关键词:
GRA-RBF神经网络
煤矿安全风险
预控管理
径向基函数
安全等级
MAPE数值
摘要:
煤矿安全风险预控管理因素复杂,在实际评价过程中,层级混乱导致安全风险评价输出的MAPE数值较小,使得煤矿安全风险评价结果缺乏准确性。针对煤矿安全风险预控管理问题,提出了一种基于灰色关联分析(GRA)与径向基函数(RBF)神经网络模型的安全风险评价方法。首先,融合大量煤矿环境数据,构建多层级安全风险评价体系,全面考量各层次及要素对安全风险的影响。其次,通过GRA算法,依据安全风险紧急程度确定关键预控管理指标,确保评价的精准性与针对性。最后,利用RBF神经网络的强大非线性映射能力,特别是其径向基函数对高权重安全风险指标的精细处理,并定义神经网络每层拓扑结构处理过程,实现评价结果的输出。为验证该方法的有效性,本文准备了多样化的安全风险数据集,并进行降维处理以生成不同数量的安全指标,匹配不同的聚类参数。在对比实验中,将新方法与两种已成熟应用的安全风险评价方法并行测试,以MAPE作为核心评价指标。研究结果显示,本文所设计的基于GRA-RBF神经网络模型的安全风险评价方法输出的MAPE数值显著提升,表明其能够更准确地预测高风险安全评价指标,对于煤矿安全风险预控管理工作提供了相应的风险评价标准,在一定程度上保证了煤矿安全工作的顺利开展,能够为煤矿安全风险预控管理提供强有力的技术支持和决策依据。