论文部分内容阅读
煤炭是我国国民经济发展的主要能源支柱,占我国一次性能源生产和消费结构中的70%左右。2008年,我国GDP总量超过德国,成为世界第三大经济体;2010年,我国GDP为5.879万亿美元,已正式超过日本,仅次于美国,成为世界第二大经济体。我国已成为全球经济增长的主要推动力。得益于我国国民经济持续高速增长的推动,我国煤炭产业也出现了惊人的发展速度。从2001年到2007年仅六年的时间里,我国煤炭产量就从10.89亿吨上升到25.36亿吨,平均年增产2.41亿吨。
随着生产技术水平的提高和企业管理的不断规范,我国煤炭企业的安全生产状况总体上呈现出相对稳定、趋于好转的发展态势,但是由于煤炭行业生产发展水平不均衡,目前煤矿安全生产形势依然严峻,煤矿事故总量仍居高位,重、特大事故多发状况还没有得到根本的解决。其中,煤矿井火灾是煤炭生产中的主要灾害之一。煤矿井火灾的发生会造成严重的人员伤亡、设备设施损毁、煤炭资源损失、环境破坏,严重影响了煤炭生产企业的正常生产和整个行业的可持续发展,给国家和社会带来了许多负面影响。
目前,我国还没有完善的煤矿井火灾风险评估体系对煤矿井火灾发生风险进行评价,而主要依靠安全检查表法来进行评价,所得的结果带有很强的主观性,已很难满足现代煤矿安全生产的高要求。针对这种情况,本文进行了煤矿井火灾风险评估体系的相关研究及预警系统开发。
本文结合国内外现有的煤矿井火灾评价体系及煤矿井火灾相关文献,分别对煤矿井火灾发生的外因、内因及救灾和管理等方面因素进行了详细分析,在此基础上建立了较为详细的煤矿井火灾风险评估指标体系。该指标体系包含了1个一级指标,3个二级指标,10个三级指标,44个四级指标,整个指标体系层次清晰,较为全面、完整的反映了煤矿井的实际情况。在建立了较为完善的煤矿井火灾风险评估体系之后,分别研究了BP神经网络及遗传算法的基本理论及实现过程,分析了其各自的优缺点。基于BP神经网络与遗传算法具有较强的互补性,本文将二者有效地结合运用,建立了煤矿井火灾风险评估指标体系的遗传神经网络模型。运用模糊层次分析法(Fuzzy AHP)求出了煤矿井火灾风险评估指标体系各层次指标的权重,并结合MATLAB中rand()函数,得到了煤矿井火灾风险评估指标体系遗传神经网络的输入、输出样本,根据对相关资料的研究及经验,确定了煤矿井火灾风险评估指标体系遗传神经网络的结构参数。编写了煤矿井火灾风险评估指标体系遗传神经网络的MATLAB程序,使整个模型可以用计算机实现。为了达到人机互动对话操作的目的,本文在所编写的MATLAB程序基础上,运用MATLAB图形工具界面(GUI)开发出了界面简单、便于操作的煤矿井火灾风险预警系统,并以山西焦煤集团西山煤电马兰矿为例进行验证,其验证结果较为符合实际情况,令人满意,证明所开发的预警系统具有较强的实用性。
本文所建立的煤矿井火灾风险评估指标体系层次清晰、指标全面,在此基础上开发出的煤矿井火灾风险预警系统界面清晰明了,操作简单,使用方便。煤矿中负责安全生产的工作人员可以使用此预警系统,根据煤矿的实际情况,逐一针对评估指标体系最后一层次指标分别进行风险等级判定,即可简单快速地得到煤矿井发生火灾的风险评分及等级。这为煤矿管理者的决策提供了科学的依据,使其能够及时地针对处于危险状态的指标采取相应的技术措施及管理手段进行控制,防止煤矿井火灾的发生,从而保障了煤矿井工作人员的作业安全,避免了设备毁损、煤炭资源浪费及环境污染,保证了煤炭企业的安全生产。