清华大学学报(自然科学版)

作者：张江石, 李泳暾, 吴静茹, 任晓锋, 潘雨, 张琪

单位：1. 中国矿业大学北京 应急管理与安全工程学院, 北京 100083;<br>2. 中国矿业大学北京 煤炭精细勘探与智能开发全国重点实验室, 北京 100083;<br>3. 清华大学 安全科学学院, 北京 100084

关键词：事故致因分析,命名实体识别,语义依存分析,文本分类,事故致因“2-4”模型

基金：国家自然科学基金项目(72204139);中国博士后科学基金项目(2023T160371)

有效的事故致因分析是预防煤矿事故发生的有效途径, 由于人工分析事故时受人员主观影响较强, 且面对海量的事故和风险文本数据, 人工分析存在局限, 因此该文针对煤矿领域, 基于集成命名实体识别(named entity recognition, NER)、 语义依存分析(semantic dependency parsing, SDP)、 文本分类(text classification, TC)和事故致因“2-4”模型(24Model), 提出了一种煤矿事故原因智能分析方法。该文首先利用NER识别事故文本中的主要实体信息, 结合SDP识别实体信息之间的语义关系, 提取个体不安全动作和组织原因的文本表示模式; 其次, 利用TC构建了个体能力原因分类模型, 用于识别个体能力方面的因素; 最后, 开发了相关应用程序, 将所提方法应用于现场事故案例分析和学习。研究结果表明： 该文构建的NER和TC模型精确率均较高, 结合SDP能自动根据24Model分析和梳理事故原因, 并识别动作的发出者、 作业工序和物资设备等信息。该文所提方法可促进事故致因理论在煤矿企业的应用, 提升事故案例分析和学习的有效性, 从而预防相关事故发生。

来源：2025年第3期

《清华大学学报(自然科学版)》期刊编辑部

查看清华大学学报(自然科学版)杂志2025年第3期