模糊神经网络技术在矿山安全评价中的适应性研究

solomon

1引言
    矿山生产系统是一个极其复杂的灾害系统。瓦斯、煤尘、水、火、顶板以及机电事故等是存在的主要灾害。虽然这些事故的发生机理各异，但引发事故的因素即相互关联，相互影响。因此，根据矿山灾害系统的结构特点，对系统的危险状态进行评价，寻求并建立科学、合理的矿山安全评价模型，是矿山安全管理与控制的关键问题。
    2 矿山安全评价
    矿山安全评价是矿山安全管理工程的重要组成部分，它是按照科学的程序和方法，运用系统工程方法对系统中的危险因素、发生事故的可能性及损失与伤害程度进行调查研究与分析论证，并以既定的指数、等级或概率值作出表示，再针对存在的问题，根据当前科学技术水平和经济条件，提出有效的安全措施，以便消除危险或将危险降低到最小的程序，以寻求最低事故率，最少的损失和最优的安全投资效益，从而达到保证矿山安全的目的。作为现代矿山安全生产的关键，矿山安全评价在矿山安全管理的现代化、科学化中起着积极的推进作用。
    3 矿山安全评价的现状
    随着现代应用数学、计算机科学、人工智能、神经网络以及其它交叉学科的迅速发展，国内外其它行业安全评价技术研究和应用的进展，建立矿山安全评价模型及其它方法已有了理论和技术方面的基础。
    3.1 国外的研究和应用背景
    国外矿山企业的安全评价是随着其它行业的安全评价技术的发展而逐步建立起来的，其研究、应用的深度和广度，都不如核工业、化工、航天以及航空等领域。矿山安全评价主要集中在以概率风险评价为基础，把矿山生产系统中隐患导致事故的概率与隐患造成的损害的乘积作为系统状态的危险度。隐患发生的概率和造成的损害经过统计数据获得，但是对隐患发生的概率和损害统计不够细致，缺乏实用性，且只讨论了这些数据的模糊性问题。其他的安全评价方法，如R.V.罗曼尼教授提出的以韦布尔分布确定事故平均周期、每天的危险率、安全性指数法 澳大利亚的A.R.格材提出的煤矿操作安全评价法；波兰M.费利卫皮提出的以人-机为主的安全评价和灾害预测方法以及日本的隧道安全评价方法等。国外的矿山安全评价尚停留在研究阶段，既没有达到实用阶段，也比不上其他行业的应用和发展水平。
    3.2 国内的研究与应用概况
    我国的安全评价工作起步于20世纪80年代。1988年，原劳动部首次对建设项目提出了进行职业安全卫生评价的要求，同年，原机械电子工业部颁布了《机械工厂安全评价标准》，并在100多家机械工厂进行了推广应用，取得了良好的效果。1992年，广东劳动保护研究所主持完成了工厂危险程度分级方法；1995年，原劳动部、北京理工大学合作完成了《鶍然、易爆、有毒重大危险源的安全评价技术》的课题。同时，一些高等院校、研究单位和企业等相继开展了安全评价技术的研究和开发工作。2002年6月29日《中华人民共和国安全生产法》及《安全评价通则》（安监管技装字〔2003〕37号）的颁布，进一步推动了安全评价工作向更广更远的方向发展。
    矿山企业是我国安全问题最严重的行业之一，安全问题一直未得到根本性的解决，安全管理和评价研究与其它行业相比，虽然时间上几乎同步，但研究的规模、深入程度要明显落后。目前，矿山企业虽然在安全工作上采取了各种有效的技术和管理措施，应用了已有的安全检查表、质量标准化检查表以及安全系统工程的理论和方法，提高了安全管理和评价的科学技术水平，加强了安全住处的管理。但是，由于历史的原因、政策环境以及矿山企业内部存在问题，矿山的管理过程技术含量不高，大多数矿山没有应用计算机实现安全信息管理，而且缺乏有效、实用的评价软件，使得安全评价方法在矿山安全管理过程中受到了较大的限制。
    4 模糊神经网络基本理论
    模糊理论和神经网络技术是近年来人工智能研究较为活跃的两个领域。人工神经网络是模拟人脑结构的思维功能，具有较强的自学习和联想功能，人工干预少，精度较高，对专家知识的利用也较少。但缺点是它不能处理和描述模糊信息，不能很好利用已有的经验知识，特别是学习及问题的求解具有黑箱特性，其工作不具有可解释性，同时它对样本的要求较高；模糊系统相对于神经网络而言，具有推理过程容易理解、专家知识利用较好、对样本的要求较低等优点，但它同时又存在人工干预多、推理速度慢、精度较低等缺点，很难实现自适应学习的功能，而且如何自动生成和调整隶属度函数和模糊规则，也是一个棘手的问题。如果将二者有机地结合起来，可以起到互补的效果。模糊神经网络（Fuzzy network-FNN）就是模糊理论同神经网络相结合的产物，它汇集了神经网络与模糊理论的优点，集学习、联想、识别、自适应及模糊信息处理于一体。
    5 可行性分析
    矿山灾害系统的最大特点是动态性、随机性和模糊性，各参数之间相互制约，许多问题都表现出极为明显的非线性关系。其主要特点是：
    （1）灾害系统内部涉及到相当多的状态变量，很多状态变量很难精确确定或者根本无法确定。
    （2）灾害系统内部各状态变量之间的关系也相当复杂，往往保持一种动态关系，利用微分议程很难求解或者根本无解。
    （3）灾害系统内部各子系统间的关系也相当复杂，很难定量描述。
    上述各种特点给研究者带来极大的困难。
    5.1 传统系统分析方法存在的问题
    矿山生产系统中的许多问题都是非线性问题，变量之间的关系十分复杂，目标难以用确切的数学议程来描述。在传统的矿山灾害（安全）现象研究中，通常采用的是“线性的”、“局部的”和“确定型的”分析和研究方法，其存在的问题主要表现在以下几个方面：
    （1）由于历史发展的局限性，在定量分析矿山事故系统运动规律和状态时，通常将非线性关系简化为线性关系。由于非线性系统与对应的线性化系统的动力拓扑结构不一定同胚，因此，这种简化可能会对矿山灾害过程规律的认识产生重要的不利的影响。
    （2）矿山事故系统的动力学拓扑结构可能具有多态性，在系统控制参量的变化作用下，系统的运动可能会从一种动力学结构向另一种动力学结构转化。这样，采用传统的研究分析方法得到的仅仅只是系统的局部性质。然而，对矿山灾害系统在相空间中可达范围以至全局性动力学拓扑结构，以及不同动力学结构之间转化机制的认识，在矿山灾害系统的特征和状态的分析研究中有着重要意义。
    （3）矿山事故系统是一个具有确定性和非确定性的矛盾的统一体，从传统的矿山灾害现场的认识方法出发，不容易提示矿山灾害系统（安全因素）之间的非确定性性质，采用传统的数值模拟方法（如多元线性方程的求解等）所得到的结果与真实事故系统的运动状态相距甚远，而且可能完全相反。因此，传统的分析方法对矿山灾害系统运行的过程和特点的认识是不全面的。
    5.2 模糊神经网络安全评价模型所解决的问题
    前面已讲到，矿山安全系统是一个复杂的非线性系统，矿山灾害涉及许多不确定因素，且各个因素之间的相关关系错综复杂。无论是传统的评价方法，还是模糊等的综合方法，都没有很多的解决以下问题：
    （1）因素和结果的固定映射关系
    传统的评价方法，基本上以线性等固定关系来实现设定了事故因素和结果的映射关系；模糊综合评价方法则在隶属函数构造问题上事先设定了映射关系，尽管函数是分段、不连续的，但同样存在线性关系。这明显不能清晰反映事故系统动态、随机和模糊特点的本构关系。
    （2）定权和变权问题
    评价因素中各指标在评价过程中权重的确定，是安全评价的核心，权重确定正确与否，直接影响到安全评价结果的置信度。传统方法大多不管系统动态变化特点，采用定权的方式进行，由于因素及因素之间的作用也是变化的，因而在变权问题上没有提供完善的解决方案。
    （3）随机性和模糊性问题
    在对矿山进行安全评价的过程中，涉及的因素是复杂的。这些因素自身表现为随机性，与灾害的关系又表现为模糊性，而且因素间又相互关联，相互作用。一方面，有些因素不能用精确的数量进行描述，而只能是模糊概念；另一方面，各种因素的变化与灾害之间不存在一一对应的函数关系，不可能建立精确的数学模型来求解，而模糊理论在处理这些问题上却有着独到的效果。
    矿山灾害的随机性、模糊性和不确定性决定了矿山安全状态的变化不会按照某一特殊的规律或函数变化。模糊神经网络安全评价模型完全可以解决传统方法所不能解决的几个问题。模糊神经网络有较强的非线性函数逼近能力，可以根据样本数据训练得到输入输出变量之间的函数关系，即可以通过网络学习，确定各神经元之间的耦合权值，从而使得网络整体具有近似函数的功能。同时，模糊神经根据需要给神经网络加入规则，这样就可以避免“黑箱”问题。模糊神经网络技术综合模糊逻辑和神经网络的优点，克服了它们各自的缺点，因而完全可以应用于矿山安全评价的研究中。
    6 结论
    传统的、事先设定变化规律和特性的评价方法鉴于其局限性，难以很好地解决矿山灾害系统复杂多变的问题。因此，建立科学的矿山安全评价模型，开发行之有效的安全评价软件包，加强矿山安全评价理论和技术的研究既有现实意义，又有长远的历史意义。
    模糊神经网络技术在求解这类不确定性知识方面具有很强的优越性，它可以模拟人类的思维习惯进行定性描述。模糊神经网络技术运用于矿山安全评价中的优点可以归纳为：
    （1）利用模糊神经网络并行结构和并行处理的特征，通过适当选择评价项目克服安全评价的片面性，可以全面评价矿山灾害系统的安全状况和多因素共同作用下的安全状态。
    （2）运用模糊神经网络知识存储和自适应性特征，通过适当补充学习样本，可以实现历史经验与新知识完美结合，在发展过程中动态地评价矿山灾害系统的安全状态。
    （3）利用模糊神经网络理论的容错特征，通过选取适当的作用函数和数据结构可以处理各种非数值性指标，实现对矿山系统安全状态的模糊评价。

acupoftea

学习下，不熟悉这个

ffsh

很不错的资料。

yinzhihong

省钱的帖子。

chqliu

还是这样发帖子比较好，不要下载阅读了。