安全评价师：模糊神经网络技术的研究(三)

　　5.1传统系统分析方法存在的问题

　　矿山生产系统中的许多问题都是非线性问题，变量之间的关系十分复杂，目标难以用确切的数学议程来描述。在传统的矿山灾害(安全)现象研究中，通常采用的是“线性的”、“局部的”和“确定型的”分析和研究方法，其存在的问题主要表现在以下几个方面：

　　(1)由于历史发展的局限性，在定量分析矿山事故系统运动规律和状态时，通常将非线性关系简化为线性关系。由于非线性系统与对应的线性化系统的动力拓扑结构不一定同胚，因此，这种简化可能会对矿山灾害过程规律的认识产生重要的不利的影响。

　　(2)矿山事故系统的动力学拓扑结构可能具有多态性，在系统控制参量的变化作用下，系统的运动可能会从一种动力学结构向另一种动力学结构转化。这样，采用传统的研究分析方法得到的仅仅只是系统的局部性质。然而，对矿山灾害系统在相空间中可达范围以至全局性动力学拓扑结构，以及不同动力学结构之间转化机制的认识，在矿山灾害系统的特征和状态的分析研究中有着重要意义。

　　(3)矿山事故系统是一个具有确定性和非确定性的矛盾的统一体，从传统的矿山灾害现场的认识方法出发，不容易提示矿山灾害系统(安全因素)之间的非确定性性质，采用传统的数值模拟方法(如多元线性方程的求解等)所得到的结果与真实事故系统的运动状态相距甚远，而且可能完全相反。因此，传统的分析方法对矿山灾害系统运行的过程和特点的认识是不全面的。

　　5.2模糊神经网络安全评价模型所解决的问题

　　前面已讲到，矿山安全系统是一个复杂的非线性系统，矿山灾害涉及许多不确定因素，且各个因素之间的相关关系错综复杂。无论是传统的评价方法，还是模糊等的综合方法，都没有很多的解决以下问题：

　　(1)因素和结果的固定映射关系

　　传统的评价方法，基本上以线性等固定关系来实现设定了事故因素和结果的映射关系;模糊综合评价方法则在隶属函数构造问题上事先设定了映射关系，尽管函数是分段、不连续的，但同样存在线性关系。这明显不能清晰反映事故系统动态、随机和模糊特点的本构关系。

　　(2)定权和变权问题

　　评价因素中各指标在评价过程中权重的确定，是安全评价的核心，权重确定正确与否，直接影响到安全评价结果的置信度。传统方法大多不管系统动态变化特点，采用定权的方式进行，由于因素及因素之间的作用也是变化的，因而在变权问题上没有提供完善的解决方案。

　　(3)随机性和模糊性问题

　　在对矿山进行安全评价的过程中，涉及的因素是复杂的。这些因素自身表现为随机性，与灾害的关系又表现为模糊性，而且因素间又相互关联，相互作用。一方面，有些因素不能用精确的数量进行描述，而只能是模糊概念;另一方面，各种因素的变化与灾害之间不存在一一对应的函数关系，不可能建立精确的数学模型来求解，而模糊理论在处理这些问题上却有着独到的效果。

　　矿山灾害的随机性、模糊性和不确定性决定了矿山安全状态的变化不会按照某一特殊的规律或函数变化。模糊神经网络安全评价模型完全可以解决传统方法所不能解决的几个问题。模糊神经网络有较强的非线性函数逼近能力，可以根据样本数据训练得到输入输出变量之间的函数关系，即可以通过网络学习，确定各神经元之间的耦合权值，从而使得网络整体具有近似函数的功能。同时，模糊神经根据需要给神经网络加入规则，这样就可以避免“黑箱”问题。模糊神经网络技术综合模糊逻辑和神经网络的优点，克服了它们各自的缺点，因而完全可以应用于矿山安全评价的研究中。

　　6.结论

　　传统的、事先设定变化规律和特性的评价方法鉴于其局限性，难以很好地解决矿山灾害系统复杂多变的问题。因此，建立科学的矿山安全评价模型，开发行之有效的安全评价软件包，加强矿山安全评价理论和技术的研究既有现实意义，又有长远的历史意义。

　　模糊神经网络技术在求解这类不确定性知识方面具有很强的优越性，它可以模拟人类的思维习惯进行定性描述。模糊神经网络技术运用于矿山安全评价中的优点可以归纳为：

　　(1)利用模糊神经网络并行结构和并行处理的特征，通过适当选择评价项目克服安全评价的片面性，可以全面评价矿山灾害系统的安全状况和多因素共同作用下的安全状态。

　　(2)运用模糊神经网络知识存储和自适应性特征，通过适当补充学习样本，可以实现历史经验与新知识完美结合，在发展过程中动态地评价矿山灾害系统的安全状态。

　　(3)利用模糊神经网络理论的容错特征，通过选取适当的作用函数和数据结构可以处理各种非数值性指标，实现对矿山系统安全状态的模糊评价。

关于安全评价师的更多资讯：