论文部分内容阅读
摘 要：本文就煤矿安全管理“自学习”体系的构建展开论述，通过对于自学习体系的探究，分析了在操作、预警、管理员权限、奖惩真实性等方面，现阶段煤矿安全管理中存在的问题，并以此通过实时跟踪处理系统、异常行为检测系统、电子证据链、大数据分析平台、“自学习”体系平台等方面的构建，强化煤矿安全管理中的自学习能力，进而构建一个现代化的煤矿安全管理体系，提升煤矿企业的安全管理能力。
关键词：煤矿企业 安全管理 “自学习”体系 跟踪处理
中图分类号：F406 文献标识码：A 文章编号：1674-098X（2021）02（b）-0155-03
Analysis on the Construction of "Self-learning" System of Coal Mine Safety Management
SHI Haonan
（Shaanxi Yongxin Mining Co.， Ltd.， Yulin， Shaanxi Province， 719400 China）
Abstract： This paper discusses the construction of "self-learning" system of coal mine safety management. Through exploring the self-learning system， this paper analyzes the problems existing in coal mine safety management at present， such as operation， early warning， administrator authority， reward and punishment authenticity， and strengthens the self-learning ability in coal mine safety management through the construction of real-time tracking and processing system， abnormal behavior detection system， electronic evidence chain， big data analysis platform and self-learning system platform， and then constructs a modern coal mine safety management system to improve the safety management ability of coal mining enterprises.
Key Words： Co al mining enterprise; Safety management; Self-learning system; Track processing
隨着信息化技术应用广度的不断提升，在各领域中，借助大数据等高新技术，形成了这一行业中特定领域的升级与转型。针对于煤矿行业中安全管理领域中长期存在的问题，通过自学习相关平台的构建，可以形成一个基于生物仿真的智能化安全管理系统，进而提升煤矿行业安全管理工作的运行效率，保证煤矿行业的稳定发展。因此，需要就自学习体系做以研究，以推动煤矿行业安全管理的稳定长效发展。
1 自学习系统概述
自学习体系是一种基于智能化技术的生物仿真系统，可以在已有行为运行的过程中，对于行为的整体正确情况进行评估，并发现其中的不合理因素，对其进行及时的纠正与改良，通过对于系统结构与参数的自动化修改，形成的一种针对于行为的优良程度进行判断的系统。相较于自适应系统，通过学习发现的问题，可以在改进的过程中，固化于系统的结构中，进而为优化行为的实现提供便利，同时自动学习可以应用与自动设计与调节，是一种及时优化的问题解决办法[1]。
2 现阶段煤矿安全管理存在的问题
2.1 违规操作问题
违规操作问题是长期的生产过程中，遗留下来的问题。由于人员对于安全问题的忽视，加之管理的不严格，进而形成了对于操作规范性的漠视。同时，人员的行为也是安全管理中较难管控的问题之一，违规通常存在于一些冒险、叛逆、侥幸心理中，进而加重了违规操作的不确定性与隐蔽性，造成了在安全管理过程中，对于管理的阻碍。此外，由于岗位责任的落实不到位，形成了生产过程中的随意性，进一步提升了人员操作的风险系数，进而加重了。煤矿生产中存在安全问题的可能性。
2.2 实时预警问题
由于安全管理制度的不严格，造成了在管理过程中，针对于违规问题的实时预警性不强，进而降低了对于违规操作的防范程度。此外，在监督手段上，传统的安全管理制度通常为一种事后管理，在形成危害后，才能发现问题的严重性，严重降低了风险管控的时效性，使得安全问题进一步恶化。由于没有一个设计到生产全阶段的安全管理体系，进而导致了安全管理过程中危险因素不能在生产的过程中得到屏蔽，限制了现代化煤矿生产行业的发展。
2.3 管理员裁量问题
由于管理人员的自由裁量权过大，会在风险排查的过程中，形成舞弊现象，导致风险排查的模糊，造成了风险潜伏的可能。并且由于人为的凑指标，导致了安全管理过程中的乱象，加之评价指标的不确定性，加重了人员生产的安全隐患，导致风险评价过程中相关证据链的不完整，限制了评价结果的真实性。此外，粗放的自由裁量机制，形成人为主观因素的过重参与，严重阻碍了评价的客观性，进而限制了评价结果的有效推进，使得问题重复，长期得不到有效的整改，限制了安全管理现代化评价体系的构建。 2.4 奖惩可信度问题
奖惩制度评价体系的不规范，会形成相关评价机制失真的情况，降低了奖惩制度的权威性，使得评价的可信度下降。奖惩制度的初衷在于通过奖励来规范与激励人员行为，但在实际的操作过程中往往出现惩罚大于奖励的现象，进而造成了在奖惩制度实施的过程中，安全问题的增大。此外，由于相关标准的不确定，会导致管理人员与违规人员就规章理解的不一致，进而造成双方的冲突，使得安全问题不但没有得到有效的排查，还造成了相关问题的加重，进而形成了人的行为得不到有效约束的现象。
3 “自学习”体系在煤矿安全管理中的构建途径
3.1 危险源跟踪实时处理系统
“自学习”系统可以通过对于信息的提取，以及多语义的有效识别，可以构建一个基于情景感知的体系框架，进而为安全管理行为提供导向。针对于煤矿安全管理过程中涉及到的危险类别较多，科学随之存在的违规操作也呈现出一定的广度，这就决定在在对于煤矿生产过程进行安全检测的过程中，需要应用更多的设备及检测程序。在进行“自学习”平台的构建过程中，需要针对于危险的类别，构建一个危险源的跟踪识别机制与实时处理模型，并按照“自学习”的操作机制，构建一个模型与实际情况之间的相应机制，进而就不同种类的危险源以及违规操作构建相应的数据库，为信息的调取与比对提供基础，进而应用不同尺度特征对于危险源以及违规操作进行变换表示，建立基于特征信息模板匹配方式的结构化图像采集与分析系统，形成基于图像识别的煤矿危险源及违规操作的实时跟踪处理系统[2]。
3.2 操作人员异常状态检测系统
为保证检测措施的动态性，需要将时间因素以及空间因素融入检测的过程中，针对于潜在的危险源以及可能出现的违规操作进行分析，进而提升检测的灵活性。以智能化的视频识别算法对于人员的行为进行监督，进而通过基于多特征融合危险源识别实时跟踪处理系统提取到的特征与模板图像之间的对比，形成针对于风险的智能化特征匹配，就上述形成的危险源以及特征形成的危险状态检测模型，可以对于违规操作形成实时的预警，进而在出现危险操作时，施以智能化的预警，提升预警的时效性。尤其是较为严重的风险行为，系统会智能化的识别，并阻断行为的接续性。例如：通过人员身份的识别，对于风险操作的权限进行遏制，把风险行为推送到特定的界面或者特定的系统，进而对于风险行为单独进行处理，再依据“自学习”的不同视觉模式及拟态，在对于风险行为进行细分的基础上，完成对于风险操作的修正，进而提升系统的检测能力，与“自学习”能力，形成对于人员异常操作的检测，完善系统的整体架构[3]。
3.3 奖惩可信电子证据链
相较于人工处理动作会形成集权过大，而造成奖惩制度失真的情况，在进行奖惩制度落实的过程中，需要通过风险预警机制以及人员行为的检测系统，构建一个稳定可信的电子证据链，从不同角度对于问题进行分析，进而提升检测的全面性[4]。传统安全管理体系中，由于電子证据链的可篡改性较强，会加重奖惩机制失真的情况，进而导致奖惩制度的权威性下降，限制了措施的可行性。电子数据的收集与整理，是管理的重要依据，传统的电子数据与人员的特征等并没有直接的挂钩，使得相关数据在存储以及传输的过程中，会形成人员的随意篡改，进而形成传统证据链的信任风险。通过“自学习”平台的构建，可以形成一个基于时间戳与人员特征参数交互认证的可信固化电子证据链，采用时间戳在电子证据上确定唯一标识时间，附加针对视频采集的完整图像，形成由内容至时间不可篡改的电子证据链，降低了数据被篡改的风险，提升了电子数据的客观性与真实性。此外，通过固化后的数据管理平台，可以构建一个完整、真实的“自学习”安全管理体系，进而通过唯一的证据链，为管理人员提供依据。
3.4 安全管理大数据分析平台
传统的安全管理模式中，数据较为分散，并且孤立的数据不利于集中抓取，并且数据没有被重新利用的可能，进而为进一步的分析造成了阻碍。通过大数据技术的应用，可以形成一个基于煤矿产业安全管理的大数据平台，通过对于数据的分析，可以形成在历史数据以及未来运行趋势方面的整合，以此提升平台的运行能力[5]。例如：通过大数据分析中心的构建，可以形成一个基于大数据的信息处理，系统，在抓取历史数据后，可以实现数据的综合分析系统，将数据发展的趋势直观的呈现于管理人员的视野中。此外，通过数据应用广度的有效扩展，可以形成基于各类数据的安全管理态势分析，为同类的规模事件提供基础。在对于矿井的安全系数进行分析的过程中，通过大数据技术的应用，融合互联网技术，可以实现大数据统计、存储、加工、处理、发掘，完善数据的综合发布与浏览，提升操作人员对于生产情况的掌握度。
3.5 “自学习”体系平台
通过多数据的提取，以及溯源结构功能的融入，可以为煤矿产业的安全管理构建一个标准化的数据处理机制。“自学习”体系的建设内容通常包含以下几方面：（1）“自学习”处理途径，主要通过构建多特征融合的危险源识别实时跟踪处理系统以及危险源以及操作人员的状态检测系统作为系统的基本架构;（2）电子证据的建立，主要在于形成一个基于安全管理的可信性电力证据链;（3）平台管理系统的建立;（4）正向管理机制的构建，进而实现煤矿安全“自学习”管理体系，并以此降低人员的自由裁量权，实现精准可靠的管理;（5）安全隐患大数据分析系统的构建，通过数据的收集与整理，通过数据的反馈机制，形成完善的数据模型，为进一步的数据分析，提供基础。通过上述系统的综合运作，与协调共进，实现煤矿产业现代化安全管理体系的落实[6]。
4 结语
综上所述，为保证煤矿行业的发展，需要通过高新技术的融合，构建一个现代化的安全管理“自学习”体系，进而提升其安全管理效能。为此，要就煤矿行业安全管理中存在的问题，落实针对于危险源的跟踪查找，并且对于操作人员的异常行为进行及时的纠正，为奖惩制度的执行提供可信的电子证据链，以此完善安全管理平台构建，提升“自学习”体系的适配性，进而推动煤矿行业安全管理的良性运行。
参考文献
[1] 张俭让，史振东，闫振国，等.煤矿安全双重预防信息管理系统设计研究[J].煤炭工程，2020，52（10）：181-185.
[2] 马晓江.煤矿安全管理存在的问题及其防控措施[J].矿业装备，2020（5）：96-97.
[3] 刘庆修，田宏亮，田东庄，等.载人救援提升装备多功能钢丝绳研发与试验研究[J].煤矿机械，2020，41（11）：38-40.
[4] 祁慧，李泽荃，陈红.煤矿安全管理制度的执行特征对制度有效性的影响研究[J].煤炭工程，2020，52（10）：192-196.
[5] 王佳奇，卢明银.基于数字孪生的煤矿瓦斯事故安全管理[J].煤矿安全，2020，51（8）：251-255.
[6] 周波，刘志强.煤矿员工不安全行为预防管理方法研究[J].煤矿安全，2020，51（8）：260-264.
关键词：煤矿企业 安全管理 “自学习”体系 跟踪处理
中图分类号：F406 文献标识码：A 文章编号：1674-098X（2021）02（b）-0155-03
Analysis on the Construction of "Self-learning" System of Coal Mine Safety Management
SHI Haonan
（Shaanxi Yongxin Mining Co.， Ltd.， Yulin， Shaanxi Province， 719400 China）
Abstract： This paper discusses the construction of "self-learning" system of coal mine safety management. Through exploring the self-learning system， this paper analyzes the problems existing in coal mine safety management at present， such as operation， early warning， administrator authority， reward and punishment authenticity， and strengthens the self-learning ability in coal mine safety management through the construction of real-time tracking and processing system， abnormal behavior detection system， electronic evidence chain， big data analysis platform and self-learning system platform， and then constructs a modern coal mine safety management system to improve the safety management ability of coal mining enterprises.
Key Words： Co al mining enterprise; Safety management; Self-learning system; Track processing
隨着信息化技术应用广度的不断提升，在各领域中，借助大数据等高新技术，形成了这一行业中特定领域的升级与转型。针对于煤矿行业中安全管理领域中长期存在的问题，通过自学习相关平台的构建，可以形成一个基于生物仿真的智能化安全管理系统，进而提升煤矿行业安全管理工作的运行效率，保证煤矿行业的稳定发展。因此，需要就自学习体系做以研究，以推动煤矿行业安全管理的稳定长效发展。
1 自学习系统概述
自学习体系是一种基于智能化技术的生物仿真系统，可以在已有行为运行的过程中，对于行为的整体正确情况进行评估，并发现其中的不合理因素，对其进行及时的纠正与改良，通过对于系统结构与参数的自动化修改，形成的一种针对于行为的优良程度进行判断的系统。相较于自适应系统，通过学习发现的问题，可以在改进的过程中，固化于系统的结构中，进而为优化行为的实现提供便利，同时自动学习可以应用与自动设计与调节，是一种及时优化的问题解决办法[1]。
2 现阶段煤矿安全管理存在的问题
2.1 违规操作问题
违规操作问题是长期的生产过程中，遗留下来的问题。由于人员对于安全问题的忽视，加之管理的不严格，进而形成了对于操作规范性的漠视。同时，人员的行为也是安全管理中较难管控的问题之一，违规通常存在于一些冒险、叛逆、侥幸心理中，进而加重了违规操作的不确定性与隐蔽性，造成了在安全管理过程中，对于管理的阻碍。此外，由于岗位责任的落实不到位，形成了生产过程中的随意性，进一步提升了人员操作的风险系数，进而加重了。煤矿生产中存在安全问题的可能性。
2.2 实时预警问题
由于安全管理制度的不严格，造成了在管理过程中，针对于违规问题的实时预警性不强，进而降低了对于违规操作的防范程度。此外，在监督手段上，传统的安全管理制度通常为一种事后管理，在形成危害后，才能发现问题的严重性，严重降低了风险管控的时效性，使得安全问题进一步恶化。由于没有一个设计到生产全阶段的安全管理体系，进而导致了安全管理过程中危险因素不能在生产的过程中得到屏蔽，限制了现代化煤矿生产行业的发展。
2.3 管理员裁量问题
由于管理人员的自由裁量权过大，会在风险排查的过程中，形成舞弊现象，导致风险排查的模糊，造成了风险潜伏的可能。并且由于人为的凑指标，导致了安全管理过程中的乱象，加之评价指标的不确定性，加重了人员生产的安全隐患，导致风险评价过程中相关证据链的不完整，限制了评价结果的真实性。此外，粗放的自由裁量机制，形成人为主观因素的过重参与，严重阻碍了评价的客观性，进而限制了评价结果的有效推进，使得问题重复，长期得不到有效的整改，限制了安全管理现代化评价体系的构建。 2.4 奖惩可信度问题
奖惩制度评价体系的不规范，会形成相关评价机制失真的情况，降低了奖惩制度的权威性，使得评价的可信度下降。奖惩制度的初衷在于通过奖励来规范与激励人员行为，但在实际的操作过程中往往出现惩罚大于奖励的现象，进而造成了在奖惩制度实施的过程中，安全问题的增大。此外，由于相关标准的不确定，会导致管理人员与违规人员就规章理解的不一致，进而造成双方的冲突，使得安全问题不但没有得到有效的排查，还造成了相关问题的加重，进而形成了人的行为得不到有效约束的现象。
3 “自学习”体系在煤矿安全管理中的构建途径
3.1 危险源跟踪实时处理系统
“自学习”系统可以通过对于信息的提取，以及多语义的有效识别，可以构建一个基于情景感知的体系框架，进而为安全管理行为提供导向。针对于煤矿安全管理过程中涉及到的危险类别较多，科学随之存在的违规操作也呈现出一定的广度，这就决定在在对于煤矿生产过程进行安全检测的过程中，需要应用更多的设备及检测程序。在进行“自学习”平台的构建过程中，需要针对于危险的类别，构建一个危险源的跟踪识别机制与实时处理模型，并按照“自学习”的操作机制，构建一个模型与实际情况之间的相应机制，进而就不同种类的危险源以及违规操作构建相应的数据库，为信息的调取与比对提供基础，进而应用不同尺度特征对于危险源以及违规操作进行变换表示，建立基于特征信息模板匹配方式的结构化图像采集与分析系统，形成基于图像识别的煤矿危险源及违规操作的实时跟踪处理系统[2]。
3.2 操作人员异常状态检测系统
为保证检测措施的动态性，需要将时间因素以及空间因素融入检测的过程中，针对于潜在的危险源以及可能出现的违规操作进行分析，进而提升检测的灵活性。以智能化的视频识别算法对于人员的行为进行监督，进而通过基于多特征融合危险源识别实时跟踪处理系统提取到的特征与模板图像之间的对比，形成针对于风险的智能化特征匹配，就上述形成的危险源以及特征形成的危险状态检测模型，可以对于违规操作形成实时的预警，进而在出现危险操作时，施以智能化的预警，提升预警的时效性。尤其是较为严重的风险行为，系统会智能化的识别，并阻断行为的接续性。例如：通过人员身份的识别，对于风险操作的权限进行遏制，把风险行为推送到特定的界面或者特定的系统，进而对于风险行为单独进行处理，再依据“自学习”的不同视觉模式及拟态，在对于风险行为进行细分的基础上，完成对于风险操作的修正，进而提升系统的检测能力，与“自学习”能力，形成对于人员异常操作的检测，完善系统的整体架构[3]。
3.3 奖惩可信电子证据链
相较于人工处理动作会形成集权过大，而造成奖惩制度失真的情况，在进行奖惩制度落实的过程中，需要通过风险预警机制以及人员行为的检测系统，构建一个稳定可信的电子证据链，从不同角度对于问题进行分析，进而提升检测的全面性[4]。传统安全管理体系中，由于電子证据链的可篡改性较强，会加重奖惩机制失真的情况，进而导致奖惩制度的权威性下降，限制了措施的可行性。电子数据的收集与整理，是管理的重要依据，传统的电子数据与人员的特征等并没有直接的挂钩，使得相关数据在存储以及传输的过程中，会形成人员的随意篡改，进而形成传统证据链的信任风险。通过“自学习”平台的构建，可以形成一个基于时间戳与人员特征参数交互认证的可信固化电子证据链，采用时间戳在电子证据上确定唯一标识时间，附加针对视频采集的完整图像，形成由内容至时间不可篡改的电子证据链，降低了数据被篡改的风险，提升了电子数据的客观性与真实性。此外，通过固化后的数据管理平台，可以构建一个完整、真实的“自学习”安全管理体系，进而通过唯一的证据链，为管理人员提供依据。
3.4 安全管理大数据分析平台
传统的安全管理模式中，数据较为分散，并且孤立的数据不利于集中抓取，并且数据没有被重新利用的可能，进而为进一步的分析造成了阻碍。通过大数据技术的应用，可以形成一个基于煤矿产业安全管理的大数据平台，通过对于数据的分析，可以形成在历史数据以及未来运行趋势方面的整合，以此提升平台的运行能力[5]。例如：通过大数据分析中心的构建，可以形成一个基于大数据的信息处理，系统，在抓取历史数据后，可以实现数据的综合分析系统，将数据发展的趋势直观的呈现于管理人员的视野中。此外，通过数据应用广度的有效扩展，可以形成基于各类数据的安全管理态势分析，为同类的规模事件提供基础。在对于矿井的安全系数进行分析的过程中，通过大数据技术的应用，融合互联网技术，可以实现大数据统计、存储、加工、处理、发掘，完善数据的综合发布与浏览，提升操作人员对于生产情况的掌握度。
3.5 “自学习”体系平台
通过多数据的提取，以及溯源结构功能的融入，可以为煤矿产业的安全管理构建一个标准化的数据处理机制。“自学习”体系的建设内容通常包含以下几方面：（1）“自学习”处理途径，主要通过构建多特征融合的危险源识别实时跟踪处理系统以及危险源以及操作人员的状态检测系统作为系统的基本架构;（2）电子证据的建立，主要在于形成一个基于安全管理的可信性电力证据链;（3）平台管理系统的建立;（4）正向管理机制的构建，进而实现煤矿安全“自学习”管理体系，并以此降低人员的自由裁量权，实现精准可靠的管理;（5）安全隐患大数据分析系统的构建，通过数据的收集与整理，通过数据的反馈机制，形成完善的数据模型，为进一步的数据分析，提供基础。通过上述系统的综合运作，与协调共进，实现煤矿产业现代化安全管理体系的落实[6]。
4 结语
综上所述，为保证煤矿行业的发展，需要通过高新技术的融合，构建一个现代化的安全管理“自学习”体系，进而提升其安全管理效能。为此，要就煤矿行业安全管理中存在的问题，落实针对于危险源的跟踪查找，并且对于操作人员的异常行为进行及时的纠正，为奖惩制度的执行提供可信的电子证据链，以此完善安全管理平台构建，提升“自学习”体系的适配性，进而推动煤矿行业安全管理的良性运行。
参考文献
[1] 张俭让，史振东，闫振国，等.煤矿安全双重预防信息管理系统设计研究[J].煤炭工程，2020，52（10）：181-185.
[2] 马晓江.煤矿安全管理存在的问题及其防控措施[J].矿业装备，2020（5）：96-97.
[3] 刘庆修，田宏亮，田东庄，等.载人救援提升装备多功能钢丝绳研发与试验研究[J].煤矿机械，2020，41（11）：38-40.
[4] 祁慧，李泽荃，陈红.煤矿安全管理制度的执行特征对制度有效性的影响研究[J].煤炭工程，2020，52（10）：192-196.
[5] 王佳奇，卢明银.基于数字孪生的煤矿瓦斯事故安全管理[J].煤矿安全，2020，51（8）：251-255.
[6] 周波，刘志强.煤矿员工不安全行为预防管理方法研究[J].煤矿安全，2020，51（8）：260-264.