当前位置: X-MOL 学术Process Saf. Environ. Prot. › 论文详情
Our official English website, www.x-mol.net, welcomes your feedback! (Note: you will need to create a separate account there.)
Construction and analysis of a coal mine accident causation network based on text mining
Process Safety and Environmental Protection ( IF 6.9 ) Pub Date : 2021-07-23 , DOI: 10.1016/j.psep.2021.07.032
Zunxiang Qiu 1 , Quanlong Liu 1 , Xinchun Li 1 , Jinjia Zhang 2 , Yueqian Zhang 1
Affiliation  

It is important to systematically identify the contributing factors in coal mine accidents from a large-scale analysis of accident reports. However, previous scholars have mainly used human analysis methods to define accident-causing factors, leading to incomplete and biased cause checklists due to personal experience and knowledge. Furthermore, a data-driven method is needed to quantify the importance of each factor and clarify the mechanism of different types of accidents. Considering these, this study creatively combined text mining technology and a complex network to explore the coal mine accident-causing mechanism. Through the text mining of 307 accident reports, 52 main accident-causing factors were identified, and a coal mine accident causation network was constructed based on the strong association rules among factors. Second, eight core factors and their associated sets, as well as seven critical links for different accident types, were clarified through network centrality analysis and accident path analysis. This study shows that regulatory authority is the most influential level of accident causation, gas accidents are the most easily triggered accident type, a lack of effective mechanism for safety supervision→failure to arrange full-time safety inspectors to follow the shift→lack of serious and thorough on-site hidden danger investigations→inadequate anti-surge measures are the key links in gas accident causation. This study contributes new perspectives on identifying contributing factors and their complex interaction mechanisms from accident report data for practical applications in risk analysis and accident prevention.



中文翻译:

基于文本挖掘的煤矿事故因果网络构建与分析

从事故报告的大规模分析中系统地确定煤矿事故的成因非常重要。然而,以往的学者主要采用人为分析的方法来界定事故致因,由于个人经验和知识,导致原因清单不完整和有偏见。此外,需要一种数据驱动的方法来量化每个因素的重要性并阐明不同类型事故的机制。考虑到这些,本研究创造性地将文本挖掘技术与复杂网络相结合,探索煤矿事故的成因机制。通过对307份事故报告的文本挖掘,识别出52个主要事故致因因素,并基于各因素间的强关联规则构建了煤矿事故致因网络。第二,通过网络中心性分析和事故路径分析,明确了8个核心因素及其关联集合,以及针对不同事故类型的7个关键环节。本研究表明,监管部门是事故成因影响最大的层面,燃气事故是最容易引发的事故类型,缺乏有效的安全监管机制→没有安排专职安全检查员跟班→缺乏严重现场隐患排查彻底→防喘振措施不力是瓦斯事故成因的关键环节。这项研究为从事故报告数据中识别影响因素及其复杂的相互作用机制提供了新的视角,以用于风险分析和事故预防的实际应用。通过网络中心性分析和事故路径分析,明确了不同事故类型的七个关键环节。本研究表明,监管部门是事故成因影响最大的层面,燃气事故是最容易引发的事故类型,缺乏有效的安全监管机制→没有安排专职安全检查员跟班→缺乏严重现场隐患排查彻底→防喘振措施不力是瓦斯事故成因的关键环节。这项研究为从事故报告数据中识别影响因素及其复杂的相互作用机制提供了新的视角,以用于风险分析和事故预防的实际应用。通过网络中心性分析和事故路径分析,明确了不同事故类型的七个关键环节。本研究表明,监管部门是事故成因影响最大的层面,燃气事故是最容易引发的事故类型,缺乏有效的安全监管机制→没有安排专职安全检查员跟班→缺乏严重现场隐患排查彻底→防喘振措施不力是瓦斯事故成因的关键环节。这项研究为从事故报告数据中识别影响因素及其复杂的相互作用机制提供了新的视角,以用于风险分析和事故预防的实际应用。通过网络中心性分析和事故路径分析进行了澄清。本研究表明,监管部门是事故成因影响最大的层面,燃气事故是最容易引发的事故类型,缺乏有效的安全监管机制→没有安排专职安全检查员跟班→缺乏严重现场隐患排查彻底→防喘振措施不力是瓦斯事故成因的关键环节。这项研究为从事故报告数据中识别影响因素及其复杂的相互作用机制提供了新的视角,以用于风险分析和事故预防的实际应用。通过网络中心性分析和事故路径分析进行了澄清。本研究表明,监管部门是事故成因影响最大的层面,燃气事故是最容易引发的事故类型,缺乏有效的安全监管机制→没有安排专职安全检查员跟班→缺乏严重现场隐患排查彻底→防喘振措施不力是瓦斯事故成因的关键环节。这项研究为从事故报告数据中识别影响因素及其复杂的相互作用机制提供了新的视角,以用于风险分析和事故预防的实际应用。燃气事故是最容易引发的事故类型,缺乏有效的安全监管机制→没有安排专职安全检查员跟班→现场隐患排查不严密→防喘振措施不到位瓦斯事故成因的关键环节。这项研究为从事故报告数据中识别影响因素及其复杂的相互作用机制提供了新的视角,以用于风险分析和事故预防的实际应用。燃气事故是最容易引发的事故类型,缺乏有效的安全监管机制→没有安排专职安全检查员跟班→现场隐患排查不严密→防喘振措施不到位瓦斯事故成因的关键环节。这项研究为从事故报告数据中识别影响因素及其复杂的相互作用机制提供了新的视角,以用于风险分析和事故预防的实际应用。

更新日期:2021-07-28
down
wechat
bug