栗婧张志珍杜璇王真刘紫薇辛艳丽

1.中国矿业大学(北京) 应急管理与安全工程学院,北京 100083;2.武警特种警察学院情报侦察系,北京 100100

煤矿作为高危行业,安全工作不容忽视。近年来,国家对煤矿安全生产的重视程度提高,事故发生总量呈下降的趋势(图1),但煤矿一般事故频发,重特大事故时有发生,给我国经济和社会带来了巨大的损失[1],煤矿安全形势依然严峻[2]。因此,指导煤矿安全生产、预防事故发生,依然是安全研究亟待解决的问题。

图1 煤矿安全生产发展趋势Fig.1 The development trend of coal mine safety production

已有研究表明,超过80% 的煤矿事故是由人的不安全行为造成的,主要表现为违章行为[3]。目前针对煤矿安全事故的研究,大都是基于全国重特大事故案例,而针对特定煤矿违章行为进行统计分析的较少。同时,我国各大煤矿企业累积了大量的违章信息,此类信息具有数据总量大、记录不规范、特征不明显、类别不具体、人工简单统计、数据应用率不高的特点。海因里希法则指出,当一定量的违章和隐患出现时,事故必然发生。因此,如何科学地统计日常违章行为、有效地分析违章数据,并为安全生产进行及时、高效的指导,是研究的重点问题。

近年来,文本分类技术逐渐成为研究热点。在人工智能的背景下,基于自然语言处理(Natural Language Processing,NPL)的文本分类技术对现有的杂乱数据进行结构化处理、分类型展示、动态性分析,能够提升信息处理的效率与准确率,其较强的应用性也得到了验证。崔敏[4]构造了一种融合深层注意力机制的双层双向长短时记忆网络的深度学习模型,加强了文本分析在电力系统故障方面的应用。……