基于随机森林的矿工不安全行为预测预警模型

为减少煤矿工人不安全行为,科学研判其未来趋势和状态,通过事故统计和文献分析构建煤矿不安全事件与事故数据库和矿工不安全行为属性表,在此基础上,采用Apriori算法挖掘各不安全因素与不安全行为间的关联规则,将强相关规则作为随机森林预测模型的输入指标,不安全行为频次作为输出指标,对原始模型进行拟合训练,基于相关性分析与专家建议设置预警阈值,完善矿工不安全行为预警模型。结果表明:安全文化、现场监护、无效纠正、技术环境以及人员状态与矿工不安全行为构成强相关规则;对于矿工不安全行为的预测,预测值与实际值的偏差较小,预警模型准确度较高;且技术环境、工作环境、组织管理和隐患识别对预测结果影响最大。

基于新SEIRS的矿工不安全行为传播分析

为研究矿工间不安全行为的传播机制并提高煤矿对不安全行为治理的针对性,采用传播动力学方法,在流行病传播模型的基础上构建了易染-潜伏-不安全-免疫的新SEIRS传播模型;通过Python设置矿工不安全行为的传播范围、时间周期、初始参数等,实现了对模型的数值仿真;研究了转化率对稳态下进行不安全生产的矿工人数的影响。结果表明:提高矿工的免疫率和矫正率可以抑制不安全行为的传播,而提高矿工的潜伏率和遗忘率则会加快不安全行为的传播,易染矿工的转化方向在不安全行为传播中处于决定性地位;矿工的不安全行为传播与转化存在一定规律性,应据此开展针对性培训等干预,提升煤矿的安全管理水平。