【摘要】 论文在国家杰出青年基金项目《采矿环境与安全(50125414)》等纵向科研项目和大量煤矿安全现状综合评价项目研究与实践基础上，综述了国内外煤矿安全评价理论与技术的研究现状，建立了煤矿安全动态评价和预测模型，并结合现场数据实现了应用研究。论文还综合模糊数学和神经网络技术的优点建立了煤矿安全评价的模糊神经网络模型，增强了对不确性指标的表达能力，使评价模型具有更强的自学习、并行计算、全局寻优和复杂数据的处理能力，得出一套符合煤矿生产系统特点的动态(变权)安全评价和预测技术、方法。首先，论文在分析我国煤矿安全现状的基础上探讨了开展煤矿安全评价工作的重要意义，综述了国内外安全评价理论和煤矿安全评价技术的发展现状、神经网络技术的特点，提出课题研究的意义、研究思路和主要内容。然后，根据现代事故致因理论，结合人-机-环分析法与层次分析法等分析了煤矿安全生产的主要影响因素，并总结为11大类。根据安全评价指标体系建立的原则，提出几种煤矿安全评价指标的预处理方法，建立了煤矿安全评价指标体系。接着，根据神经网络结构特点和已经建立的煤矿安全评价指标体系，确定以误差反向传播的前向BP网络作为煤矿安全评价算法模型，并探讨了煤矿安全评价的网络结构设计、训练学习流程、性能改进方法。讨论了MATLAB神经网络工具箱及其图形用户界面GUI在神经网络模型的设计和训练过程中的强大功能，为煤矿安全评价网络模型的应用奠定基础。利用神经网络工具箱GUI实现了煤矿动态(变权)安全评价的神经网络模型设计，并结合大量的现场实际数据实现了煤矿安全动态评价的应用研究，评价结果与“煤矿安全现状综合评价报告”结果基本一致。论文还对煤矿安全评价神经网络模型作了重要改进，综合模糊数学和神经网络技术的优点建立了煤矿安全评价模糊神经网络模型，并完成了应用研究，使评价过程对不确定性指标的表达能力更强，具有更强的自学习、并行计算、全局寻优和复杂数据处理能力。煤矿安全预测也是煤矿安全动态评价的一部分，论文建立了煤矿安全指标(百万吨死亡率)预测的神经网络模型，并借助新疆焦煤集团某矿井的实际数据完成了应用研究，比较了三种网络结构、三种训练函数的预测过程及结果的准确度，得出三种网络结构中6×18×1三层网络模型的预测结果更稳定和准确，TRAINBR和TRAINLM函数在矿井安全动态预测中有明显的优势。在现场实践的基础上，适应煤矿安全评价神经网络模型需要，论文中编制了煤矿安全评价原始数据采集表，并制定了指标量化标准，有助于动态采集并量化数据，便于该安全评价技术的推广应用。

【关键词】 煤矿安全； 安全评价； 评价指标体系； 安全预测； 人工神经网络； 安全评价模型； 模糊神经网络；




摘要 4-6
ABSTRACT 6-7
1 绪论 13-27
    1.1 煤矿安全评价的重要作用 13-16
        1.1.1 我国煤矿安全生产形势的严峻性 13-14
        1.1.2 开展煤矿安全评价的必要性 14-15
        1.1.3 煤矿安全评价的重要性 15-16
    1.2 国内外煤矿安全评价发展现状及趋势 16-20
        1.2.1 国外安全评价发展现状 16-17
        1.2.2 我国煤矿安全评价发展现状 17-18
        1.2.3 我国煤矿安全评价技术研究现状 18-19
        1.2.4 传统的煤矿安全评价方法存在的问题 19-20
    1.3 煤矿安全动态(变权)评价的可行性 20-24
        1.3.1 煤矿生产系统特点 20
        1.3.2 神经网络煤矿安全评价的可行性 20-24
        1.3.3 模糊神经网络(FNN)煤矿安全评价的可行性 24
    1.4 本论文研究内容与技术路线 24-27
2 煤矿安全评价指标体系研究 27-43
    2.1 矿井安全生产分析原理 27-29
        2.1.1 事故致因理论 27-28
        2.1.2 矿井安全评价原理 28-29
        2.1.3 矿井生产系统分析方法 29
    2.2 矿井安全评价指标体系建立的原则 29-30
        2.2.1 矿井安全评价指标体系建立的原则 29-30
        2.2.2 矿井安全评价指标体系的构成 30
    2.3 矿井安全评价指标体系 30-38
        2.3.1 安全评价指标体系结构 30-32
        2.3.2 安全评价指标原始数据预处理 32-36
        2.3.3 评价指标量化 36-38
    2.4 矿井安全评价模型建立的思想 38-42
        2.4.1 安全评价模型建立的思想 38-39
        2.4.2 评价指标权重的确定方法 39-42
        2.4.3 评价指标权值的动态确定 42
    2.5 本章小结 42-43
3 煤矿安全评价的神经网络模型研究 43-61
    3.1 人工神经网络基本原理 43-48
        3.1.1 人工神经网络模型 43-45
        3.1.2 人工神经网络分类 45-46
        3.1.3 神经网络的学习 46-48
    3.2 BP神经网络 48-55
        3.2.1 BP网络模型与结构 48-49
        3.2.2 BP网络学习算法 49-50
        3.2.3 BP网络误差的反向传播 50
        3.2.4 BP网络设计与训练 50-55
    3.3 MATLAB神经网络工具箱 55-58
        3.3.1 MATLAB简介 55-56
        3.3.2 MATLAB神经网络工具箱 56
        3.3.3 运用网络工具箱设计网络的过程 56
        3.3.4 MATLAB工具箱中的神经网络结构 56-57
        3.3.5 神经网络工具箱的图形用户界面功能 57
        3.3.6 训练过程的监控 57-58
    3.4 BP网络性能改进 58-60
        3.4.1 BP网络学习算法的缺陷 58-59
        3.4.2 改进方法 59-60
    3.5 本章小结 60-61
4 矿井动态综合安全评价模型及应用研究 61-80
    4.1 矿井安全评价问题求解的网络设计 61-62
    4.2 矿井安全评价模型的训练与仿真 62-67
        4.2.1 网络训练样本输入数据的初始化方法 62-63
        4.2.2 网络训练样本数据准备 63-64
        4.2.3 待评矿井安全数据的准备 64-67
        4.2.4 网络训练过程及其结果 67
    4.3 仿真(评价)结果 67-73
    4.4 被评价矿井安全预防措施及对策 73-78
        4.4.1 瓦斯事故预防措施和建议 73-74
        4.4.2 采掘工作面顶板事故预防措施及建议 74-75
        4.4.3 矿井水防治对策 75-78
    4.5 本章小结 78-80
5 煤矿安全的模糊神经网络评价模型研究 80-94
    5.1 问题的提出 80
    5.2 模糊神经网络技术 80-83
        5.2.1 模糊神经网络概念 80-82
        5.2.2 模糊神经网络原理 82-83
    5.3 矿井安全模糊神经网络评价模型实现 83-84
        5.3.1 网络权值的确定 83
        5.3.2 网络学习步长的确定 83-84
        5.3.3 煤矿安全评价模糊神经网络算法步骤 84
    5.4 矿井安全模糊神经网络评价模型的应用 84-92
        5.4.1 样本数据空间的构成 89
        5.4.2 样本的标准化 89
        5.4.3 隶属函数的确定 89-90
        5.4.4 网络训练 90-91
        5.4.5 网络仿真 91-92
        5.4.6 网络训练注意事项与应用体会 92
    5.5 结果分析 92
    5.6 本章小结 92-94
6 矿井安全预测模型及应用研究 94-109
    6.1 安全预测方法 94-96
    6.2 矿井安全预测建模过程 96-97
        6.2.1 矿井安全预测的基本原则 96
        6.2.2 矿井安全预测建模过程 96-97
    6.3 矿井安全预测模型研究 97-100
        6.3.1 人工神经网络预测基本模型 98
        6.3.2 对数据样本的要求 98
        6.3.3 预测模型的实现步骤 98-100
    6.4 矿井安全预测模型的应用研究 100-104
    6.5 结果讨论 104-108
        6.5.1 结果 104-106
        6.5.2 讨论 106-108
    6.6 本章小结 108-109
7 结论 109-111
    7.1 论文主要研究结论 109-110
    7.2 论文研究成果及创新点 110
    7.3 进一步需要研究的问题 110-111
致谢 111-112
参考文献 112-121
附录 121-148