对比分析我国煤矿各类事故的百万吨死亡率，瓦斯事故死亡人数位居煤矿事故之首[1-2]。近年来，虽然煤矿安全生产技术研究取得了长足的进步[3-4]，但如何做好煤矿瓦斯事故预警仍然是当前研究的重要课题。ELM模型算法学习速度非常快，既不会陷入局部极小值，又有较好的泛化能力，能极大地提高事故案例推理的训练速度，模型结构又具有独立性，与训练样本的数据特性无关，正是上述优点使其在多个领域获得了成功的应用而成为应用研究的热点。鉴于煤矿领域事故案例推理研究的复杂性[5]，笔者从事故案例推理方法论角度，侧重共性与相似性，探讨ELM模型算法[6]在煤矿瓦斯事故预警案例推理中应用的合理性与可行性。

1 瓦斯事故危险源分析与案例推理本质

1.1 瓦斯事故危险源分析

预警技术是安全生产管理中新的技术领域[7]，瓦斯事故预警涉及众多研究成果的综合应用[8]。要杜绝瓦斯事故是一项极其复杂的系统工程，因此有必要对导致瓦斯事故的危险源进行分类，针对不同的瓦斯事故危险源采取不同的应对策略。通常将导致瓦斯事故的危险物质或能量载体称为第一类危险源，正是这种危险物质或能量载体的存在为事故的发生创造了前提条件和物质基础，因此，第一类危险源(即存在的瓦斯量多少)决定着事故后果的严重程度。其次，将导致瓦斯事故的必要条件称为第二类危险源，如物理环境、检测设备故障与误操作等因素，因此，第二类危险源决定了发生事故的可能性。再次，将组织管理方面导致的瓦斯事故，如规章制度、组织文化等因素，称为第三类危险源，这类因素导致的事故基本上是制度及人为因素造成的[9]。文献[10]指出，在我国人为因素直接导致煤矿安全事故的比例高达 97.67%，在重大瓦斯爆炸事故中人为因素导致的瓦斯事故比例高达96.59%。显然，第一、二类危险源是煤矿安全生产管理中存在的固有型危险源，正是这两类危险源共同作用决定了瓦斯事故的发生。基于第一、二类危险源因素诱发的瓦斯事故在发生前是有征兆的，借助配置安装在煤矿现场的感知系统，可检测出反映危险状态的参数如瓦斯浓度、风速、温度等，并从现场采集的丰富数据中可选择出反映危险状态的特征变量，尽管整个系统是非结构化或者半结构化的，但借助人工智能算法，仍然能够从大量丰富的数据中找出危险参数并分析可能发生瓦斯事故的概率，据此判断是否进行预警提示。

1.2 案例推理的本质

基于案例推理CBR(Case-Based Reasoning)的事故预警，本质上就是一个基于人工智能的预警系统。案例推理的核心是参照过去的事故案例，通过学习、总结出防止事故发生的成功经验与吸取导致事故发生的经验教训，并将事故案例的精华进行规范，建立案例数据库，用于解释和解决当前可能遇到的新问题[10]。在案例推理技术相关理论和应用方面，国外学者对其进行了深入的研究[11-12]，基于案例推理，可构造出相关行业的风险预测或者风险事故发生的预警系统[13]。尽管该方法还有许多问题需要进一步研究解决(如存在案例的知识瓶颈、对噪声数据敏感等问题)，但其显著优势是学习能力强、易于对知识进行维护，并且实现简单，这些问题都会随着案例推理课题研究而得到解决。瓦斯事故预警也不例外，其基本思想是借助访问事故案例库中历史上同类的案例结果，寻找出解决当前问题的答案。

2 基于超限学习机ELM模型的预警方法

2.1 机器学习

在人工智能智慧时代，事故案例知识是可以通过机器学习获得的，如图1所示。基于实际系统的输入与响应输出，通过机器学习，可以借助学习机识别和判断出实际系统运行于什么模式，系统运行属于正常还是不正常，是否存在潜在的事故风险，潜在事故可能在哪个部位，甚至给出导致事故的原因等。

纳入标准：①10 ～ 20岁Lenke 5型AIS；②腰椎侧凸Cobb角45° ～ 70°；③行单一后路胸腰椎三维矫形植骨融合内固定术；④术前、术后2周及术后1年有完整的站立位全脊柱正位X线片；⑤万向螺钉或单平面椎弓根螺钉使用比例＞ 80%。2010年1月—2013年12月，根据以上标准共纳入患者72例，其中使用万向椎弓根螺钉治疗（A组）43例，使用单平面椎弓根螺钉治疗（B组）29例。A组男6例，女37例，年龄（14.8±2.1）岁，固定融合节段（7.6±1.3）个；B组男4例，女25例，年龄（15.1±2.0）岁，固定融合节段（7.8±1.1）个。

  

图1 机器学习的一般表示格式

图1中的实际系统是一个待估计其状态的对象，学习机可根据实际的系统输入和响应输出，通过学习识别出待估计对象的系统状态。机器学习意味着借助学习有可能使系统比以前更加有效地工作，当然也可以对其是否存在潜在事故风险进行识别和判断，进而对系统的潜在事故作出预警提示等。图1中x为实际系统的输入采样样本，y为实际的系统响应输出采样样本，学习机的训练样本集合{x，y} 由实际系统的输入和响应输出组成。机器学习的目的就是在最小期望风险的条件下，寻找出趋近被估计实际系统的响应函数，也即寻找出实际系统的预估输出。

机器学习实际上是借助数据提取规则或某种模式将数据转换成被估实际系统的状态信息，其主要学习方法有归纳和分析两种。文中讨论的实际上是一种基于人工神经网络学习的归纳学习算法，通过学习获得的知识是借助大量神经元的互连结构，以及各连接权值以分布形式表示的，鉴于神经元之间存在冗余性，因此允许其输入偏离学习样本，并且其学习行为具有良好的抗噪、容错与并行分布能力。本质上，文中讨论的超限学习机ELM(Extreme Learning Machine)是一种单隐含层前向神经网络SLFNs(Single Hidden Layer Feed-forward Neural Network)。

黄河就在他们点起的小火堆边奔流，河水苍黄，隐隐升腾出阵阵水腥气。船夫们讲黄河鲤鱼这两年忽然改了脾性，竟吃上了淹死在河里的人的肉。上官星雨皱着眉，梗着嗓子，吃不下，招呼李离也别吃。李离怔了一下却没住手，日后想要在这个长安城以外乱糟糟的江湖中活下来，能够不直接吃人肉，就是撞大运了。

2.2 基于ELM的事故预警模型

神经元是神经网络中的基本信息处理单元，是一个多输入—单输出的非线性系统，其模型如图2所示。图2中x1，x2，…，xm是输入信号；wk1，wk2…，wkm是第k个神经元分别与输入信号对应的权重；uk是输入信号线性组合;bk是求和节点设置的偏置；φ(·) 是激活函数;yk是神经元的输出。其中：

 

yk =φ(uk + bk)

算法此后的流程步骤都要遵照前向编码方案的要求,随着算法流程的不断迭代,染色体逼近最优解。通过最佳染色体可以看到求解的各个覆盖子集的情况。

  

图2 第k个神经元的非线性模型示意图

激活函数一般标记为φ(v)，其作用在于通过诱导局部域v限制神经元的输出幅度。常用的激活函数有两种：其一是阀函数，即阶跃函数，数学表达如下：

模拟葡萄酒培养基：每100 mL蒸馏水加入1 mL的SO2，酵母膏0.35 g，酒石酸3 g，葡萄汁20 mL，苹果酸3 g，柠檬酸0.5 g，配制完成后以121℃高压湿热灭菌15 min。

 

其二是Sigmoid函数，定义如下：

 

式中参数α是Sigmoid函数的倾斜参数。Sigmoid函数的形状是“S”形的，在神经网络中Sigmoid函数是最常用的激活函数。

总之，随着我国信息技术与计算机技术的迅猛发展，涌现出不同形式的新媒体，传统电视新闻节目只有及时实现创新，与新融体深度融合，才能重新拥有较强的生命力。电视新闻节目必须高度关注电视新闻节目形式的创新，主动引入网络新闻形式，利用引入互动理念，为广大观众制作质量上乘的新闻节目，从而实现持续发展。传统电视新闻节目工作人员要加强学习，努力提高专业技能，及时转变传播观念，才能胜任当前电视新闻工作。

由表1可求出各预警分类的平均准确率：BP神经网络模型为87.72%；SVM模型为90.81%；ELM模型为96.27%。仿真结果表明，基于ELM模型的预警准确率高于BP神经网络模型和SVM模型，说明在潜在事故预警中，采用ELM模型预警可以获得比较高的准确率。

2.3 基于ELM的事故预警算法

基于ELM的事故预警算法模型有别于单隐含层前向神经网络模型，其最大的差别是隐含层前向神经元参数的权重与阈值无需调整，权重与阈值是随机选择确定的。基于ELM事故预警算法的单隐含层前向神经网络结构如图3所示。图3中 (x，t)为训练数据样本对，其中x为输入样本、t 为目标样本，在隐含层中共包含了M 个单隐神经元。

将情况6（遭遇挫折或伤害）再细化分为6种常见情形，包括心理问题、资料遗失、意志下滑、准备不佳、技术素养和资源过时等，并在[0，1]区间针对每一种情形由项目负责人进行概率打分（见表２）．

  

图3 基于ELM的神经网络结构示意图

由图3可知，神经网络的输出可用式(1)表示：

 

(1)

式中：G(ai，bi，xi)是激活函数；ai、bi是隐含层神经元节点参数；βi是神经网络输出与第i个隐含层神经元节点之间的连接权重。

132例MCN患者中女性118例(89.4%)，男性14例(10.6%)，女∶男为8.4∶1。男性患者中MCN-nIC 10例，MCN-IC 4例；女性患者中MCN-nIC 105例，MCN-IC 13例。MCN组织学类型在不同性别中差异无统计学意义(χ2=2.051，P=0.152)。

N个数据采样对是不同而有差异的，如式(2)所示：

⊂Rn×Rm

(2)

对N个互不相同的采样数据样本对，如果一个单隐含层神经网络有M个隐含层神经元，那么可用任意精度近似。这意味着存在ai、bi、βi (i = 1，2，…，M)将迫使式(3)成立：

 

(3)

如以矩阵形式书写，式(3)可表示为：

基于双轴岩爆模拟实验，本文总结出在分析岩石破裂的时序规律，可选择高灵敏度的窄频谐振类传感器，如R6α传感器；在分析岩石声发射信号波形特征，可选择具有较宽信号响应范围的宽频类传感器，如Nano30传感器。这可对室内实验在传感器选择上提供一定理论依据。

第二步，计算出tN+1值，所获得的结果即是被估计系统的状态值。如果系统状态值在期望的范围内就是安全的，否则要判断是否给出预警提示。

(4)

式(4)中各符号的数学意义如下：

H(a1,…,aM,b1,…,bM,x1,…,xN)=

 

(5)

 

(6)

 

(7)

在隐含层输出矩阵H中，第i列表示相应于第i个隐含层神经元的输入x1，x2，…，xN的输出。借助Moore-Penrose 广义逆，可以求出神经网络输出与隐含层神经元节点之间的连接权重最佳估计值，如式(8)所示：

Hβ-T=H+T

(8)

H+=(HTH)-1HT

(9)

第一步，保持隐含层输出函数和隐含层神经元节点权重不变，将新时刻tN的时间序列数据导入到经过学习训练的神经网络模型，就可获得tN+1时刻的系统预估状态值，即可以建立式(10)：

（三）鸡群抗体水平不均衡、不整齐 鸡群中某些个别鸡只可能因为疾病或其他原因造成抗体水平不高，使这部分抗体水平低的鸡在接种前就遭到野毒感染。

2.4 基于ELM模型的事故预警过程

在ELM算法参数训练过程中，隐含层神经元节点的参数是随机确定的，即权重、偏置等无需调整，其学习训练过程为：首先确定出训练样本对、隐含层输出激活函数和隐含层神经元节点数目；其次是随机地产生隐含层神经元节点的参数，如权重、偏置等；第三是计算隐含层输出的输出矩阵；最后计算出输出网络的最佳外部权重。上述学习训练过程只需一步计算就可获得输出网络的最佳外部权重，因此极大地节省了网络的学习训练时间。

实际系统的事故预警就是将下一个时刻的输入值直接馈送到经过训练的网络模型，其输出值就是实际系统的状态预估值。因此，基于ELM模型的事故预警步骤可以概括如下：

当隐含层的输出矩阵为非负列满秩时，可以通过奇异值分解得到最优输出权重。

 

(10)

Hβ=T

设置两条安全线FAL、PAH，如果压缩机出口流量急剧变化,工作点越过喘振控制线,并继续向喘振线移动,到达流量下限安全线（FAL）或者压力上限安全线（PAH）时，必须启动联锁系统,旁路阀全开。同时DCS上将旁路阀阀开度锁定在100%上，入口导流叶片阀开度锁定在0%上，压缩机卸载。

3 仿真实验

3.1 特征样本选取

在案例推理中，特征样本选取是案例推理的关键。发生瓦斯事故的根本原因在于有瓦斯存在，在煤矿工作面的瓦斯传感系统面临井下高浓度粉尘、高温湿度、自身结构设计、元件设备老化、通讯信号混叠，以及其他强干扰等恶劣环境因素的影响，系统除监控瓦斯浓度外，事故是否发生还与其他多个特征参数相关，借助监控系统即可将直接反映工作面安全生产状态的相关物理数据转换成计算机可接受的数字信号，通过分析、融合与判定，就可以提供如实的相关状况。比如，以瓦斯浓度是否异常为例，其信号一般可以分为3种类型，即恒偏差型、瞬时型和周期性脉冲型，并将各自的统计指标如样本期望、方差、均方根值、峰值指标、峰值比、峭度、偏度等作为特征样本选取的依据。特征样本的正确选取是准确预警的前提条件，文献[14]重点研究了煤矿工作面瓦斯异常信号的特征提取，这里就不再讨论了。基于瓦斯特征状态变量的检测数据，就可对潜在瓦斯事故发生概率进行预警。

[32] Simon Denyer, “China Charting Two New ‘Silk Roads,’ Bypassing U.S.,” The Washington Post, October 15, 2013; Simon Denyer, “Bullet Trains Tighten China’s Grip on Hot Spot,” The Washington Post, September 11, 2014.

3.2 仿真实验及其结果分析

为了验证ELM预警方法的优越性，以支持向量机SVM和BP神经网络的预警算法为参照进行比较研究，并定义预警分类准确率如下：

预警准确率=Ncorect / NT

(11)

式中：NT为总的预警次数；Ncorrect为实际预警成功的次数。

预防瓦斯事故是一项极其复杂的系统工程，其涉及众多课题的研究，如瓦斯事故案例数据库的构建与完备等。尽管ELM模型算法的推广应用还有许多具体问题需要解决，但仿真实验表明，该方法在瓦斯事故预警中的应用是合理和可行的，后续将着力于瓦斯事故案例数据库构建与完备的研究工作。

 

表1 不同预警模型的仿真实验准确率比较

  

编号样本数ELM精度/%SVM精度/%BP精度/%No.12395.6591.3082.61No.224100.0091.6795.83No.323100.00100.0086.96No.42395.6595.65100.00No.524100.0091.6791.67No.623100.0082.61100.00No.723100.00100.0086.96No.82391.3078.2682.61No.92395.6586.9695.65No.102491.67100.0087.50No.1123100.00100.0091.30No.122391.3082.6173.91No.132386.9673.9178.26No.142495.83100.0079.17No.1524100.0087.5083.33

基于神经元可构造出各种各样的神经网络，例如单层前馈神经网络、多层前馈神经网络、BP神经网络、自编码神经网络等。以下仅讨论基于单层前馈神经网络的超限学习机 ELM算法模型。

此外，在传统的BP神经网络模型学习算法中，仅采用可微激活函数，但在基于ELM模型的算法中，并没有这种限制，非可微的激活函数也是可以采用的。ELM模型算法仅仅对单隐含层神经网络的输入权值和隐含层节点偏移量进行随机赋值，借助简单计算就可直接求出网络的输出权值，即直接采用Moore-Penrose广义逆计算输出权值矩阵。该算法的核心步骤是将单隐含层神经网络的训练问题变为最小二乘的求解问题，这样不仅消除了传统前馈网络反复迭代计算导致的大量时间耗用问题，而且也确保了所求得的解具有唯一性。

4 结语

由于该预警方法在国内还没有成熟强大的案例数据库支持，为不失一般性并便于简化讨论，实验只针对某特定类型的潜在事故发生概率进行仿真。按照上述预警方法，基于Matlab软件平台，实验最终结果的预警准确率(精度)见表1。

翻译目的是指达到翻译行为最终达到的结果的过程中的阶段。翻译是有明确的目的和意图的人类交际活动，要让译入语接收者接收到提供原语作者传达的内容。也就是说，博物馆近代史红色文化部分的外宣资料翻译目的是让中外游客获取并接收相同的红色历史文化信息。但笔者在实地调查中发现，部分翻译还存在着文化说明性关键信息缺失或不一致的现象，这种缺失情况容易使译文对原文缺乏描述，不利于参展观众对原文本和图片的理解，没有体现翻译的目的性。例如：

参考文献：

[1] 袁晓芳.基于案例推理的煤矿瓦斯预警支持系统研究[D].西安：西安科技大学，2009.

[2] 陈鸿.基于物联网的矿井瓦斯及人员动态监管系统设计及应用[J].矿业安全与环保，2011，38(4)：29-30.

[3] 李润求.煤矿瓦斯爆炸灾害风险模式识别与预警研究[D].长沙：中南大学，2013.

[4] 高岩.中美煤矿瓦斯爆炸事故不安全动作原因对比分析[D].徐州：中国矿业大学，2016.

[5] LORCAN Coyle，DNAL Doyle，PDRAIG Cunningham.Representing similarity for CBR in XML [C].Advances in Case-Based Reasoning (Proc of ECCBR-04).M-adrid，Spain：Springer，2004：119-127.

[6] HUANG Guangbin，ZHU Qinyu，SIEW C K.Extreme learning machine：theory and applications[J].Neurocomputing，2006，70(1)：489-501.

[7] 宫运华，罗云.安全生产预警管理研究[J].中国煤炭，2006，32(10)：67-69.

[8] 田水承.第三类危险源辨识与控制研究[D].北京：北京理工大学，2001.

[9] 孙猛，吴宗之.煤矿重大危险源辨识评价若干问题的研究与探讨[J].中国安全科学学报，2003，13(5)：35-37.

[10] 陈红，祁慧，谭慧.基于特征源与环境特征的中国煤矿重大事故研究[J].中国安全科学学报，2005，15(9)：33-38.

[11] ISLAM A M，SKALLE P.Improved efficiency & knowledge based support of oil well drilling through cased based reasoning(CBR)approach [R].SPE 111849，2008.

[12] PERRY P B，CURRY D A，KERRIDGE J D，et al. A case-based knowledge repository for drilling optimization [R].SPE 87994，2004.

[13] SHOKOUHI S V，SKALLE P，SORMO F.Integration of real-time data and past experiences for reducing operational problems [R].SPE 13969，2009.

批而未供和闲置土地大清查大处置工作虽然取得了阶段性成果，但推进批而未供土地消化利用和闲置土地处置工作不能松懈。要举一反三，常抓不懈，以本次行动为契机推进长效机制的建设。下一步，重点抓好以下几个方面工作。

[14] 黄凯峰.煤矿安全监测监控系统瓦斯浓度异常信号辨识方法研究[D].淮南：安徽理工大学，2016.