基于ISM和知识图谱的尾矿坝事故风险智能识别研究  

作　　者：郭梨[1] 高元[1] 吴昊[1] 杨震[1,2] 

机构地区：[1]西安建筑科技大学资源工程学院,陕西西安710055 [2]西安市智慧工业感知计算与决策重点实验室,陕西西安710055

出　　处：《采矿技术》2024年第5期209-214,共6页Mining Technology

基　　金：陕西省自然科学基金面上项目(2022JM-274)。

摘　　要：为了深入理解尾矿坝事故的发生机理和演化规律,提升尾矿坝的安全管理水平,首先通过总结分析尾矿坝事故案例,筛选出导致尾矿坝溃坝的致灾因素;然后引入解释结构模型(ISM),理清因素间的关联模式和层次关系,从而得到尾矿坝事故的演化路径,在此基础上构建尾矿坝事故知识图谱;最后利用BERT-GCN-SVM模型对知识图谱进行编码和分类,其中利用BERT模型提取节点的文本特征,利用GCN模型捕获图结构信息,采用SVM模型对数据进行分类。构建了一个结构化的尾矿坝事故知识图谱。提出的BERT-GCN-SVM模型能够有效地识别尾矿坝风险,为事故预防提供了新的思路和方法,具有工程实用价值。

关 键 词：尾矿坝事故 解释结构模型(ISM) 知识图谱 BERT 图卷积网络 

分 类 号：TD926.4[矿业工程—选矿] TP391.1[自动化与计算机技术—计算机应用技术]