基于熵值法和支持向量機(jī)的煤礦安全管理風(fēng)險(xiǎn)評價(jià)

谷 月，楊 力

安徽理工大學(xué) 1.經(jīng)濟(jì)與管理學(xué)院，2.人文社會(huì)學(xué)學(xué)院，淮南，232001

隨著我國煤礦行業(yè)改革的不斷深化，煤礦安全事故有所下降，但仍不容樂觀。與國外發(fā)達(dá)國家相比，我國煤礦事故量偏大。煤礦事故致因理論認(rèn)為,事故的發(fā)生不是孤立的，是多元素的共同作用結(jié)果。導(dǎo)致事故發(fā)生的根本原因是管理的失誤，如安全管理組織結(jié)構(gòu)不合理，職責(zé)不清晰，管理理念和模式陳舊；煤礦安監(jiān)部門安全制度不健全、監(jiān)管不到位、執(zhí)法力度不大等[1]。面對當(dāng)前嚴(yán)峻的煤礦安全管理形勢，要想真正實(shí)現(xiàn)煤礦安全本質(zhì)化、精細(xì)化管理，必須對安全管理中存在的風(fēng)險(xiǎn)進(jìn)行充分的識(shí)別與評價(jià)，建立科學(xué)、完整的煤礦安全管理評價(jià)模型，有效減少和避免安全事故的發(fā)生。

近年來，國內(nèi)外學(xué)者對煤礦安全風(fēng)險(xiǎn)評價(jià)作了大量研究，取得豐碩成果。在國外，煤礦安全風(fēng)險(xiǎn)評價(jià)大都以概率評價(jià)為主，Poplin[2]通過收集1996—2003年美國和澳大利亞煤礦員工傷亡數(shù)據(jù)，運(yùn)用廣義估計(jì)方程對煤礦安全風(fēng)險(xiǎn)進(jìn)行評價(jià)。在國內(nèi),學(xué)者對煤礦安全風(fēng)險(xiǎn)評價(jià)方法研究多集中于BP神經(jīng)網(wǎng)絡(luò)法、ANP、模糊綜合評價(jià)法、事故分析法等。如王爽英[3]將煤礦安全生產(chǎn)系統(tǒng)分為過程維、因素維和功能維，構(gòu)建了煤礦安全生產(chǎn)風(fēng)險(xiǎn)集成管理層次結(jié)構(gòu)，應(yīng)用模糊層次法(Fuzzy-AHP)對其進(jìn)行實(shí)證分析；曹樹剛等人[4]根據(jù)危險(xiǎn)源理論建立瓦斯爆炸危險(xiǎn)源風(fēng)險(xiǎn)評價(jià)模型，利用模糊數(shù)學(xué)綜合評價(jià)法對礦井瓦斯爆炸進(jìn)行動(dòng)態(tài)評價(jià)，確定事故危險(xiǎn)等級，有效預(yù)警預(yù)控瓦斯爆炸；曾麗君[5]將事故樹分析法運(yùn)用到風(fēng)險(xiǎn)評價(jià)中，該方法可以定性、定量分析系統(tǒng)的安全性。但在煤礦安全管理方面，由于煤礦安全管理具有復(fù)雜性、非線性、小樣本等特點(diǎn)，上述傳統(tǒng)的風(fēng)險(xiǎn)評價(jià)方法在實(shí)施中存在一定局限。本文提出基于熵值法和支持向量機(jī)的煤礦安全管理風(fēng)險(xiǎn)評價(jià)。首先運(yùn)用熵值法求出指標(biāo)權(quán)重，然后運(yùn)用具有很好泛化能力的支持向量機(jī)進(jìn)行綜合評價(jià)。

1 指標(biāo)體系的構(gòu)建

煤礦安全管理評價(jià)是一個(gè)復(fù)雜的系統(tǒng)工程，受多方面因素影響。因此，構(gòu)建指標(biāo)時(shí)要遵循科學(xué)性與系統(tǒng)性、穩(wěn)定性與動(dòng)態(tài)性、實(shí)用性與簡明性等原則，設(shè)計(jì)科學(xué)合理的煤礦安全管理風(fēng)險(xiǎn)評價(jià)指標(biāo)[6]。在總結(jié)國內(nèi)外相關(guān)研究文獻(xiàn)，并結(jié)合我國煤礦安全管理現(xiàn)狀以及大量的實(shí)地調(diào)研基礎(chǔ)上，確定了包括4個(gè)一級指標(biāo)，13個(gè)二級指標(biāo)的煤礦安全管理風(fēng)險(xiǎn)評價(jià)指標(biāo)體系。具體內(nèi)容見表1。

表1 煤礦安全管理風(fēng)險(xiǎn)評價(jià)指標(biāo)體系

2 評價(jià)方法

2.1 熵值法

熵值法[7-8]是一種客觀賦權(quán)法，根據(jù)各項(xiàng)評價(jià)指標(biāo)觀測值所提供的信息量的大小來確定指標(biāo)權(quán)重。在信息論中，熵是對不確定性的一種度量。信息量越大，不確定性就越小，熵也相應(yīng)就越??；反之亦然。設(shè)有n個(gè)評價(jià)方案，m項(xiàng)評價(jià)指標(biāo)，形成原始指標(biāo)數(shù)據(jù)矩陣X=(xij)n×m，對于給定某項(xiàng)指標(biāo)xj，指標(biāo)值xij的差距越大，則該指標(biāo)在綜合評價(jià)中所起的作用越大。在具體的使用過程中，熵值法根據(jù)各指標(biāo)的變異程度，利用信息熵計(jì)算出各指標(biāo)的熵值。再通過熵值對各指標(biāo)的權(quán)重進(jìn)行修正，從而得出較為客觀的指標(biāo)權(quán)重。具體步驟如下：

(1)建立數(shù)據(jù)矩陣。

(1)

其中xij為第i個(gè)評價(jià)方案中的第j項(xiàng)指標(biāo)的數(shù)值。

(2)指標(biāo)的標(biāo)準(zhǔn)化處理。

正向指標(biāo)：

(2)

負(fù)向指標(biāo)：

(3)

(3)計(jì)算第j項(xiàng)指標(biāo)下第i個(gè)方案占該指標(biāo)的比重。

(4)

(4)計(jì)算第j項(xiàng)指標(biāo)的熵值。

(5)

式中，k>0，ej>0，常數(shù)k與樣本數(shù)m有關(guān)，一般令k=1/lnm，則0≤e≤1。

(5)計(jì)算第j項(xiàng)指標(biāo)的差異系數(shù)。

對于第j項(xiàng)指標(biāo)，指標(biāo)值xij的差異越大，對方案評價(jià)作用越大，熵值就越小。因此，gj=1-ej，gj越大該指標(biāo)越重要。

(6)確定權(quán)數(shù)。

(6)

(7)計(jì)算各方案的綜合得分。

(7)

2.2 支持向量分類機(jī)

支持向量機(jī)[9-10]是Vapnik于20世紀(jì)90年代提出，以統(tǒng)計(jì)學(xué)中VC理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化為基礎(chǔ)，借助于最優(yōu)化方法解決小樣本機(jī)器學(xué)習(xí)的一種新工具，能夠較好解決非線性、多維度等問題，具有很好的范化能力和魯棒性。目前在風(fēng)險(xiǎn)評價(jià)、數(shù)據(jù)挖掘、樣本分析、文本及圖像識(shí)別等領(lǐng)域有廣泛應(yīng)用。

設(shè)已知訓(xùn)練集T={(x1，y1)…，(xl，yl)}∈(X×Y)l，其中xi∈X=Rn，yi∈Y={1，-1}，i=1，…，l。試據(jù)此Rn空間尋找一個(gè)實(shí)值函數(shù)g(x)，以便用決策函數(shù)f(x)=sgn(g(x))來推斷任一輸入x對應(yīng)的輸出y。由此可見，求解分類問題，實(shí)質(zhì)上就是找到一個(gè)把Rn空間分成兩部分規(guī)則。

2.2.1 線性問題

對于線性問題，支持向量分類機(jī)可以用一個(gè)超平面將訓(xùn)練集正確劃分。其最優(yōu)原始問題如下：

s.tyi((w·xi)+b)≥1-εi，i=1，…，l

εi≥0，i=1，…l,

(8)

其中ε=(ε1，…,εl)T，εi是一個(gè)松弛變量，C>0是一個(gè)懲罰參數(shù)。

引入Lagrange函數(shù)，求出原始問題的對偶問題：

(9)

(10)

2.2.2 非線性問題

對于非線性分類問題，引入核函數(shù)K(xi，xj)，通過映射將輸入空間轉(zhuǎn)化為一個(gè)高維空間，將非線性問題轉(zhuǎn)變?yōu)榫€性問題，求解最優(yōu)超平面。其相應(yīng)的對偶問題：

0≤ai≤C，i=1，…，l，

(11)

(12)

求得決策函數(shù):

(13)

3 實(shí)證分析

從安全管理模式、安全管理監(jiān)控、安全管理組織、安全管理要素四個(gè)方面構(gòu)建的煤礦安全管理風(fēng)險(xiǎn)評價(jià)指標(biāo)，共4個(gè)一級指標(biāo)，13個(gè)二級指標(biāo)。以安徽省淮南、淮北礦業(yè)集團(tuán)下煤礦為研究對象，運(yùn)用熵值法和支持向量機(jī)進(jìn)行實(shí)證研究。

3.1 樣本數(shù)據(jù)的選取

選取安徽省淮南9個(gè)煤礦，淮北5個(gè)煤礦，共14個(gè)煤礦作為本文的研究樣本，采用定性和定量相結(jié)合的方法，實(shí)地調(diào)研、考察2013—2015年這14個(gè)煤礦相關(guān)的數(shù)據(jù)資料，并請煤礦高校的教授和煤礦企業(yè)安全管理人員對不可定量化、缺失數(shù)據(jù)進(jìn)行打分[11-12]，以百分制為基準(zhǔn)，進(jìn)行加權(quán)平均，得樣本數(shù)據(jù)如表2所示。

表2 樣本數(shù)據(jù)

3.2 熵值法計(jì)算權(quán)重

由于各評價(jià)指標(biāo)之間各自的量綱及量級不同而存在不可公度性，需要對指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理。對表2中的數(shù)據(jù)按公式(2)進(jìn)行歸一化處理。結(jié)果見表3。

表3 數(shù)據(jù)歸一化結(jié)果

用EXCEL表格按照熵值法的求解步驟求出指標(biāo)的特征權(quán)重、熵值、差異系數(shù)，得出指標(biāo)的權(quán)重。熵值法計(jì)算結(jié)果見表4。

表4 熵值法計(jì)算結(jié)果

從表4中可知，運(yùn)用熵值法計(jì)算出的指標(biāo)權(quán)重分別為0.247、0.262、0.238、0.254，根據(jù)公式(7)得到各樣本總評分，并對其進(jìn)行歸一化處理，處理結(jié)果見表5。

表5 樣本評價(jià)結(jié)果

3.3 支持向量分類機(jī)的應(yīng)用

將表5中14組樣本數(shù)據(jù)作為支持向量機(jī)的輸入，隨機(jī)將14組樣本數(shù)據(jù)分為3類，1—8為建模的訓(xùn)練樣本，9—11為優(yōu)化參數(shù)的實(shí)驗(yàn)樣本，12—14為檢驗(yàn)?zāi)Ｐ偷臋z驗(yàn)樣本。同時(shí)設(shè)煤礦安全管理風(fēng)險(xiǎn)輸出y=±1，y=1表示無風(fēng)險(xiǎn)，y=-1表示有風(fēng)險(xiǎn)?；贑MSVM2.0軟件，選擇徑向基核函數(shù)，通過網(wǎng)絡(luò)搜索得最優(yōu)C=3.3，g=1，然后將C和g帶入軟件進(jìn)行運(yùn)算得出基于熵值法和支持向量機(jī)預(yù)測結(jié)果。保持參數(shù)不變，將表3中的數(shù)據(jù)沒有經(jīng)過評價(jià)指標(biāo)權(quán)重設(shè)計(jì)代入軟件運(yùn)算，對比預(yù)測結(jié)果(表6)。

表6 預(yù)測結(jié)果對比表

從表6中可知，基于熵值法和支持向量機(jī)的煤礦安全管理評價(jià)模型與SVM評價(jià)相比，具有更高的準(zhǔn)確度，與表5歸一化的總評分的實(shí)際情況也更接近。

4 結(jié) 論

(1)本文在相關(guān)文獻(xiàn)、專家建議、實(shí)地調(diào)研的基礎(chǔ)上，構(gòu)建了煤礦安全管理風(fēng)險(xiǎn)評價(jià)指標(biāo)體系，包括4個(gè)一級指標(biāo)，13個(gè)二級指標(biāo)。較為全面地涵蓋了煤礦安全管理的各方面，為煤礦安全管理風(fēng)險(xiǎn)評價(jià)奠定了基礎(chǔ)。

(2)運(yùn)用熵值法和支持向量機(jī)進(jìn)行評價(jià)，結(jié)果表明，與SVM模型相比，基于熵值法與支持向量機(jī)的評價(jià)模型具有更高的精確度，也與實(shí)際情況相符。