基于组态分析与机器学习的煤矿运输事故致因研究.pdfVIP

第４５卷第２期西安科技大学学报Ｖｏｌ．４５Ｎｏ２

２０２５年３月ＪＯＵＲＮＡＬＯＦＸＩ’ＡＮＵＮＩＶＥＲＳＩＴＹＯＦＳＣＩＥＮＣＥＡＮＤＴＥＣＨＮＯＬＯＧＹＭａｒ．２０２５

钱敏，王哲，成连华．基于组态分析与机器学习的煤矿运输事故致因研究［Ｊ］．西安科技大学学报，２０２５，４５（２）：２８６－２９５．

ＱＩＡＮＭｉｎ，ＷＡＮＧＺｈｅ，ＣＨＥＮＧＬｉａｎｈｕａ．Ｒｅｓｅａｒｃｈｏｎｔｈｅｃａｕｓｅｓｏｆｃｏａｌｍｉｎｅｔｒａｎｓｐｏｒｔａｔｉｏｎａｃｃｉｄｅｎｔｓｂａｓｅｄｏｎｃｏｎｆｉｇｕｒａｔｉｏｎａｌａ

ｎａｌｙｓｉｓａｎｄｍａｃｈｉｎｅｌｅａｒｎｉｎｇ［Ｊ］．ＪｏｕｒｎａｌｏｆＸｉ’ａｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，２０２５，４５（２）：２８６－２９５．

基于组态分析与机器学习的煤矿

运输事故致因研究

１１２

钱敏，王哲，成连华

（１．西安科技大学管理学院，陕西西安７１００５４；

２．西安科技大学安全科学与工程学院，陕西西安７１００５４）

摘要：为应对煤矿运输事故频发的严峻形势，防止事故进一步恶化，以６８起煤矿运输事故为

研究对象，基于改进的ＨＦＡＣＳ理论构建煤矿运输事故致因模型与属性表，并在此基础上运用清

晰集定性比较分析方法与随机森林方法对事故致因进行综合分析，构建了一个结合组态分析和

机器学习的煤矿运输事故综合分析框架。利用沙普利值（ＳＨＡＰ）揭示了阻断事故发生的关键因

素，并验证了组态分析的稳健性。结果表明：组态分析识别出１２种煤矿运输事故组态解，聚类

归纳出技术缺陷、监管不力和安全教育缺失３组高阶构型；随机森林模型总体准确率达到

９２９％，尤其在预测事故发生（类别１）时显示出高精确度和召回率；模型的ＳＨＡＰ值散点图显

示，技术环境、监管不力、组织氛围是导致事故发生的核心条件，进一步验证了组态分析的稳健

性。根据研究结果，针对诱发煤矿运输事故的高阶构型路径提出预防与应对措施。

关键词：清晰集定性比较分析；组态致因模型；机器学习；煤矿运输事故

中图分类号：ＴＤ９１；Ｘ９２８文献标志码：Ａ文章编号：１６７２－９３１５（２０２５）０２－０２８６－１０

ＤＯＩ：１０．１３８００／ｊ．ｃｎｋｉ．ｘａｋｊｄｘｘｂ．２０２５．０２０７

Ｒｅｓｅａｒｃｈｏｎｔｈｅｃａｕｓｅｓｏｆｃｏａｌｍｉｎｅｔｒａｎｓｐｏｒｔａｔｉｏｎａｃｃｉｄｅｎｔｓ

ｂａｓｅｄｏｎｃｏｎｆｉｇｕｒａｔｉｏｎａｌａｎａｌｙｓｉｓａｎｄｍａｃｈｉｎｅｌｅａｒｎｉｎｇ

１１２

ＱＩＡＮＭｉｎ，ＷＡＮＧＺｈｅ，ＣＨＥＮＧＬｉａｎｈｕａ

（１．ＣｏｌｌｅｇｅｏｆＭａｎａｇｅｍｅｎｔ，Ｘｉ’ａｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｘｉ’ａｎ７１００５４，Ｃｈｉｎａ；

２．ＣｏｌｌｅｇｅｏｆＳａｆｅｔｙＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，Ｘｉ’ａｎＵｎｉｖｅｒｓｉｔｙｏｆＡｒｃｈｉｔｅｃｔｕｒｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｘｉ’ａｎ７１００５４，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｔｏａｄｄｒｅｓｓｔｈｅｆｒｅｑｕｅｎｔｏｃｃｕｒｒｅｎｃｅｏｆｃｏａｌｍｉｎｅｔｒａｎｓｐｏｒｔａｔｉｏｎａｃｃｉｄｅｎｔｓａｎｄｐｒｅｖｅｎｔｆｕｒｔｈｅｒ

ｄｅｔｅｒｉｏｒａｔｉｏｎ，ｔｈｉｓｐａｐｅｒｓｔｕｄｉｅｄ６８ｃｏａｌｍｉｎｅｔｒａｎｓｐｏｒｔａｔｉｏｎａｃｃｉｄｅｎｔｓ．Ｉｔｃｏｎｓｔｒｕｃｔｅｄａｃａｕｓａｔｉｏｎｍｏｄｅｌ

ａｎｄａｔｔｒｉｂｕｔｅｔａｂｌｅｆｏｒｔｈｅｓｅａｃｃｉｄｅｎｔｓｂａｓｅｄｏｎａｎｉｍｐｒｏｖｅｄＨＦＡＣＳｔｈ