權(quán)利要求

1.用于礦山安全評價和風(fēng)險預(yù)測的數(shù)學(xué)模型建立方法，其特征在于，包括如下步驟：

步驟1：從事故損失和工傷事故率方面，構(gòu)建一種對礦山安全績效進(jìn)行評價的指標(biāo)體系；

步驟2：對該評價指標(biāo)體系進(jìn)行灰色變權(quán)聚類分析，將歷史年份統(tǒng)計的安全績效數(shù)據(jù)劃分為“較好”、“中等”和“較差”三個屬性；

灰色變權(quán)聚類分析是根據(jù)灰色關(guān)聯(lián)矩陣的白化權(quán)函數(shù)，將一些觀測指標(biāo)或觀測對象綜合起來定義類別的方法，其具體分析過程如下：

(1)建立一個包含h個指標(biāo)的礦山安全績效評價指標(biāo)體系，選擇其中的某一指標(biāo)作為聚類指標(biāo)j，根據(jù)實際需要將安全績效評價指標(biāo)劃分為s個不同的子類等級，例如“較好”、“中等”、“較差”等子類，將其中一個子類g的白化權(quán)函數(shù)設(shè)為fjg(·)，假設(shè)聚類指標(biāo)j的子類g的臨界值為則聚類指標(biāo)j相對于子類g的權(quán)重為：

(2)典型的白化權(quán)函數(shù)為其的計算公式為：

(3)將統(tǒng)計的歷史年份從小到大排序成1、2、…、n，其中n為統(tǒng)計的歷史年份總數(shù)；對于某一年份對應(yīng)的序號i，指標(biāo)j的樣本值xij的灰色變權(quán)聚類系數(shù)的計算公式為：

(4)根據(jù)年份對應(yīng)的序號i的灰色變權(quán)聚類系數(shù)值，由判斷公式找出其最大的灰色變權(quán)系數(shù)其中g(shù)*為判斷對象i的灰類屬性；

步驟3：在安全績效評價指標(biāo)體系中選擇幾個重要指標(biāo)，構(gòu)建能對安全績效進(jìn)行評價的改進(jìn)式GM(1,1)動態(tài)模型，并對礦山的未來的安全績效進(jìn)行預(yù)測；其分析過程如下：

(1)以F作為分級指標(biāo)，設(shè)置F∈(η1，η2]為第一級，設(shè)置F∈(η2，η3]為第二級，依此類推；可以根據(jù)實際情況設(shè)置l級進(jìn)行處理，分級指標(biāo)為：F∈(η1，η2]，F(xiàn)∈(η2，η3]，…，F(xiàn)∈(ηl，ηl+1]；分級序列如下：

其中，ηr和ηr+1分別為r級序列的下限值和上限值，r＝1,2,……,l。

(2)對于r級年份序列其1-AGO序列為：對于其緊鄰均值生成值序列為：則對于r級年份序列，有一個改進(jìn)式GM(1,1)模型為：

(3)改進(jìn)式GM(1,1)模型的最小二乘估計參數(shù)列為：

其中，

(4)改進(jìn)式GM(1,1)模型的時間響應(yīng)函數(shù)如下：

改進(jìn)式GM(1,1)模型的時間響應(yīng)序列如下：

修復(fù)模擬值為：

在上述各式中，k＝1,2,…,m；

(5)對實際值序列與預(yù)測值序列進(jìn)行誤差檢驗，只有當(dāng)誤差檢驗合格時，改進(jìn)式GM(1,1)模型的精度才是合格的，才可以用來對礦山的安全績效進(jìn)行預(yù)測；r個年份序列災(zāi)變式GM(1,1)模型將原來為一個序列的較差的聚類指標(biāo)的年份序列分成多個區(qū)段進(jìn)行預(yù)測，即改進(jìn)式GM(1,1)模型；

步驟4：根據(jù)改進(jìn)式動態(tài)模型對礦山安全績效進(jìn)行預(yù)測的結(jié)果，對情況較好的年份以及情況較差的年份分別采取不同的防控措施。

2.根據(jù)權(quán)利要求1所述的一種用于礦山安全評價和風(fēng)險預(yù)測的數(shù)學(xué)模型建立方法，其特征在于，在構(gòu)建安全績效評價的數(shù)學(xué)動態(tài)模型前，先將歷史統(tǒng)計的數(shù)據(jù)劃分灰度，并且可以將其進(jìn)一步細(xì)分從而獲得更高的準(zhǔn)確性與精度。

3.根據(jù)權(quán)利要求1所述的一種用于礦山安全評價和風(fēng)險預(yù)測的數(shù)學(xué)模型建立方法，其特征在于，步驟2的(2)中對于白化權(quán)函數(shù)下限測度的計算公式為：對于白化權(quán)函數(shù)適中測度和白化權(quán)函數(shù)上限測度的計算公式為：

4.根據(jù)權(quán)利要求1所述的一種用于礦山安全評價和風(fēng)險預(yù)測的數(shù)學(xué)模型建立方法，其特征在于，步驟3的(2)中的1-AGO序列即為一次累加生成序列。

說明書

技術(shù)領(lǐng)域

本發(fā)明屬于灰色動態(tài)數(shù)學(xué)模型工程技術(shù)領(lǐng)域，尤其涉及用于礦山安全評價和風(fēng)險預(yù)測的數(shù)學(xué)模型建立方法。

背景技術(shù)

礦業(yè)工程的發(fā)展離不開安全的推動，因此，安全管理在礦業(yè)工程中的重要性日益凸顯。如何有效地對礦山的安全績效進(jìn)行評價以及風(fēng)險預(yù)測是工業(yè)工程安全管理中的復(fù)雜、系統(tǒng)性的問題，目前國內(nèi)礦山安全評價的方法較多，大體分為定性評價和定量評價，其中定性評價方法應(yīng)用較為廣泛。

由于安全定量評價中統(tǒng)計數(shù)據(jù)的不完善，存在漏報、瞞報等人為因素的干擾以及其他諸多原因，安全系統(tǒng)具有典型的“灰色”特征，因此，礦山安全績效的評價指標(biāo)的歷史數(shù)據(jù)呈離散分布，統(tǒng)計方法的規(guī)則難以厘定，以往通過處理歷史數(shù)據(jù)或?qū)こ踢M(jìn)行類比監(jiān)測的方法易出現(xiàn)偏差并且無法達(dá)到工程的預(yù)測精度的要求，導(dǎo)致安全管理相對被動和滯后。

現(xiàn)如今大多數(shù)對礦山安全績效的評價方法都存在較大的局限性，尋找一種有效的，評價精度高的，不僅能揭示已知數(shù)值離散分布的規(guī)律，更能具有預(yù)測未知數(shù)據(jù)和變化趨勢的礦山安全績效評價和風(fēng)險預(yù)測的綜合方法迫在眉睫。在此形勢下，本發(fā)明專利提出一種以灰色變權(quán)聚類分析為基礎(chǔ)的數(shù)學(xué)動態(tài)模型法，可以較好地解決當(dāng)下的難題。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題在于針對上述現(xiàn)有技術(shù)中的不足，提供一種用于礦山安全評價和風(fēng)險預(yù)測的數(shù)學(xué)模型建立方法；其首先從事故損失和工傷事故率方面構(gòu)建一種安全績效評價指標(biāo)體系，接著對構(gòu)建出的安全績效評價指標(biāo)進(jìn)行灰色變權(quán)聚類分析，根據(jù)分析結(jié)果將歷史統(tǒng)計年份的礦山安全績效劃分為“較好”、“中等”和“較差”三個屬性，然后在安全績效評價的指標(biāo)體系中選擇工時損失和重傷事故率兩個具體指標(biāo)構(gòu)建出能對安全績效進(jìn)行評價的改進(jìn)式GM(1,1)動態(tài)模型，并對礦山的未來的安全績效進(jìn)行預(yù)測；最后根據(jù)改進(jìn)式GM(1,1)動態(tài)模型對現(xiàn)有的安全績效指標(biāo)進(jìn)行分析的結(jié)果，提出相應(yīng)的防控措施。該方法能夠較好地揭示已知數(shù)值離散分布的規(guī)律并且對礦山未來的安全績效進(jìn)行了預(yù)測，根據(jù)預(yù)測結(jié)果采取防控措施，具有有效性、評價精度較高等優(yōu)點。

為了實現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)方案：

一種用于礦山安全評價和風(fēng)險預(yù)測的數(shù)學(xué)模型建立方法，利用該數(shù)學(xué)動態(tài)模型對礦山安全績效進(jìn)行評價和風(fēng)險預(yù)測，包括以下步驟：

步驟1：以往對礦山的安全評價大多只是對礦山安全狀態(tài)的評價，實際上礦山安全狀態(tài)是礦山各類安全投入的集合，而礦山安全績效則是礦山安全的結(jié)果，因此礦山安全評價應(yīng)綜合考慮能夠反映礦山安全狀況的各項指標(biāo)以及安全績效指標(biāo)兩大部分。在此專利中，側(cè)重闡述礦山安全績效評價的指標(biāo)體系，因此首先從事故損失和工傷事故率方面構(gòu)建礦山安全績效評價指標(biāo)體系。

步驟2：涉及礦山安全的因素眾多且相互關(guān)聯(lián)，評價礦山安全的體系是一個典型的、極其復(fù)雜的灰色系統(tǒng)，基于此，采取灰色變權(quán)聚類分析的方法，準(zhǔn)確地表示和保存有用信息，對離散分布的統(tǒng)計數(shù)據(jù)進(jìn)行有效分析，擺脫了傳統(tǒng)的人為主觀判定的方式，避免信息失真，根據(jù)對構(gòu)建出的安全績效評價指標(biāo)體系進(jìn)行灰色變權(quán)聚類分析的結(jié)果，將歷史統(tǒng)計年份的礦山安全績效劃分為“較好”、“中等”和“較差”三個屬性，使統(tǒng)計的歷史數(shù)據(jù)產(chǎn)生縱向關(guān)聯(lián)。

灰色變權(quán)聚類分析是根據(jù)灰色關(guān)聯(lián)矩陣的白化權(quán)函數(shù)，將一些觀測指標(biāo)或觀測對象綜合起來定義類別的方法，其數(shù)學(xué)模型建立過程如下：

(1)建立一個包含h個指標(biāo)的礦山安全績效評價指標(biāo)體系，選擇礦山安全績效評價指標(biāo)體系中的某一指標(biāo)作為聚類指標(biāo)j，根據(jù)實際需要將聚類指標(biāo)j劃分為s個不同的子類等級，例如“較好”、“中等”、“較差”等，將子類等級g的白化權(quán)函數(shù)設(shè)為假設(shè)聚類指標(biāo)j的子類g的臨界值為則聚類指標(biāo)j相對于子類g的權(quán)重為：

(2)典型的白化權(quán)函數(shù)為其的計算公式為：特別地，對于白化權(quán)函數(shù)下限測度的計算公式為：對于白化權(quán)函數(shù)適中測度和白化權(quán)函數(shù)上限測度的計算公式為：

(3)將統(tǒng)計的歷史年份從小到大排序成1、2、…、n，其中n為統(tǒng)計的歷史年份總數(shù)。對于某一年份對應(yīng)的序號i，聚類指標(biāo)j的樣本值xij的灰色變權(quán)聚類系數(shù)的計算公式為：

(4)根據(jù)i的灰色變權(quán)聚類系數(shù)值，由判斷公式找出其最大的灰色變權(quán)系數(shù)其中g(shù)*為判斷對象i的灰類屬性。

步驟3：在礦山開采過程中會發(fā)生各種各樣的災(zāi)害，其中煤與瓦斯突出、爆炸、自然發(fā)火、頂?shù)装迨鹿省⑼杆染瞧渲饕獮?zāi)害形式，這些事故的發(fā)生機理各異，致災(zāi)因素卻相互影響，在時空上各種類型的災(zāi)害都有可能隨時發(fā)生。另一方面，百萬噸死亡率、千人死亡率、經(jīng)濟(jì)損失、工作日損失等均是評價礦山安全績效的重要指標(biāo)。所以，礦山安全是一個需要考慮多目標(biāo)、多準(zhǔn)則、多因素的復(fù)雜系統(tǒng)，只有綜合考慮多項指標(biāo)，才能更好地采取安全管理措施，達(dá)到安全生產(chǎn)的目的。因此基于步驟2，在安全績效評價的指標(biāo)體系中選擇工時損失和重傷事故率兩個具體指標(biāo)，根據(jù)這兩個具體指標(biāo)構(gòu)建一種能對安全績效進(jìn)行評價的改進(jìn)式GM(1,1)動態(tài)模型，并對礦山的未來的安全績效進(jìn)行預(yù)測。目前大多數(shù)對礦山安全績效進(jìn)行預(yù)測的方法存在精度低的問題，從而導(dǎo)致礦山安全投入分配相對較不合理，造成人力、物力、財力浪費的現(xiàn)象?；诖耍倪M(jìn)式GM (1,1)動態(tài)模型能夠?qū)σ呀?jīng)存在的較差水平的礦山安全績效指標(biāo)子類再次進(jìn)行分級，從而提高數(shù)據(jù)分析的精度，并在此基礎(chǔ)上預(yù)測礦山未來的安全績效。

其分析過程如下：

(1)以F作為分級指標(biāo)，設(shè)置F∈(η1，η2]為第一級，設(shè)置F∈(η2，η3]為第二級，依此類推?？梢愿鶕?jù)實際情況設(shè)置l級進(jìn)行處理，分級指標(biāo)為：F∈(η1，η2]，F(xiàn)∈(η2，η3]，…， F∈(ηl，ηl+1]。分級序列如下：

其中，ηr和ηr+1分別為r級序列的下限值和上限值，r＝1,2,……,l。

(2)對于r級年份序列其1-AGO序列(即：一次累加生成序列)為：對于其緊鄰均值生成值序列為：則對于r級年份序列，有一個改進(jìn)式GM(1,1)模型為：

(3)改進(jìn)式GM(1,1)模型的最小二乘估計參數(shù)列為：

其中，

(4)改進(jìn)式GM(1,1)模型的時長響應(yīng)函數(shù)如下：

其時長響應(yīng)序列為，

模型的修復(fù)模擬值如下：

在上述各式中，k＝1,2,…,m；

(5)對實際值序列與預(yù)測值序列進(jìn)行誤差檢驗，只有當(dāng)誤差檢驗合格時，改進(jìn)式GM(1,1)模型的精度才被認(rèn)為是合格的，才可以用來進(jìn)行災(zāi)變預(yù)測。r個年份序列災(zāi)變式GM(1,1)模型將原來為一個序列的較差的聚類指標(biāo)的年份序列分成多個區(qū)段進(jìn)行預(yù)測，即改進(jìn)式GM(1,1)模型。

步驟4：根據(jù)動態(tài)模型預(yù)測的結(jié)果，針對情況較好的年份以及情況較差的年份分別采取不同的防控措施。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是:

本發(fā)明主要解決了傳統(tǒng)安全評價方法導(dǎo)致的實際偏差等問題，此創(chuàng)新方法綜合了安全績效與風(fēng)險預(yù)測方法，有效地解決了以往只是采用處理歷史數(shù)據(jù)或?qū)こ踢M(jìn)行類比監(jiān)測導(dǎo)致的偏差、無法達(dá)到工程預(yù)測精度要求的問題。因此，此方法不僅能夠有效分析已知的安全績效評價指標(biāo)的值，而且具有預(yù)測變化趨勢的能力、評價精度高等優(yōu)點，能夠較好地解決當(dāng)下的問題。

附圖說明

圖1為本發(fā)明所述方法的工藝流程圖。

圖2為本發(fā)明礦山安全績效評價指標(biāo)體系示意圖。

具體實施方式

下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例。

針對傳統(tǒng)安全評價方法容易導(dǎo)致實際偏差的不足之處，本發(fā)明提出一種用于礦山安全評價和風(fēng)險預(yù)測的數(shù)學(xué)模型建立方法，利用該模型對礦山安全績效進(jìn)行評價和風(fēng)險預(yù)測。

圖1表示以灰色變權(quán)聚類分析為基礎(chǔ)構(gòu)建一種對礦山安全績效進(jìn)行評價和風(fēng)險預(yù)測的數(shù)學(xué)動態(tài)模型法的流程圖，包括以下步驟：

步驟1：從事故損失和工傷事故率構(gòu)建安全績效評價的指標(biāo)體系，其中事故損失由經(jīng)濟(jì)損失和工時損失兩個指標(biāo)進(jìn)行表征，工傷事故率由輕傷事故率、重傷事故率和萬人死亡率三個指標(biāo)進(jìn)行表征；

步驟2：對構(gòu)建出的礦山安全績效評價指標(biāo)進(jìn)行灰色變權(quán)聚類分析，將歷史統(tǒng)計年份的礦山安全績效劃分為“較好”、“中等”和“較差”三個屬性；

步驟3：在礦山安全績效評價指標(biāo)體系中選擇工時損失和重傷事故率兩個具體指標(biāo)，以此構(gòu)建一種能對礦山安全績效進(jìn)行評價的改進(jìn)式GM(1,1)動態(tài)模型，并對礦山的未來的安全績效進(jìn)行預(yù)測；

步驟4：根據(jù)動態(tài)模型預(yù)測的結(jié)果，針對情況較好的年份以及情況較差的年份分別采取不同的防控措施。

實施例

通過對我國某礦山各類安全績效指標(biāo)的歷史數(shù)據(jù)進(jìn)行初步分析可知，在2000～2017 年期間，表征該礦山安全績效水平的經(jīng)濟(jì)損失、工時損失、輕傷事故率、重傷事故率及萬人死亡率均在一定的范圍內(nèi)波動，且波動幅度較大。雖然自2015年起，上述五個指標(biāo)值均呈現(xiàn)出一定的下降趨勢，但是整體而言該礦山的安全狀況仍較不穩(wěn)定，有必要進(jìn)一步預(yù)測其未來的安全績效。因而在此以該礦山為例，其實施過程如下：

圖2表示礦山安全績效評價指標(biāo)體系。由圖可知，安全績效可以從事故損失和工傷事故率兩個方面進(jìn)行評價，其中，事故損失由經(jīng)濟(jì)損失和工時損失兩個指標(biāo)進(jìn)行表征，事故率由輕傷事故率、重傷事故率和萬人死亡率三個指標(biāo)進(jìn)行表征。

下表3表示我國某礦山各類安全績效評價指標(biāo)的歷史數(shù)據(jù)：

表3

序號年份經(jīng)濟(jì)損失d1工時損失d2輕傷事故率d3重傷事故率d4萬人死亡率d51200025.9540.5118.515.54.352200150.269.0108.025.021.953200277.0598.0126.032.521.54200320.645.080.58.57.955200425.348.050.519.06.76200566.1585.589.029.534.37200614.1556.597.014.513.858200727.3549.578.09.514.19200871.083.5111.028.526.7510200944.562.0133.525.019.311201060.383.083.019.021.9512201192.165.5162.027.029.6513201213.0533.078.011.54.614201340.273.591.022.555.715201422.2535.086.023.510.9516201588.7567.5149.533.033.717201680.4588.5140.031.524.0518201751.055.5103.025.028.2

對安全績效評價指標(biāo)體系進(jìn)行灰色變權(quán)聚類分析，將聚類指標(biāo)分為較好、中等、較差三個子類等級，根據(jù)分析結(jié)果得到歷年來礦山安全績效分別對應(yīng)的各自屬性。由于在此安全績效評價指標(biāo)體系中，數(shù)值越大，反映的情況就越差，數(shù)值越小，反映的情況就越好，因此設(shè)經(jīng)濟(jì)損失j1較差、中等、較好的白化權(quán)函數(shù)為：

工時損失j2較差、中等、較好的白化權(quán)函數(shù)為：

輕傷事故率j3較差、中等、較好的白化權(quán)函數(shù)為：

重傷事故率j4較差、中等、較好的白化權(quán)函數(shù)為：

萬人死亡率j5較差、中等、較好的白化權(quán)函數(shù)為：

由白化權(quán)函數(shù)可得經(jīng)濟(jì)損失j1較差、中等、較好的臨界值分別為：

工時損失j2較差、中等、較好的臨界值分別為：

輕傷事故率j3較差、中等、較好的臨界值分別為：

重傷事故率j4較差、中等、較好的臨界值分別為：

萬人死亡率j5較差、中等、較好的臨界值分別為：

由上述臨界值可得經(jīng)濟(jì)損失j1較差、中等、較好的權(quán)重分別為：

工時損失j2較差、中等、較好的權(quán)重分別為：

輕傷事故率j3較差、中等、較好的權(quán)重分別為：

重傷事故率j4較差、中等、較好的權(quán)重分別為：

萬人死亡率j5較差、中等、較好的權(quán)重分別為：

根據(jù)各類安全績效評價指標(biāo)灰類的白化權(quán)函數(shù)以及權(quán)重，結(jié)合表3的歷史數(shù)據(jù)，可計算出不同年份的安全績效評價指標(biāo)的灰色變權(quán)聚類系數(shù)。

下表4表示安全績效評價指標(biāo)灰色變權(quán)聚類系數(shù)以及歷史不同年份對應(yīng)的各自不同屬性：

表4

由圖可知，該礦山安全管理情況較差的年份分別為2002年、2005年、2008年、2011年、2015年和2016年，對應(yīng)序號分別為3、6、9、12、16和17。安全管理適度年限分別為2001年、2006年、2009年、2013年和2017年，對應(yīng)序號分別為2、7、10、14和 18。安全管理較好的年份是2000年、2003年、2004年、2007年、2010年、2012年和2014 年。對應(yīng)序號分別是1、4、5、8、11、13和15。因此，安全管理較差的年份順序為Φ較差＝(3、6、9、12、16、17)，安全管理中等的年份順序為Φ中等＝(2、7、10、14、18)，安全管理較好的年份順序為Φ較好＝(1、4、5、8、11、13、15)。

選取工時損失和重傷事故率兩個具體指標(biāo)分別構(gòu)建改進(jìn)式GM(1,1)模型。基于步驟4，可以得到工時損失較高的范圍為[65.5，98]，以工時損失84.5為臨界值，將工時損失屬于[65.5，84.5]的安全績效評價指標(biāo)較好的年份定為A級，將工時損失屬于[84.5，98] 的安全績效評價指標(biāo)較差的年份定為B級，令X表示歷年的工時損失數(shù)據(jù)序列，則有A 級數(shù)據(jù)序列為：

65.5≤XA＝(xA(9)，xA(12)，xA(16))≤84.5

B級數(shù)據(jù)序列為：

84.5≤XB＝(xB(3)，xB(6)，xB(17))≤98

則對應(yīng)的A級年份序列為：

B級年份序列為：

則對應(yīng)的A級年份序列的1-AGO序列為：

B級年份序列的1-AGO序列為：

則對應(yīng)的緊鄰均值生成序列分別為：

則改進(jìn)GM(1,1)模型的最小二乘估計參數(shù)列分別為：

則A級年份序列的GM(1,1)模型的時間響應(yīng)序列為：

修復(fù)模擬值為：

B級年份序列的改進(jìn)式GM(1,1)模型的時間響應(yīng)序列為：

修復(fù)模擬值為：

基于上述步驟，可以創(chuàng)建出基于工時損失的A級年份序列誤差檢驗表，見下表5；基于工時損失的B級年份序列誤差檢驗表，見下表6、以及基于工時損失的A級、B級年份預(yù)測值表，見下表7：

表5

序號A級年份序號實際值A(chǔ)級年份序號理論值殘差相對誤差198.95-0.050.56％21211.90-0.100.83％31615.84-0.161.00％

表6

序號B級年份序號實際值B級年份序號理論值殘差相對誤差132.02-0.9832.67％265.24-0.7612.67％31713.65-3.3519.71％

表7

由表5～表7可知，基于工時損失的A級安全管理預(yù)測年份分別為2021年、2028年、2037 年、2049年、2066年和2087年。對于B級，預(yù)測年份為2035、2092、2240年?？紤]到該礦山企業(yè)實際生產(chǎn)周期，基于工時損失的安全管理A級重要預(yù)測年份為2021年、2028 年、2037年和2049年，B級重要預(yù)測年份為2035年。

同理可以得到重傷事故率較高的范圍為[27.0，33.0]，以重傷事故率30為臨界值，將重傷事故率屬于[27.0，33.0]的安全績效評價指標(biāo)較好的年份定為A級，將重傷事故率屬于[30.0，33.0]的安全績效評價指標(biāo)較差的年份定為B級，令X表示歷年的重傷事故率數(shù)據(jù)序列，則有A級數(shù)據(jù)序列為：

27.0≤XA＝(xA(6)，xA(9)，xA(12))≤30.0

B級數(shù)據(jù)序列為：

30.0≤XB＝(xB(3)，xB(6)，xB(17))≤33.0

則對應(yīng)的A級年份序列為：

B級年份序列為：

則對應(yīng)的A級年份序列的1-AGO序列為：

B級年份序列的1-AGO序列為：

則對應(yīng)的緊鄰均值生成序列分別為：

則改進(jìn)式GM(1,1)模型的最小二乘估計參數(shù)列分別為：

則A級年份序列的改進(jìn)式GM(1,1)模型的時間響應(yīng)序列為：

修復(fù)模擬值為：

B級年份序列的改進(jìn)式GM(1,1)模型的時間響應(yīng)序列為：

修復(fù)模擬值為：

基于上述步驟，可以創(chuàng)建出基于重傷事故率的A級年份序列誤差檢驗表，見下表8、基于重傷事故率的B級年份序列誤差檢驗表，見下表9、以及基于重傷事故率的A 級、B級年份預(yù)測值表，見下表10：

表8

表9

序號B級年份序號實際值B級年份序號理論值殘差相對誤差11615.05-0.955.94％21615.99-0.010.06％31716.99-0.010.06％

表10

由表8～表10可知，基于重傷事故率的A級安全管理預(yù)測年份分別為2021年、2028年、2037年、2049年、2065年和2087年。對于B級，其預(yù)測年份為2018年、2019年、 2020年、2021年、2023年、2024年、2025年、2027年、2029年、2031年、2033年、2035 年、2037年、2039年、2042年、2044年、2047年、2050年?？紤]到該礦山企業(yè)實際生產(chǎn)周期，基于重傷事故率的安全管理A級重要預(yù)測年份為2021年、2028年、2037年和2049 年，B級重要預(yù)測年份為2018年、2019年、2020年、2021年、2023年、2024年、2025 年、2027年、2029年、2031年、2033年、2035年、2037年、2039年、2042年、2044年、2047 年和2050年。

由以上預(yù)測年份可知，2021年、2028年、2037年和2049年的安全績效較差但工時損失和重傷事故率較低，針對該年份，應(yīng)對其可能發(fā)生的低風(fēng)險情況采取積極預(yù)防的安全管理策略，以避免事故發(fā)生，比如加強風(fēng)險教育和技能培訓(xùn)，提醒員工加以注意等； 2035年為安全績效較差且工時損失較高的年份，特別注意的是在該礦山企業(yè)未來的實際生產(chǎn)周期中，大多數(shù)年份為安全績效較差且重傷事故率較高的年份，應(yīng)對其可能發(fā)生的重大風(fēng)險采取嚴(yán)格的安全管理策略，以降低事故風(fēng)險程度，比如加強隱患排查治理工作等。

以上所述僅為本發(fā)明的實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明精神和原則之內(nèi)，所作任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)實施范圍之內(nèi)。