从标准正态分布表中查得。
[0033]
获得由一个专家设定的初始权重值优化后得到的权重值；将所有专家设定的初始权重值优化后得到的权重值相加后再计算平均值，即获得安全风险评估指标j的最终的权重值。
[0034]
优选地，通过前馈神经网络强化学习算法对所述安全风险评估模型进行训练的方法包括：
[0035]
以各安全风险评估指标对企业整体安全风险重要度设置各指标的初始权重值，采用前馈神经网络强化学习算法对所述安全风险评估初始模型进行训练，通过层次分析法与风险指数权重法相结合，得到各项各安全风险评估指标训练后权重值。
[0036]
筛选并剔除训练后权重值过小的各安全风险评估指标，并重新采用前馈神经网络强化学习算法对所述安全风险评估初始模型进行训练，得到优化的安全风险评估模型。
[0037]
进一步地，非煤矿山的安全风险评估模型应满足下表的要求：
[0038]
[0039]
[0040]
[0041][0042]
本发明提供一种非煤矿山安全风险评估分级系统，包括：
[0043]
指标采集装置、云端数据采集存储中心、自动筛选系统、处理装置、数据报警系统和显示系统。
[0044]
所述指标采集装置用于收集企业的所有安全风险评估指标，并上传至所述云端数据采集存储中心，从而建立一个企业安全风险评估指标数据库。
[0045]
所述云端数据采集存储中心与所述指标采集装置相连，用于存储所有安全风险评估指标，形成数据库。
[0046]
自动筛选系统用于从数据库里获取初始评估指标，通过与所述安全标准规定的安全风险评估指标比对、优化，筛选，得到最终符合企业特定的评估指标；将经计算权重值过小的安全风险评估指标筛选出。
[0047]
处理装置用于层次分析法和风险指数权重法的分析、计算。
[0048]
数据报警系统用于监测各项评估指标真实性和有效性，将低于期望阈值的安全风险评估指标、与所述数据库中预设的指标类型不匹配的信息发出异常警告信号，进行错误预警，以及各指标在计算权重过程中数据分配的合理性和科学性。
[0049]
显示系统，主要用于显示非煤矿山企业安全风险评估模型、企业安全风险值、企业安全风险评估等级以及数据报警系统出现的报警信息。
[0050]
需要说明的是：非煤矿山安全风险评估模型表中，安全生产风险分级符合《国家安全监管总局关于非煤矿山安全生产风险分级监管工作的指导意见》 (安监总管一〔2015〕91号)的规定；《国家安全监管总局关于全面开展非煤矿山“三项监管”工作的通知》(安监总管一〔2015〕22号)、《金属非金属矿山重大生产安全事故隐患判定标准》、《关于调整部分矿种矿山生产建设规模标准的通知》(国土资发[2004]208号)的规定。
[0051]
需要说明的是：企业设备设施“六大系统”执行《金属非金属地下矿山安全避险“六大系统”安装使用和监督检查暂行规定》，包括监测监控系统、井下人员定位系统、井下紧急避险系统、矿井压风自救系统、矿井供水施救系统和矿井通信联络系统。
附图说明
[0052]
图1为本发明实施例提供的非煤矿山安全风险评估方法流程图；
[0053]
图2为本发明实施例提供的非煤矿山安全风险评估分级系统的示意图；
[0054]
图3为本发明实施例提供的层次分析法(ahp)的结构示意图。
[0055]
其中，附图标记说明：
[0056]
指标采集装置1；云端数据采集存储中心2；自动筛选装置3；处理装置 4；显示装置5；数据报警装置6。
具体实施方式：
[0057]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例；基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0058]
如图1-图3所示，本发明一种优选实施例，采用如下技术方案：
[0059]
本发明一种非煤矿山安全风险评估分级方法，包括如下步骤：
[0060]
s1.指标采集装置1获取非煤矿山依据相关安全标准规定的企业的固有风险、企业设备设施、企业安全管理水平、企业人员素质、企业安全业绩的安全风险评估指标。
[0061]
所述企业的固有风险的评估指标包括企业人数、施工情况、井下同期作业人数、开采深度、开拓方式、采矿方法、采空区情况、水文地质条件、工程地质条件和周边环境中的至少一项。
[0062]
所述企业设备设施评估指标包括排水系统、通风系统、提升运输系统、安全避险“六大系统”、机械化程度、设备定期检测检验、有无矿用安全标志中的至少一项；其中安全避险“六大系统”指监测监控系统、井下人员定位系统、井下紧急避险系统、矿井压风自救系统、矿井供水施救系统和矿井通信联络系统。
[0063]
所述企业安全管理水平评估指标包括安全生产标准化达标等级、安全评价报告、定期开展安全教育培训情况、应急预案、应急演练中的至少一项。
[0064]
所述企业人员素质评估指标包括特种作业人员、专业技术人员、应急救援队伍中的至少一项。
[0065]
所述企业安全业绩评估指标包括隐患排查情况、隐患整改、行政处罚情况中的至少一项。
[0066]
s2.指标采集装置1将所有安全风险评估指标输入非煤矿山安全风险评估系统的云端数据采集存储中心2，形成数据库；安全风险评估系统中的处理装置4采用层次分析法将各类安全风险评估指标归类、分级，其中，相邻的上级指标包含下级指标，呈树状图型分布；采用风险指数权重法，依据各安全风险评估指标对企业整体安全风险重要度设置各指标的初始权重值，形成安全风险评估初始模型。
[0067]
s3.指标采集装置1获取非煤矿山企业填报的安全风险评估指标具体信息，并获取安全风险评估指标预设的期望阈值，所述期望阈值高于或严于相关安全标准规定的指标。
[0068]
其中，所述自动筛选装置3从所述数据库里获取初始评估指标，通过与安全标准规定的各安全风险评估指标及预设的期望阈值比对、优化，筛选，最终得到符合企业要求的评估指标。
[0069]
其中，安全风险评估系统通过数据报警装置6将低于所述期望阈值安全风险评估指标,或与所述安全风险评估系统的数据库中预设的指标信息不匹配的安全风险评估指标
发出异常警告信号，进行错误预警，通过显示装置5 显示报警信息，以将不合格安全风险评估指标去除。
[0070]
通过前馈神经网络强化学习算法对所述安全风险评估模型进行训练：以所述风险评估指标对企业整体安全风险重要度设置各指标的初始权重值，采用前馈神经网络强化学习算法对所述安全风险评估初始模型进行训练，通过层次分析法与风险指数权重法相结合，得到各项所述风险评估指标训练后权重值；具体步骤如下：
[0071]
层次分析法(ahp)是将风险评估问题按总目标、各层子目标按顺序逐级分解为不同的层次结构，相邻的上级指标包含下级指标，呈树状图型，一般分为3层，如图3所示。
[0072]
构建评估指标重要性判断矩阵，假设有n个c评估指标，经过专家和评估人员比较后并赋值得到判断矩阵m＝(c
ij
)n
×n[0073][0074]
其中，c
ij
表示评估指标i相对于评估指标j对目标的重要程度。
[0075]
构造的判断矩阵应有如下性质：
[0076]cij
》0
[0077]cij
＝1/c
ij
(i≠j)
[0078]cij
＝1(i＝j；i,j＝1,2,...,n)
[0079]
为了实现研究结果的量化描述，根据同一级指标相互之间的影响判断进行量化打分，如下表所示：
[0080]
重要性等级量化值i和j指标同等重要1i和j指标稍微重要2i和j指标比较重要3i和j指标明显重要4i和j指标十分重要5i和j指标强烈重要6i和j指标极其重要7i和j指标极端重要8
[0081]
风险指数权重法是行业专家根据自己的判断选择量化值，从而形成判断矩阵；处理装置4利用评估指标重要性判断矩阵计算模糊综合评价得分，并根据评分选取最大特征向量值，对以上确定出指标权重置信度进行认证，具体歩骤如下：
[0082]
因素j的平均权重值为因素j的平均权重值为
[0083][0084]
其中，w
ij
表示因素i相对于因素j的权重，因素i与因素j表示不同的指标；
[0085]
n表示风险评估指标的总数量；
[0086]
风险评估指标j的标准方差按照下式计算：
[0087][0088]
输出结果服从正态分布根据上述公式计算得出和可以确定一个置信区间，即
[0089][0090]
式中，表示置信区间是在预先确定好的显著性水平，绝大多数情况会将设为0.05；为置信度，是标准正态分布上的分位点，可以从标准正态分布表中查得，获得由一个专家设定的初始权重值优化后得到的权重值。
[0091]
为了提高各指标权重的准确性，本实施例中组织9名行业专家进行量化打分，针对每位专家量化计算出权重值进行相加后再平均化，得到各指标最终的权重值。
[0092]
自动筛选装置3筛选并剔除训练后权重值过小的风险评估指标，并重新采用前馈神经网络强化学习算法对所述安全风险评估初始模型进行训练，得到优化的安全风险评估模型。最后，安全风险评估分级系统使用优化的非煤矿山企业安全风险评估模型对企业安全风险评估指标进行计算，输出并通过显示装置5显示企业的安全风险值及对应的安全风险等级；本发明优化后的安全风险评估模型见下表：
[0093]
[0094]
[0095][0096]
通过处理装置4自动计算，输出该地下矿山安全风险值共扣27分，综合得分为73分。
[0097]
依据行业相关安全标准，评估诊断采用百分制，根据评估诊断结果按照风险从高到低依次将辖区内危险化学品企业分为60分以下为红色、60至75分以下为橙色、75至90分以下为黄色、90分及以上为蓝色，共四个等级，具体见下表：
[0098]
安全风险值安全风险等级60分以下重大风险60分(含60分)至75分较大风险75分(含75分)至90分一般风险90分及以上低风险
[0099]
所述安全风险评估系统通过显示装置5将本企业的安全风险值73分及对应的较大风险等级输出并显示出来。