编辑推荐：
针对煤矿瓦斯爆炸风险的不确定性及应急响应模糊性，基于94起事故案例构建复杂拓扑网络，整合Bow-tie模型、动态贝叶斯网络和模糊理论，建立风险评估及应急效能模型，揭示风险演化规律及多屏障协同控制效果，验证模型在真实案例中的适用性。
辛彤|薛照正|金永飞|解仁|孙斌|蔡高奇|刘青云|董北北|李源
西安科技大学安全科学与工程学院，中国西安710054
摘要：
针对瓦斯爆炸风险的不确定性和应急响应效果的模糊性问题，以94起煤矿瓦斯爆炸事故为例，构建了一个复杂的拓扑网络来探究多级成因。通过聚类和归纳推理方法确定了瓦斯爆炸的评估指标体系。结合Bow-tie模型、动态贝叶斯网络（DBN）和模糊集合理论，建立了一个风险评估和应急效果分析模型。该模型揭示了瓦斯爆炸风险的时间演变规律，并得出了在多重安全屏障共同作用下的风险量化控制效果。研究表明，基于当前煤矿的安全控制条件和应急能力，目前及未来30周内发生瓦斯爆炸的概率分别为4.8%和9.3%，与基准状态相比，事故概率增加了95.2%。确定了8条关键的灾害诱因路径，其中路径1-6的灾害性最为严重，其事故概率增加了388.2%。为了验证模型的正确性，以新泰煤矿的瓦斯爆炸事故调查为例进行了验证分析。结果表明，模型结果与实际情况基本一致。所提出的模型有助于管理者有效预防和控制瓦斯爆炸事故。
引言
在当今全球能源格局中，煤炭在电力生产、燃料和石油等多个关键行业中发挥着重要作用[1]、[2]、[3]。作为世界上最大的煤炭生产和消费国，中国长期以来一直主导着全球能源消费体系。2023年，煤炭的贡献占比仍达到56.2%[4]、[5]。然而，煤炭开采伴随着诸多安全风险，尤其是瓦斯爆炸，由于其隐蔽性、突发性、破坏力以及救援和处置的难度，成为煤矿安全生产中最具挑战性的问题之一[6]、[7]。
根据中国历史数据（图1），2010年至2024年间煤矿事故总数总体有所下降，但瓦斯爆炸事故的下降幅度明显小于所有类型事故总数的下降幅度，这凸显了瓦斯爆炸问题的严重性。在死亡人数方面，瓦斯爆炸事故占煤矿事故死亡总数的21.3%，表明其危害性极高。具体而言，虽然瓦斯爆炸事故仅占所有事故的8.9%，但导致了20.9%的死亡案例[8]。
从事故成因来看，人员、设备、环境和管理等多个因素紧密相关，共同构成了瓦斯爆炸的风险源[8]、[9]。研究表明，中国94.09%的煤矿事故可归因于不安全行为[10]、[11]。不安全行为是煤矿重大破坏性事件的主要诱因。在设备方面，煤矿开采涉及通风系统和监控设备等，一旦设备故障（如通风设备故障导致瓦斯积聚，或瓦斯监测设备失灵未能及时报警），就可能引发瓦斯爆炸[12]、[13]。环境因素方面，地质构造复杂的区域（如地质断层）会使瓦斯的发生状态和排放模式更加复杂，从而容易导致异常瓦斯排放[14]、[15]。有效的安全管理应涵盖人员培训、设备维护、隐患排查和管理以及应急救援等多个方面[16]、[17]。随着煤矿开采深度和强度的增加，浅层煤炭资源逐渐枯竭，开采活动向更深处扩展，瓦斯发生的条件变得更加复杂[18]、[19]。地面应力、瓦斯压力和地面温度等参数持续上升，瓦斯灾害的风险也随之变得更加复杂多样，进一步加剧了瓦斯爆炸事故的概率和严重性[20]、[21]。
许多学者从不同角度对煤矿瓦斯爆炸的风险进行了深入研究。传统的风险评估方法（如事件树分析（ETA）、故障树分析（FTA）、操作条件风险分析（LEC）和层次分析法（AHP）在风险分析中发挥了作用，为初步风险识别和评估提供了基础框架[8]、[11]、[22]、[23]、[24]、[25]、[26]。然而，这些方法在处理复杂系统、不可预测因素和多维数据时存在明显局限性，无法满足当前煤矿安全生产对全面、准确和动态风险评估的要求[27]、[28]。随着数字技术的快速发展，贝叶斯网络、蒙特卡洛模拟、模糊集合理论、数值模拟和机器学习等方法应运而生[7]、[15]、[16]、[29]、[30]、[31]、[32]、[33]、[34]。这些新方法在提高概率计算能力、处理参数不确定性以及克服传统方法弱点方面取得了显著成果。例如，贝叶斯网络因其在动态风险识别、过程风险评估和事故风险计算等阶段的可靠性和有效性而被广泛应用于煤矿瓦斯爆炸的风险评估[31]、[33]、[35]。数值模拟软件（如计算流体动力学（CFD）工具）因其在模拟物理过程方面的优势，为煤矿瓦斯爆炸的后果分析提供了有力支持，有助于定量风险评估和风险等级判定[20]、[36]、[37]。机器学习和各种智能算法也被应用于煤矿瓦斯爆炸的风险监测、评估和预警，它们在处理复杂数据关系、整合多源数据、减少人为因素影响以及快速处理大量数据方面具有优势，为实时监测和预警提供了方法论支持[27]、[32]、[38]。尽管现有研究成果丰富，但煤矿瓦斯爆炸的风险评估仍面临诸多亟待解决的问题。一方面，现有评估方法在处理人员、设备、环境和管理等多因素耦合以及关键诱因通道时的准确性和可靠性有待提高；另一方面，现有方法无法实现精确的定量分析、实时更新风险状态以及捕捉风险因素的动态变化。目前尚未开发出完整、准确、直观的评估系统，以及能够动态反映瓦斯爆炸危险状态和应急响应效果的控制机制。
基于此，本文提出了一种新的煤矿瓦斯爆炸风险评估和应急响应能力分析模型，该模型结合了复杂网络、模糊集合理论、Bow-tie模型和动态贝叶斯网络（DBN），并对煤矿瓦斯爆炸事故中的关键风险变量进行了定量分析和概率计算。研究不仅应关注事故预防和规划，还应重视快速响应和妥善处理灾害，以实现煤矿瓦斯爆炸事故的全生命周期管理。本文的创新之处在于有机结合了复杂网络相关性分析、模糊集合理论的不确定性处理、Bow-tie模型的系统框架以及DBN的动态建模优势，形成了具有互补性和协同效应的综合性评估方法。该方法不仅能考虑人员、设备、环境和管理等多因素的相互作用，还能动态跟踪风险因素的变化，及时调整风险评估结果，指导应急决策和响应。旨在确保煤矿安全，减少瓦斯爆炸事故的发生频率和损失。同时，该方法也为其他复杂工业系统的风险评估提供了有益的参考，促进了跨学科的风险评估方法创新与发展。
方法
该技术融合了基于文本挖掘的网络分析和因子提取、Bow-tie模型的结构风险分析、模糊逻辑的不确定性处理以及DBN的概率推理。图2展示了本研究的分析框架和关键步骤。
首先，收集了94起煤矿瓦斯爆炸事故案例，构建了一个复杂的拓扑网络，以探究瓦斯爆炸事故的多级成因。
宏观灾害机制
基于数据驱动的理念，统计收集了中国安全管理网络上发布的煤矿瓦斯爆炸事故数据和案例，筛选出了2000年至2024年间中国的94起瓦斯爆炸事故。采用文本挖掘技术从事故报告中提取文本特征，通过数据清洗、词汇创建和Jieba分词等方法识别事故诱因[33]。图6显示了其中的前58个关键词。
DBN建模
确定节点。将发现的风险因素和安全屏障作为贝叶斯网络中的节点，每个节点代表某个风险因素或应急响应措施的状态（如高浓度瓦斯、通风系统故障、点火源存在、人员及时疏散等）。根据风险因素之间的因果关系建立有向边。
背景
陕西省渭强煤矿的主矿3号煤层分布稳定，煤层倾向西北和西部，底板海拔最高处为900米，最低处为765米，受古代地质环境影响，形成宽阔平缓的起伏地形，波幅较小，煤层最浅处深度为135米，最深处为460米，一般位于180米至400米之间。
讨论
本文探讨了复杂网络理论、Bow-tie模型、DBN和模糊理论在煤矿瓦斯爆炸事件风险评估中的应用。该方法利用DBN建立了煤矿瓦斯爆炸的风险评估和应急效果分析模型，揭示了瓦斯爆炸风险的演变规律以及不同安全和应急措施的综合管理效果。以下将更深入地分析其中的一些难点。
结论与未来工作
本文采用模糊理论、Bow-tie模型和DBN模型对陕西省某煤矿的瓦斯爆炸风险和应急响应能力进行了综合评估。评估结果证明了该方法的可行性和适用性。
CRediT作者贡献声明
董北北：数据验证与整理。刘青云：调查与数据整理。李源：数据验证与整理。解仁：方法论研究、调查。金永飞：方法论研究、资金筹集。蔡高奇：软件开发、方法论研究。孙斌：方法论研究、形式分析。薛照正：撰写、审稿与编辑、监督、资金筹集。辛彤：撰写初稿、监督、概念构思
利益冲突声明
作者声明不存在可能影响本文研究的已知财务利益或个人关系。
数据可用性
数据可应要求提供。
利益冲突声明
?作者声明以下财务利益/个人关系可能被视为潜在的利益冲突：本手稿的提交不存在利益冲突，所有作者均同意发表。我代表共同作者声明，所描述的工作是原创性研究，尚未在其他地方全部或部分发表。所有列出的作者均确认
致谢
本研究得到了国家自然科学基金（项目编号：52174198）、国家重点研发计划专项（项目编号：2023YFC3010905）和内蒙古自治区自然科学基金（项目编号：2025QN07008）的支持。同时感谢黄河济泽湾开发研究院的支持。
