为有效预防矿山重大事故的发生,降低矿山事故风险,以故障树分析法(Fault Tree Analysis,FTA)为理论基础,揭示矿山重大风险节点的耦合机制,然后建立通用的矿山重大风险评估动态贝叶斯网络(Dynamic Bayesian Network,DBN)。从人、机、环...
详细信息
为有效预防矿山重大事故的发生,降低矿山事故风险,以故障树分析法(Fault Tree Analysis,FTA)为理论基础,揭示矿山重大风险节点的耦合机制,然后建立通用的矿山重大风险评估动态贝叶斯网络(Dynamic Bayesian Network,DBN)。从人、机、环、管四方面筛选影响因素,构建故障树模型,涵盖45个基本事件。通过专家评价语言模糊转化及改进的相似聚合法确定DBN模型参数,以7级语言量表收集6位不同权重专家意见,基于经处理得到的各基本事件先验概率,构建DBN模型进行正向推理。将时间划分为九个时间片,在无证据输入下,发现部分节点风险概率随时间上升,矿山风险总体呈上升趋势。反向诊断假设矿山典型重大风险预测风险状态概率100%,计算节点后验概率及变异风险(Risk of Variability,ROV)值并排序,确定人员技术水平差、文化水平低等为主要因素,产品储存量过多、车辆违规操作等为关键因素。最后以某矿山为例开展分析验证工作。研究表明:所构建模型能够基于输入证据准确预测出矿山重大风险概率的变化;通过分析新疆某矿山,成功对关键风险因素进行识别,并对这些风险因素进行排序,从而识别出系统的薄弱环节,并实现风险监控,决策者因此可以迅速做出反应,减少事故风险。
暂无评论