矿山应急能力评估模型构建方法

技术领域

本发明设计矿山应急能力分析领域，具体涉及一种矿山应急能力评估模型构建方法。

背景技术

煤炭开采环节多，地质条件复杂，生产条件恶劣。已往的煤矿事故救援案例表明，提高应急能力可以有效减少事故发生后的人员伤亡和财产损失。

尽管这些年在对应的规范的指导下，在对应的煤矿应急救援能力取得了比较大的发展，但是还是存在一些不合理的地方，目前由于国内对煤矿应急能力评估的关键指标和要素没有统一规定，这样在对煤矿应急能力评估时更多的还是停留在人工操作上，即通过人工对该能力进行打分评估，当然为了使得煤矿应急能力的评估更加的快速，一些智能化的评估方法也被应用在对煤矿应急能力评估上，大大提高了评估的快速化，但是依然存在一些问题，例如在对煤矿应急能力评估时，对应的评估因素存在数量多，定性难的问题，这就导致在对煤矿应急能力评估时对这些评估因素的重要性的判断无法实现判断的一致性，这样势必会造成误差，对于最终的煤矿应急能力的评估也会出现偏差。

发明内容

本发明的目的在于提供一种矿山应急能力评估模型构建方法，能够解决现有技术中针对煤矿应急能力评估时对评估因数的重要性判断无法实现一致性的问题。

为达到上述目的，本发明的技术方案提供一种矿山应急能力评估模型构建方法，包括以下步骤：

S1、根据预设的初始评估指标体系，确定该初始评估指标体系内各个指标的等级以及各个等级所对应的评分标准，所述等级包括一级、二级和三级；

S2、评估各个指标的指标权重，生成对应的初始指标权重结果；

S3、基于各个指标的等级以及对应的指标权重结果，重构初始评估指标体系，形成对应的终极评估指标体系，并计算出终极评估指标体系中各个指标的指标权重，生成终极指标权重结果；

S4、采集终极评估指标体系中等级为三级的指标所对应的数据，并通过灰色评估方法对各个指标进行评估，生成对应的各个指标的评估矩阵结果；

S5、根据各个指标的评估矩阵结果，综合评估对应的应急能力，形成评估报告。

本方案的原理和效果是：在本方案中，首先，通过初始评估指标体系，确定整个体系中各个指标所对应的等级，具体包括三个等级，分别为一级、二级和三级，每一个等级都有对应的评分标准，然后通过这两个数据对各个指标的指标权重进行评估，这里的指标权重是所有等级的指标都会进行评估，这样就会得到所有等级的指标的指标权重结果。

考虑到整个指标体系中的指标对应的数量比较庞大，而有一些指标的存在重要性比较低，即对整个评估结果的影响不是很大，但是要是存在这些数据，那么对于整个系统来说，对应的数据采集会比较繁琐，在进行相应的评估时计算量也会比较大，对于系统的要求也会比较高，这样极其不利于整个应急评估工作的快速便捷的进行，所以会根据依次对各个等级的指标进行重构，具体是通过指标权重结果来对指标的重要性进行确定，从而得到终极评估指标体系，这样体系中的各个指标都是比较关键的指标，在后续的评估时也会更加有说服力和高效性。

然后就会采集终极评估指标体系中等级为三级的指标的所对应的数据进行采集，将采集到的数据通过灰色评估方法进行各指标的评估，这样就会生成各指标的评估矩阵结果，最后就可以根据这个评估矩阵结果进行应急能力的评估，得到评估报告。

本方案通过对各级指标进行重构，使得对应的新的各个指标的数量在变小的同时对应的后续评估结果的影响也比较真实，解决了现有技术中针对煤矿应急能力评估时对应的评估因素存在数量多、定性难的问题，极大提高了评估的简便性和快速性。

同时在对于评估因数的重要性判断时，首先进行初步的指标确定，然后根据这些确定的指标进行指标的重构，而在重构时是根据指标的重要性来进行确定的，这样能够更进一步的确定得到的各个指标是比较重要的指标，这样也就解决了现有技术中针对煤矿应急能力评估时对评估因数的重要性判断无法实现一致性的问题。

进一步的，所述S3包括以下步骤：

S30、根据各个指标的等级以及对应的指标权重结果，匹配出对应的等级为一级的各个指标，计算出该等级下的各个指标的权重值的方差，并根据对应的方差情况，筛选出权重值异常偏小的指标，并将该指标进行删除；

S31、匹配出未被删除的等级为一级的各个指标所对应的多组等级为二级的指标，并对每组等级为二级的指标的权重值的方差进行计算，并根据结果筛选出权重值异常偏小的指标，并将对应的指标进行删除；

S32、匹配出未被删除的等级为二级的各个指标所对应的多组等级为三级的指标，并对每组等级为三级的指标的权重值的方差进行计算，并根据计算结果筛选出权重值异常偏小的指标，并将对应的指标进行删除；

S33、根据剩余的指标重构对应的初始评估指标体系，形成终极评估指标体系，并对该终极评估指标体系中的各个指标的指标权重进行重新计算，生成对应的终极指标权重结果；所述终极评估指标体系为初始评估指标体系的子集。

有益效果：在本方案中，首先对等级为一级的各个指标进行重要性的判断，并将对应的不怎么重要的指标进行删除，从而使得在等级为一级的各个指标中不存在一些重要性不高的指标，这样所存在地等级为一级的指标数量会得到减少，对应的评估因素的数量也进一步得到了减少，之后的对等级为二级以及三级的指标进行判断和删除，从而使得整个重构完成后的终极评估指标体系中各个指标数量变少，同时对于整个评估结果影响也不大。

进一步的，所述S4包括以下步骤：

S40、采集终极评估指标体系中等级为三级的指标所对应的数据；

S41、根据采集到的数据，确定对应的评估灰类，并计算出等级为三级的各个指标的灰色评级系数；所述评估灰类包括强、较强、一般、较弱、弱；

S42、根据各个指标的灰色评级系数，计算出对应指标的灰色评估权向量；

S43、根据灰色评估权向量，依次计算各级指标的评估矩阵结果。

有益效果：通过灰色评估方法的谁在使得在对各级指标的评估矩阵结果进行计算时更加快速和便捷。

进一步的，所述S2和S3中的生成指标权重结果包括以下步骤：

对对应的评估指标体系所支配的等级为一级的指标进行两两比较，根据标度法对任一次比较进行赋值，得到该等级为一级的各指标的权重判断矩阵；

对等级为一级的各指标所支配的等级为二级的指标进行两两比较，根据标度法对任一次比较进行赋值，得到该等级为二级的各指标的权重判断矩阵；

对等级为二级的各指标所支配的等级为三级的指标进行两两比较，根据标度法对任一次比较进行赋值，得到该等级为三级的各指标的权重判断矩阵；

对每组指标的权重判断矩阵进行一致性检验，并对通过一致性检验的权重判断矩阵去算术平均值作为群判结果；

对每组指标的群判结果进行求解，得到各个指标的权重值。

有益效果：本方案中，通过逐级的各指标进行两两比较，并都通过标度法来对任一次比较进行赋值，得到各级的各指标的权重判断矩阵，然后对各级的各指标的权重判断矩阵进行一致性检验，并对通过检验的矩阵进行处理，得到各个指标的权重值，这就形成了各个指标的指标权重结果。

通过各级指标之间的两两判断，以及利用标度法来生成各等级的各指标的权重判断矩阵，即充分利用了专家的经验，同时也尽可能的减少了主观随意性，大大提高了各个指标的权重值的准确性和真实性。

附图说明

图1为本发明实施例的示意图。

具体实施方式

下面通过具体实施方式进一步详细说明：

实施例一：

实施例一基本如附图1所示：矿山应急能力评估模型构建方法，包括以下步骤：

S1、根据预设的初始评估指标体系，确定该初始评估指标体系内各个指标的等级以及各个等级所对应的评分标准，所述等级包括一级、二级和三级；在本实施例中，初始评估指标体系包括等级为一级的指标14项，编号为B，等级为二级的指标48项，编号为C，等级为三级的指标121项，编号为D。例如，等级为一级的指标有安全生产思想理念与法律法规B1，在该对应等级为一级的指标中包括安全生产思想理念C1、法律法规识别C2、法律法规转化C3这三个等级为二级的指标；具体的，其中安全生产思想理念C1中包括红线意识D1、底线思维D2这两个等级为三级的指标。

在本实施例中，对应的评分标准，例如等级为三级的对应的如下表：

S2、评估各个指标的指标权重，生成对应的初始指标权重结果；

所述S2和S3中的生成指标权重结果包括以下步骤：

对对应的评估指标体系所支配的等级为一级的指标进行两两比较，根据标度法对任一次比较进行赋值，得到该等级为一级的各指标的权重判断矩阵；在本实施例中，具体的通过每名专家对该轮判断中需要比较1组14个指标，一共需要完成91次比较判断，得到1个矩阵。

对等级为一级的各指标所支配的等级为二级的指标进行两两比较，根据标度法对任一次比较进行赋值，得到该等级为二级的各指标的权重判断矩阵；在本实施例中，每名专家在该轮判断需要比较14组指标，每组存在的指标数量为2到9个，累计可能需要完成78次比较判断，得到14个矩阵。

对等级为二级的各指标所支配的等级为三级的指标进行两两比较，根据标度法对任一次比较进行赋值，得到该等级为三级的各指标的权重判断矩阵；在本实施例中，每名专家在该轮判断需要比较14组指标，每组存在2到6个指标，累计需要完成106次比较判断，得到48个矩阵。

对每组指标的权重判断矩阵进行一致性检验，并对通过一致性检验的权重判断矩阵去算术平均值作为群判结果；在本实施例中，对应的一致性检测具体包括：

对每组指标集合，由专家判断出对应的矩阵A

对每组指标的群判结果进行求解，得到各个指标的权重值。在本实施例中，求得群判矩阵后，可设已知n个元素{B1,B2,…,Bn}对于准则A的群判权重矩阵为S，求相对权重向量W＝（ω

求解得到的权重向量W＝(ω

S3、基于各个指标的等级以及对应的指标权重结果，重构初始评估指标体系，形成对应的终极评估指标体系，并计算出终极评估指标体系中各个指标的指标权重，生成终极指标权重结果；

所述S3包括以下步骤：

S30、根据各个指标的等级以及对应的指标权重结果，匹配出对应的等级为一级的各个指标，计算出该等级下的各个指标的权重值的方差，并根据对应的方差情况，筛选出权重值异常偏小的指标，并将该指标进行删除；

S31、匹配出未被删除的等级为一级的各个指标所对应的多组等级为二级的指标，并对每组等级为二级的指标的权重值的方差进行计算，并根据结果筛选出权重值异常偏小的指标，并将对应的指标进行删除；

S32、匹配出未被删除的等级为二级的各个指标所对应的多组等级为三级的指标，并对每组等级为三级的指标的权重值的方差进行计算，并根据计算结果筛选出权重值异常偏小的指标，并将对应的指标进行删除；

S33、根据剩余的指标重构对应的初始评估指标体系，形成终极评估指标体系，并对该终极评估指标体系中的各个指标的指标权重进行重新计算，生成对应的终极指标权重结果；所述终极评估指标体系为初始评估指标体系的子集。

在本实施例中，例如，设某组一级指标或二级指标或三级指标{d

设该组全部指标权重的平均值为μ，则有：

总体方差σ

筛选指标：

当σ

当

当

1)从指标组{d

2)对每项指标d

凡是f(d

此时，即重新筛选得到一组指标{d

经过筛选后，新指标体系即终极评估指标体系的目标A不变，一级指标B

①从三级指标开始重构，对每组三级指标元素执行②或③方法，直至所有三级指标都被重新赋予权重值。

②若该组指标元素的数量n＝1，则直接赋予该指标元素的权重值为1。

③若该组指标元素的数量n≥2，则对照初始评估指标体系，重新取出新指标系的每组重要性判断矩阵数据，进行指标权重及确定方法，以及权重判断矩阵一致性检验方开始计算权重矩阵，并求解权重判断矩阵，获得新指标体系所有指标的权重值。

④开始重构二级指标，对每组二级指标执行②或③方法，直至所有二级指标都被重新赋予权重值。

⑤开始重构一级指标，对唯一组一级指标执行②或③方法，直至所有一级指标都被重新赋予权重值。

S4、采集终极评估指标体系中等级为三级的指标所对应的数据，并通过灰色评估方法对各个指标进行评估，生成对应的各个指标的评估矩阵结果；

所述S4包括以下步骤：

S40、采集终极评估指标体系中等级为三级的指标所对应的数据；

S41、根据采集到的数据，确定对应的评估灰类，并计算出等级为三级的各个指标的灰色评级系数；所述评估灰类包括强、较强、一般、较弱、弱；在本实施例中，需要确定评估灰类的等级数量、灰类的灰数以及灰数的白化权函数。

S42、根据各个指标的灰色评级系数，计算出对应指标的灰色评估权向量；

S43、根据灰色评估权向量，依次计算各级指标的评估矩阵结果。

S5、根据各个指标的评估矩阵结果，综合评估对应的应急能力，形成评估报告。在本实施例中，评估报告包括按等级罗列综合评估结论、一级指标评估结论、二级指标评估结论、三级指标评估结论，并对评估结果为薄弱的各级指标提出改进建议。

以上的仅是本发明的实施例，该发明不限于此实施案例涉及的领域，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。