基于SVM的礦井通風(fēng)系統(tǒng)小樣本安全評(píng)價(jià)

李景哲 曹旭鵬 楊永龍 黃迪

(重慶科技學(xué)院安全工程學(xué)院，重慶 401331)

我國(guó)煤炭資源儲(chǔ)量豐富，其總儲(chǔ)量占世界的11.60%，煤炭仍然是現(xiàn)階段支撐我國(guó)經(jīng)濟(jì)發(fā)展的主要能源之一。我國(guó)煤炭開(kāi)采技術(shù)比較落后，多數(shù)煤炭生產(chǎn)方式為地下人工開(kāi)采。井下空氣中氧氣稀薄，不能滿足人類生存需求，且井下空氣還有一些有害氣體和粉塵，長(zhǎng)期吸入這些空氣會(huì)引發(fā)職業(yè)病。為了給員工提供安全、健康的工作環(huán)境［2］，保證其正常的生產(chǎn)勞動(dòng)，必須安裝符合國(guó)家標(biāo)準(zhǔn)的通風(fēng)設(shè)施，并且定期檢測(cè)系統(tǒng)的運(yùn)行狀況，防止意外事故發(fā)生。礦井通風(fēng)系統(tǒng)評(píng)價(jià)就是利用已檢測(cè)到有限數(shù)據(jù)信息，應(yīng)用安全系統(tǒng)工程的原理和方法，對(duì)人員井下作業(yè)的危險(xiǎn)性和可能存在的后果進(jìn)行綜合評(píng)價(jià)，并依據(jù)可能導(dǎo)致事故風(fēng)險(xiǎn)的大小，提出相應(yīng)的整改意見(jiàn)和措施，達(dá)到井下安全生產(chǎn)的目的［3］。針對(duì)礦井通風(fēng)系統(tǒng)在生產(chǎn)過(guò)程中可能存在較大安全隱患的問(wèn)題，提出采用安全評(píng)價(jià)的方法對(duì)通風(fēng)系統(tǒng)可能存在的風(fēng)險(xiǎn)進(jìn)行評(píng)估，預(yù)防事故的發(fā)生。

目前，針對(duì)礦井通風(fēng)系統(tǒng)的安全評(píng)價(jià)方法的研究有許多，其中應(yīng)用較成熟的傳統(tǒng)評(píng)價(jià)方法有安全檢查表法、層次分析法、模糊綜合評(píng)判法、神經(jīng)網(wǎng)絡(luò)等。安全檢查表［4］作為定性評(píng)價(jià)方法，通常用于日常安全檢查中，這種評(píng)價(jià)方法簡(jiǎn)單實(shí)用，便于操作執(zhí)行，但缺點(diǎn)是無(wú)法深入研究礦井通風(fēng)系統(tǒng)的本質(zhì)安全程度。層次分析法［5］相對(duì)于安全檢查表來(lái)說(shuō)是一種定量評(píng)價(jià)方法，然而評(píng)判矩陣中同層次兩兩因素重要程度對(duì)比主要依賴于決策人的經(jīng)驗(yàn)，因此具有很強(qiáng)的主觀性，評(píng)判結(jié)果因人而異;并且對(duì)于礦井通風(fēng)系統(tǒng)，采用層次分析法建立的階梯結(jié)構(gòu)復(fù)雜，導(dǎo)致求解指標(biāo)層對(duì)評(píng)價(jià)層的權(quán)重計(jì)算繁瑣。而模糊綜合評(píng)判［6］采用專家打分法克服了層次分析法在確定權(quán)重時(shí)繁瑣的運(yùn)算過(guò)程;另外模糊算子也會(huì)造成系統(tǒng)評(píng)價(jià)信息的損失，尤其是復(fù)雜系統(tǒng)這種累積信息損失也不可忽略不計(jì)。

隨著煤炭工業(yè)生產(chǎn)技術(shù)的發(fā)展和煤炭生產(chǎn)規(guī)模的擴(kuò)大，更多的先進(jìn)生產(chǎn)設(shè)備和人力資源被引入生產(chǎn)中，導(dǎo)致了原本煤礦通風(fēng)系統(tǒng)的安全評(píng)價(jià)指標(biāo)體系更加復(fù)雜;同時(shí)，有限的時(shí)空監(jiān)測(cè)數(shù)據(jù)所能提供的信息是不完整、不精確的［1］。這就造成評(píng)判矩陣呈現(xiàn)高維、稀疏的特點(diǎn)，傳統(tǒng)的安全評(píng)價(jià)方法不能有效地對(duì)以上這些數(shù)據(jù)進(jìn)行深層次的挖掘。

與此同時(shí)，計(jì)算機(jī)科學(xué)突飛猛進(jìn)發(fā)展，使用計(jì)算機(jī)來(lái)輔助分析復(fù)雜問(wèn)題極大簡(jiǎn)化了處理過(guò)程。人工智能為復(fù)雜系統(tǒng)的安全評(píng)價(jià)帶來(lái)新的思路，例如神經(jīng)網(wǎng)絡(luò)在解決復(fù)雜、非線性的安全評(píng)價(jià)時(shí)具有很高的精確度和較強(qiáng)的泛化能力，SVM很適合處理小樣本分類和回歸預(yù)測(cè)問(wèn)題。并且，采用這些方法構(gòu)建的評(píng)判模型只關(guān)注輸入和輸出的對(duì)應(yīng)關(guān)系，而忽略模型內(nèi)部復(fù)雜的運(yùn)算過(guò)程。這種封裝的“黑箱”結(jié)構(gòu)很適合處理復(fù)雜系統(tǒng)的安全評(píng)價(jià)。文獻(xiàn)［7］采用BP神經(jīng)網(wǎng)絡(luò)以15組礦山信息為訓(xùn)練建立的礦井通風(fēng)系統(tǒng)安全評(píng)價(jià)指標(biāo)，并預(yù)測(cè)3組樣本信息的評(píng)價(jià)結(jié)果，最終分類正確率達(dá)到66.67%，獲得較好的評(píng)價(jià)效果，但是人工神經(jīng)網(wǎng)絡(luò)方法都是以大樣本統(tǒng)計(jì)理論為基礎(chǔ)的。如何從小樣本集出發(fā)，得到泛化能力較好的替代模型，成為提高礦井通風(fēng)系統(tǒng)安全評(píng)價(jià)模型精度的關(guān)鍵。支持向量機(jī)能夠較好地解決許多學(xué)習(xí)方法中小樣本、非線性和高維數(shù)等實(shí)際難題，可以使在小樣本情況下建立的分類器具有很強(qiáng)的推廣能力［8］。為此，在文獻(xiàn)［7］分析基礎(chǔ)上，引入SVM對(duì)礦井通風(fēng)系統(tǒng)進(jìn)行量化安全評(píng)價(jià)，MATLAB仿真結(jié)果表明:正確識(shí)別率達(dá)到100%，比文獻(xiàn)［7］采用神經(jīng)網(wǎng)絡(luò)方法評(píng)價(jià)具有更高的識(shí)別率，從而驗(yàn)證了SVM在處理小樣本安全評(píng)價(jià)方面比神經(jīng)網(wǎng)絡(luò)更適合。

1 礦井通風(fēng)系統(tǒng)指標(biāo)體系的建立

指標(biāo)體系的構(gòu)建是安全評(píng)價(jià)工作的基礎(chǔ)和關(guān)鍵。安全評(píng)價(jià)工作所選取的指標(biāo)應(yīng)按照科學(xué)、簡(jiǎn)明的原則［8］盡可能全面、客觀、可行地反映礦井通風(fēng)系統(tǒng)的基本狀況。影響礦井通風(fēng)系統(tǒng)安全可靠性評(píng)價(jià)的因素眾多，如果把所有的因素都考慮在內(nèi)，則會(huì)大大增加安全評(píng)價(jià)工作的復(fù)雜度，不利于這種方法的推廣。為此，需要依據(jù)以往的經(jīng)驗(yàn)和資料，主要從影響系統(tǒng)安全可靠性的角度來(lái)選取指標(biāo)，而忽略那些次要的因素，如企業(yè)管理的規(guī)章制度、人的操作規(guī)范等主觀因素。利用文獻(xiàn)［7］中的指標(biāo)體系來(lái)探討不同的評(píng)價(jià)方法對(duì)礦井通風(fēng)系統(tǒng)的安全程度的影響。在選用的指標(biāo)中，對(duì)主要通風(fēng)機(jī)的綜合效率、通風(fēng)監(jiān)測(cè)覆蓋率和礦井通風(fēng)能力比進(jìn)行量化評(píng)判解釋，計(jì)算公式如下:

2 SVM分類原理

支持向量機(jī)是統(tǒng)計(jì)學(xué)習(xí)理論(SLT)中的一種實(shí)現(xiàn)方法。它是基于SLT的VC(vapnik chervonenkis)理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化(structural risk minimization，SRM)原理，根據(jù)有限樣本信息在模型的復(fù)雜性(對(duì)特定訓(xùn)練樣本的學(xué)習(xí)精度)和學(xué)習(xí)能力(無(wú)錯(cuò)誤地識(shí)別任意樣本的能力)之間尋求最佳折衷方法，以期獲得更好的泛化能力［9－10］。對(duì)于特征空間中線性可分問(wèn)題，最優(yōu)分類面就是間隔最大的分界面，根據(jù)上述分析可知，它的確是在保證樣本被正確分類的前提下，具有最好泛化能力的分界面。對(duì)于特征空間中線性不可分問(wèn)題，可通過(guò)一個(gè)懲罰因子來(lái)綜合考慮間隔和松弛因子的影響。支持向量機(jī)常用于機(jī)理建模、模式識(shí)別等。

2.1 核函數(shù)

根據(jù)模式識(shí)別理論，低維空間線性不可分的模式通過(guò)非線性映射到高維特征空間則可能實(shí)現(xiàn)線性可分，但是如果直接采用這種技術(shù)在高維空間進(jìn)行分類或回歸，則存在確定非線性映射函數(shù)的形式和參數(shù)、特征空間維數(shù)等問(wèn)題，而最大的障礙則是在高維特征空間運(yùn)算時(shí)存在的“維數(shù)災(zāi)難”。采用核函數(shù)技術(shù)可以有效地解決這個(gè)問(wèn)題。理論證明:如果核函數(shù) K(x，y)滿足 Mercer條件，K(x，y)= φ(x)·(y)，其中φ表示某個(gè)映射。核函數(shù)將m維高維空間的內(nèi)積運(yùn)算轉(zhuǎn)化為n維低維輸入空間的核函數(shù)計(jì)算，從而巧妙地解決了在高維特征空間中計(jì)算的“維數(shù)災(zāi)難”等問(wèn)題，為在高維特征空間解決復(fù)雜的分類或回歸問(wèn)題奠定了理論基礎(chǔ)。常見(jiàn)的核函數(shù)有:線性核函數(shù)，多項(xiàng)式核函數(shù)，徑向基核函數(shù)，Sigmoid核函數(shù)。

2.2 最優(yōu)分類超平面

在特征空間中問(wèn)題是線性可分情況下，SVM就是要構(gòu)造一個(gè)最優(yōu)超平面:

這個(gè)超平面要滿足式(2)的約束條件:

同時(shí)還要使函數(shù)Φ(w)取得最小值

通過(guò)求解最優(yōu)化問(wèn)題可得最優(yōu)超平面的形式如下:

當(dāng)特征空間問(wèn)題不可分時(shí)，引入松弛因子ξj≥0及懲罰參數(shù)C。滿足

φ(ξ)最小化。類似線性分類問(wèn)題，同樣可求得最優(yōu)分類面:

支持向量機(jī)的分類過(guò)程如圖1所示。

圖1 SVM分類過(guò)程

3 SVM礦井通風(fēng)系統(tǒng)評(píng)價(jià)模型

3.1 樣本數(shù)據(jù)的預(yù)處理

采用18組礦井通風(fēng)系統(tǒng)指標(biāo)體系信息［7］，其中F1～F16分別表示對(duì)應(yīng)16項(xiàng)評(píng)價(jià)指標(biāo)，F(xiàn)17表示對(duì)應(yīng)礦山的安全狀況(0表示安全，0.5表示一般，1表示待整頓)，在SVM分類中分別定義為1、2、3類，如表1所示。將此表中第1～15樣本作為SVM訓(xùn)練，16～18樣本作為SVM測(cè)試。

表1 礦山安全等級(jí)分類

為了避免同一因素不同樣本點(diǎn)數(shù)據(jù)過(guò)大或者過(guò)小造成數(shù)據(jù)淹沒(méi)，加快SVM訓(xùn)練的收斂速度，按照一個(gè)統(tǒng)一的標(biāo)準(zhǔn)進(jìn)行比較，需要將數(shù)據(jù)進(jìn)行歸一化處理［11］。對(duì)于樣本空間x中某一樣本xi歸一化有:

x′i表示x經(jīng)過(guò)歸一化處理之后的數(shù)據(jù)，在MATLAB中歸一化使用mapminmax()實(shí)現(xiàn)。

3.2 SVM訓(xùn)練過(guò)程

本文采用MATLAB(R2009a)中的LIBSVM工具箱，采用C-SVM分類，核函數(shù)采用徑向基函數(shù)形式如下:

懲罰參數(shù)c和核函數(shù)中的gamma都是隨機(jī)設(shè)定的。本次試驗(yàn)各種參數(shù)設(shè)置見(jiàn)表2。

表2 本次MATLAB仿真參數(shù)設(shè)計(jì)

SVM訓(xùn)練過(guò)程的MATLAB實(shí)現(xiàn):

model=svm(train_label，train_matrix，［‘libsvm_options’］);其中，train_label為訓(xùn)練集的分類標(biāo)簽，train_matrix為訓(xùn)練，libsvm_options為各項(xiàng)基本參數(shù)設(shè)置。

3.3 SVM測(cè)試過(guò)程

SVM訓(xùn)練過(guò)程MATLAB實(shí)現(xiàn):

［predict_label，accracy］=svmtrain(test_label，test_matrix，model);其中，test_label為測(cè)試集的分類標(biāo)簽，model為訓(xùn)練模型，accruacy為分類正確率。

3.4 仿真結(jié)果

根據(jù)以上設(shè)計(jì)方案，對(duì)其進(jìn)行仿真，預(yù)測(cè)結(jié)果如圖2所示。可以看出，3個(gè)礦山通風(fēng)系統(tǒng)的SVM分類預(yù)測(cè)結(jié)果與實(shí)際安全等級(jí)完全一致(2種分類點(diǎn)完全重合)，正確識(shí)別率達(dá)到100%，如表3所示。

圖2 測(cè)試集的實(shí)際分類和預(yù)測(cè)分類圖

表3 測(cè)試礦山預(yù)測(cè)等級(jí)與實(shí)際等級(jí)對(duì)比

4 結(jié)語(yǔ)

SVM理論以訓(xùn)練誤差做為優(yōu)化問(wèn)題的約束條件，以置信范圍值最小化做為優(yōu)化目標(biāo)，理論基礎(chǔ)清晰。采用SVM對(duì)礦井通風(fēng)系統(tǒng)安全程度進(jìn)行評(píng)價(jià)，選取16項(xiàng)主要影響因素建立其對(duì)應(yīng)的指標(biāo)體系。實(shí)驗(yàn)結(jié)果證明:在小樣本學(xué)習(xí)條件下，SVM泛化能力要明顯優(yōu)越于神經(jīng)網(wǎng)絡(luò)傳統(tǒng)學(xué)習(xí)方法，能夠很好地表現(xiàn)礦井通風(fēng)系統(tǒng)安全評(píng)價(jià)中指標(biāo)體系復(fù)雜的非線性關(guān)系。研究表明:本文方法科學(xué)合理，預(yù)測(cè)精度高，且可操作性強(qiáng)，為安全評(píng)價(jià)提供一條新的思路。

SVM分類結(jié)果的準(zhǔn)確性很大程度上取決于選用樣本的典型性和代表性。因此，如何根據(jù)礦井通風(fēng)系統(tǒng)有限信息選取合適的指標(biāo)，如何對(duì)這些數(shù)據(jù)進(jìn)行量化分析，是礦井通風(fēng)系統(tǒng)安全評(píng)價(jià)更加合理、科學(xué)，需要進(jìn)一步研究。

［1］史秀志，周健.用Fisher判別法評(píng)價(jià)礦井通風(fēng)系統(tǒng)安全可靠性［J］.采礦與安全工程學(xué)報(bào)，2010，27(4):563-567.

［2］王德明.礦井通風(fēng)與安全［M］.徐州:中國(guó)礦業(yè)大學(xué)出版社，2007.

［3］劉正偉，王立杰.基于未確知集的礦井通風(fēng)系統(tǒng)方案評(píng)價(jià)選擇［J］. 煤炭學(xué)報(bào)，2009，34(6):811-813.

［4］王長(zhǎng)申，孫亞軍，杭遠(yuǎn).安全檢查表法評(píng)價(jià)中小煤礦潛在突水危險(xiǎn)性［J］.采礦與安全工程學(xué)報(bào)，2009，26(3):298-303.

［5］王濤，候克鵬，郭振世，等.層次分析法(AHP)在尾礦庫(kù)安全運(yùn)行分析中的應(yīng)用［J］.巖土力學(xué)，2008(29):681-686.

［6］馬玉杰，鄭西來(lái)，李永霞，等.地下水質(zhì)量模糊綜合評(píng)判法的改進(jìn)與應(yīng)用［J］.中國(guó)礦業(yè)大學(xué)學(xué)報(bào)，2009，38(5):746-750.

［7］程磊，楊運(yùn)良，熊亞選.基于人工神經(jīng)網(wǎng)絡(luò)的礦井通風(fēng)系統(tǒng)評(píng)價(jià)研究［J］.中國(guó)安全科學(xué)學(xué)報(bào)，2005，15(5):89-91.

［8］邢玉忠，范紅偉，王彥凱，等.基于瓦斯監(jiān)測(cè)數(shù)據(jù)的礦井通風(fēng)系統(tǒng)合理性評(píng)價(jià)［J］.采礦與安全工程學(xué)報(bào)，2010，27(4):523-531.

［9］趙登福，王蒙，張講社，等.基于支持向量機(jī)方法的短期負(fù)荷預(yù)測(cè)［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2002，22(4):26-30.

［10］李元誠(chéng)，方廷健，于爾鏗.短期負(fù)荷預(yù)測(cè)的支持向量機(jī)方法研究［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2003，23(6):55-59.

［11］董四輝，史桌屾.道路交通事故BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)研究［J］.中國(guó)安全科學(xué)報(bào)，2010，20(9):17-20.