基于支持向量机与贝叶斯方法的矿山岗位风险分级研究  

作　　者：刘春 曾凡超 李冀 戴军 

机构地区：[1]长沙矿山研究院有限责任公司,湖南长沙410012 [2]金属矿山安全技术国家重点实验室,湖南长沙410012 [3]湖南省矿山地质灾害防治与环境再造工程技术研究中心,湖南长沙410012 [4]湖南铭生安全科技有限责任公司,湖南长沙410012

出　　处：《采矿技术》2025年第2期279-285,共7页Mining Technology

摘　　要：为探究矿山岗位风险分级情况,利用综合法对矿山企业生产岗位、作业分类及其风险进行分析,将生产岗位风险评价指标体系分为人员自身和作业环境两个部分,建立了一种较全面的指标体系。运用支持向量机(SVM)和贝叶斯理论,通过计算和分析得到了矿山岗位指标数据散布范围图和风险定级表,综合分析了矿山不同岗位的风险级别。研究表明:由人员自身因素和作业环境因素相结合的矿山企业岗位风险评价指标体系能有效刻画矿山岗位特征;利用支持向量机(SVM模型)和贝叶斯模型分析结果能有效定性和定量描述矿山岗位的总体风险状况,对比结果显示,支持向量机的分类效果要优于朴素贝叶斯分类器;矿山一级关键岗位共计10个,占所调查岗位比例的16.67%,充分体现了矿山作为高风险领域的岗位风险情况。研究初步讨论了机器学习方法在矿山企业岗位风险分级的应用思路,研究成果可为矿山企业岗位风险分级体系构建和分析方法的建立提供参考。

关 键 词：矿山岗位 风险定级 支持向量机 贝叶斯理论 

分 类 号：TD79[矿业工程—矿井通风与安全]