基于免疫机理的煤矿瓦斯爆炸事故预警

Early Warning of Coal Mine Gas Explosion Accident Based on Immune Mechanism

摘要: 为预防煤矿瓦斯爆炸事故，从生物免疫角度出发，提出一种煤矿瓦斯爆炸预警方法。首先，探究煤矿瓦斯爆炸预警系统与生物免疫机理之间的相似性，并分析其耦合机制，从瓦斯积聚、火源、管理三个方面对煤矿瓦斯爆炸进行定性分析；其次，通过对煤矿瓦斯爆炸影响因素的分析，确定瓦斯爆炸指标，运用层次分析法和生物免疫机理构建煤矿瓦斯爆炸Ag-Ab预警模型，建立成对比较矩阵，采用1-9的标度进行赋值；最后，计算该成对比较矩阵的特征向量并进行归一化，确定各煤矿瓦斯爆炸因素的权重和各指标体系的排序，识别影响煤矿瓦斯爆炸的关键风险因素。研究结果表明：在Ag要素层中，AgI (瓦斯异常涌出)、AgV (静电起火)和AgIX (明火)是影响较大的指标，占Ag准则层的16.67%，Ag指标层中Ag5 (瓦斯突出)和Ag39 (煤炭自燃)比重较大，瓦斯突出和煤炭自燃要素层中两者占比都为37.49%，占总权重的7.49%，AbI (安全管理规定)影响较大，占Ab准则层的37.50%，Ab指标层中Ab1 (瓦斯检测不及时)是影响较大的因素，占安全管理规定因素的38.04%，占Ab总权重的14.26%。通过各因素权重分析，对这些因素进行管理和控制，是防止瓦斯爆炸事故的重要措施。该预警方法可为决策者有效管理煤矿瓦斯爆炸风险提供技术指导。

Abstract: To prevent coal mine gas explosion accidents, a coal mine gas explosion warning method is proposed from the perspective of biological immunity. Firstly, explore the similarity between the coal mine gas explosion warning system and the biological immune mechanism, and analyze their coupling mechanism. Qualitative analysis of coal mine gas explosions is conducted from three aspects: gas accumulation, fire source, and management; Secondly, by analyzing the influencing factors of coal mine gas explosions, gas explosion indicators are determined. The Analytic Hierarchy Process and biological immune mechanism are used to construct an Ag-Ab warning model for coal mine gas explosions. A paired comparison matrix is established, and values are assigned using a 1-9 scale; Finally, calculate the eigenvectors of the paired comparison matrix and normalize them to determine the weights of each coal mine gas explosion factor and the ranking of each indicator system, and identify the key risk factors affecting coal mine gas explosion. The research results show that in the Ag element layer, AgI (abnormal gas outburst), AgV (electrostatic ignition), and AgIX (open flame) are the most influential indicators, accounting for 16.67% of the Ag criterion layer. In the Ag index layer, Ag5 (gas outburst) and Ag39 (coal spontaneous combustion) have a relatively large proportion. In the gas outburst and coal spontaneous combustion element layers, both account for 37.49%, accounting for 7.49% of the total weight. AbI (safety management regulations) has a significant impact, accounting for 37.50% of the Ab criterion layer. In the Ab index layer, Ab1 (untimely gas detection) is the most influential factor, accounting for 38.50% of the safety management regulations. 04%, accounting for 14.26% of the total weight of Ab. Managing and controlling these factors through weight analysis is an important measure to prevent gas explosion accidents. This warning method can provide technical guidance for decision-makers to effectively manage the risk of coal mine gas explosion.

1. 引言

由于煤层赋存及开采条件等因素的制约，使煤炭的开采面临诸多困难。随着开采深度增加，地质条件复杂，煤与瓦斯突出、瓦斯爆炸、瓦斯喷出等事故频发，已严重威胁煤矿安全，致使煤矿安全面临诸多挑战。因此为了降低煤矿瓦斯爆炸事故发生率，对瓦斯爆炸事故进行预警变得至关重要。国内对于瓦斯爆炸预警理论及模型的研究方面进行了广泛讨论，许多学者在瓦斯灾害防治、瓦斯爆炸规律、传播规律、抑制技术、阻隔爆等方面都取得不错的成果，为更好地了解瓦斯爆炸的传播特性提供理论支持。此外在瓦斯爆炸事故预防方面也有不少研究人员进行研究分析，通过对瓦斯爆炸事故进行总结，提出各种预防措施和方法。例如：李新春等[1]根据矿井瓦斯爆炸事故发生机制，建立瓦斯爆炸事故树，得到了瓦斯爆炸事故危险源的预警水平及影响事故链的关键因素；邓小松[2]利用三类危险源理论，对煤矿瓦斯爆炸事故致因进行深入分析，采用层次分析法建立风险评价指标体系。通过MATLAB计算各指标的权重值，确定引起瓦斯爆炸事故的重要因素及其相互关系；殷文韬等[3]通过对矿山瓦斯爆炸相关设备设施的有效分类，分析瓦斯积累与火源产生的设备设施之间的耦合规律，得到了最易发生瓦斯爆炸的设备设施的组合；刘会景[4]为解决我国煤矿瓦斯爆炸应急救援能力评价中的主观性和模糊性问题，采用未确定测度与博弈论集对理论建立煤矿瓦斯爆炸应急救援能力评价指标体系，对其结果进行评价和排序，为煤矿应急救援综合评价提供一定基础；孙宇航等[5]采用趋势面分析方法构建瓦斯爆炸预警模型，选择气体浓度和氧浓度作为研究因素，两种气体浓度分布的校准可用于区域瓦斯爆炸的实时预警；颜雯钰等[6]为预防氯化工艺安全生产事故，应用生物免疫机理将抗原–抗体模式建立的安全生产预警体系层次模型，可以提高事故预防和控制能力；曾明圣等[7]将生物免疫系统应用到瓦斯异常涌出预警系统中，通过MATLAB的Mamdani模型建立预警模型，以降低瓦斯异常涌出事故发生概率和危险程度；陈国华等[8]基于多因素评价理论，建立化工园区耐危害能力评价指标体系，为确定各指标的权重，采用改进的层次分析法进行分析，利用改进的可拓评价法–最大对比度综合评估化工园区的危害承受能力进行评价；叶青等[9]-[11]为探索、完善化工园区安全生产监管体系，通过借鉴生物免疫系统抵御疾病的机理，建立一个与生物免疫系统相似的化工园区事故免疫系统来保障安全；陈清光等[12]-[14]通过借鉴抗原–抗体相互作用的机制，对化工园区安全生产预警指标体系进行构建并结合Mamdani模糊模型、Elman网络算法建立化工园区安全生产的预警模型，根据模型预测结果能够采取相应的措施来预防安全生产事故。总之诸多学者对煤矿瓦斯爆炸进行大量研究可以为预防瓦斯爆炸提供有力的支持和保障，有助于减少煤矿生产中的安全风险，保障煤矿工人生命财产安全。

尽管已有部分研究将免疫机理应用于化工园区，取得良好的研究成果，但至今还没有学者将免疫机理与煤矿瓦斯爆炸预警相结合。同时，现有的瓦斯爆炸识别机制预警能力较弱，无法实现及时识别，导致煤矿在发生瓦斯爆炸事故时处于被动应急状态。因此，本文立足于免疫机理和瓦斯爆炸特性的基础上，建立瓦斯爆炸事故预警系统，有助于在事故发生时能够及时准确地预警和进行应急管理，为今后煤矿瓦斯爆炸事故的治理提供参考依据。

2. 瓦斯爆炸与免疫机理耦合性

免疫系统是生物体内负责执行免疫应答的复杂系统，具有防御功能强的特点。它由免疫器官、免疫细胞和免疫分子这三部分组成，每个部分都有自己独特的功能，共同维持机体健康。它具有识别和去除抗原异物的能力，以维持内部环境的稳定性和生理平衡[15]。免疫系统的适应性、动态性和多样性使其能够根据外部环境的变化做出相应的调整，保持最佳防御状态并维持人体健康。

1) 作用

免疫系统是通过多种免疫细胞和免疫分子之间的相互作用来实现的，这些免疫细胞和免疫分子之间协同工作，以识别、消灭和清除被感染的细胞或异常物质，从而维持机体健康。瓦斯爆炸预警系统具有预测和及时发出警示信号的功能，通过检测瓦斯浓度、气体压力等指标来判断煤矿井下安全状况，从而采取相应的防护措施。

2) 功能

免疫系统和瓦斯爆炸预警系统虽然分属不同的领域，但它们的功能都是为消除潜在危险因素，确保整个系统的稳定性和正常状态。免疫系统的功能是消灭侵入人体的有害物质，维持机体健康；瓦斯爆炸预警系统的功能是为预防煤矿瓦斯爆炸事故的发生，来确保煤矿安全生产。

3) 生存环境

免疫系统处于富含各种新旧细菌、病毒、病菌等致病微生物的机体环境中，而煤矿瓦斯爆炸预警系统则面临着复杂且充满已知或未知的危险源环境中。这些危险源是对机体或工程构成威胁的信号。

综上所述，免疫系统和瓦斯爆炸预警系统在许多方面都有相似之处。并且免疫系统和瓦斯爆炸预警系统在各自领域中发挥重要作用，都致力于消除危险因素，保持系统的稳定性和正常状态。上世纪，美国学者斯蒂尔提出通过借鉴生物系统的结构、特点和原理等，为工程技术提供新的设计思路和工作原理。因此，将免疫系统在检测、分析和处理抗原方面应用到煤矿安全生产管理研究中是完全可行的。基于生物免疫机理理论，本文将免疫机理应用到煤矿瓦斯爆炸预警研究，结合抗体与抗原作用机制，建立煤矿瓦斯爆炸预警指标模型，通过此方法有助于煤矿瓦斯爆炸预警及应急处理，为后续煤矿作业安全提供了依据。

3. 基于免疫机理的瓦斯爆炸预警模型

3.1. 瓦斯爆炸指标体系构建

结合煤矿发生瓦斯爆炸的特点，参照《中华人民共和国突发事件应对法》[16]、《国家安全生产事故灾难应急预案》[17]、《煤矿安全规程》[18]及我国相关法律法规，再结合生物免疫机理，识别影响煤矿瓦斯爆炸的风险因素，依据评价指标体系构建的原则，建立瓦斯爆炸预警指标体系，以抗原(Ag)和抗体(Ab)为控制系统提供更好的决策依据。预警指标体系分为目标层、准则层、要素层和指标层4个层次构成，第一目标层是煤矿瓦斯爆炸预警；第二层是准则层，分为Ag和Ab两个子系统；第三层是要素层，Ag含有9个要素，Ab含有4个要素，共有13个指标；第四层指标层，包括所有预警系统指标，Ag含有42个指标，Ab含有18个指标，共计60项指标，见图1。

Figure 1. Early warning index system of coal mine gas explosion based on Ag-Ab model

图1. 基于Ag-Ab模型的煤矿瓦斯爆炸预警指标体系

3.2. 预警指标体系权重确定方法

层次分析法是T.L. Saaty教授在20世纪70年代中期提出的一种系统分析方法。在运用层次分析法进行系统分析时，首要步骤是将问题划分为不同层次；其次根据问题的特性和所追求的总目标，将问题细分为不同组成因素，这些因素会按照它们之间的相互关系、影响和从属关系被整合在不同的层次上，从而形成一个多层次、结构化的分析模型。最终将核心问题简化为确定最低层次因素相对于最高层因素的相对重要程度或相对优劣顺序的问题[19]。

3.2.1. 判断矩阵及一致性检验

1) 判断矩阵：设w_i表示第i个方案相对于底层目标的优越性，或某一层的第i个目标对前一层目标的重要权重；具有两种方案或子目标的相对重要性的矩阵作为元素成为判断矩阵，即：

$A=\left[\begin{array}{ccc}\frac{{\omega }_1}{{\omega }_1}& \cdots & \frac{{\omega }_1}{{\omega }_n}\\ ⋮& \ddots & ⋮\\ \frac{{\omega }_1}{{\omega }_n}& \cdots & \frac{{\omega }_n}{{\omega }_n}\end{array}\right]$ (1)

设α_ij = ω_i/ω_j，判断矩阵的元素α_ij具有两点性质：① α_ii = 1；② α_ij = 1/α_ji。确定判断矩阵中元素α_ij，可采用表1的依据标准。

Table 1. Determination of element values in judgment matrix

表1. 判断矩阵中元素数值的确定

aij	两目标相比
1	ai与aj同等重要
3	ai与aj稍微重要
5	ai与aj明显重要
7	ai与aj重要得多
9	ai与aj绝对重要
2，4，6，8	介于以上相邻两种情况之间
1，1/2，·····，1/9	ai与aj之比与上述说明相反

2) 权重的确定方法：对于n阶矩阵A，由矩阵理论有：

$AW=\eta W$ (2)

式中η-判断矩阵A的特征根

W-向量，且$W={\left({\omega }_1,{\omega }_2,\cdots ,{\omega }_n\right)}^{\text{T}}$ ，为特征根所对应的特征向量。

对于满足判断矩阵元素性质的判断矩阵，称为完全一致性判断矩阵，此时，判断矩阵的最大特征根λ_max = n，其余特征根为0。具体步骤如下[20]。

设判断矩阵：

$A=\left[\begin{array}{ccc}{\alpha }_{11}& \cdots & {\alpha }_{1n}\\ ⋮& \ddots & ⋮\\ {\alpha }_{n1}& \cdots & {\alpha }_{nn}\end{array}\right]$ (3)

将判断矩阵每一列归一化。

${\overline{\alpha }}_{ij}=\frac{{\alpha }_{ij}}{{\displaystyle {\sum }_{k=1}^n{\alpha }_{kj}}}\left(i=1,2,\cdots ,n;j=1,2,\cdots ,n\right)$ (4)

① 将每列归一化后的矩阵按行相加。

$M_i={\displaystyle \sum _{k=1}^n{\overline{x}}_{ki}}\left(i=1,2,\cdots ,n\right)$ (5)

② 将向量$M={\left(M_1,M_2,\cdots ,M_n\right)}^{\text{T}}$ 归一化。

${\omega }_i=\frac{m_i}{{\displaystyle {\sum }_{j=1}^n{M}_j}}\left(i=1,2,\cdots ,n\right)$ (6)

此时，所求得的$W={\left({\omega }_1,{\omega }_2,\cdots ,{\omega }_n\right)}^{\text{T}}$ 即为相应的特征向量。

③ 计算判断矩阵的最大特征根。

${\lambda }_{\max }={\displaystyle \sum }_{i=1}^n\frac{{\left(AW\right)}_i}{n{\omega }_i}$ (7)

式中(AW)_i-向量AW的第i个元素

n-矩阵的阶数

3) 一致性检验。通过计算一致性指标和检验系数来对矩阵进行一致性检验[21]。

一致性指标：

$\text{CI}=\frac{{\lambda }_{\max }-n}{n-1}\left(n>1\right)$ (8)

检验系数：

$\text{CR}=\frac{\text{CI}}{\text{RI}}$ (9)

其中，RI是随机一致性指标，其值详见表2。

Table 2. RI random consistency index

表2. RI随机一致性指标

矩阵阶数	3	4	5	6	7	8	9	10	11	12	13	14	15
RI	0.52	0.89	1.12	1.26	1.36	1.41	1.46	1.49	1.52	1.54	1.56	1.58	1.59

一般认为，当CR < 0.1时，认为一致性可以接受，否则需要调整判断矩阵，直到接受为止。

3.2.2. 基于层次分析法的权重计算

以Ag因子的指数权重计算为例，将Ag因子中各指标成对进行比较，如表3所示。采用方根法计算权值，然后计算最大特征值，并写出判断矩阵。

Table 3. The weight of Ag factor

表3. Ag因素的权重

Ag因素	AgI	AgII	AgIII	AgIV	AgV	AgVI	AgVII	AgVIII	AgIX
AgI	1	2/1	2/1	2/1	1	2/1	2/1	2/1	1
AgII	1/2	1	1	1	1/2	1	1	1	1/2
AgIII	1/2	1	1	1	1/2	1	1	1	1/2
AgIV	1/2	1	1	1	1/2	1	1	1	1/2
AgV	1	2/1	2/1	2/1	1	2/1	2/1	2/1	1
AgVI	1/2	1	1	1	1/2	1	1	1	1/2
AgVII	1/2	1	1	1	1/2	1	1	1	1/2
AgVIII	1/2	1	1	1	1/2	1	1	1	1/2
AgIX	1	2/1	2/1	2/1	1	2/1	2/1	2/1	1

以方根法求评价因素权重向量近似值m_i：

$m_i=\sqrt[n]{\left({\displaystyle \prod _{j=1}^n{\alpha }_{ij}}\right)}\left(i,1,2,\cdots ,n\right)$ (10)

根据公式(10)求得Ag因素要素层权重值为m₁ = 1.5874，m₂ = 0.7937，m₃ = 0.7937，m₄ = 0.7937，m₅ = 1.5874，m₆ = 0.7937，m₇ = 0.7937，m₈ = 0.7937，m₉ = 1.5874。

将评价因素权重值作归一化处理，根据公式(6)求得归一化后Ag因素要素层权重为ω₁ = 0.1667，ω₂ = 0.0833，ω₃ = 0.0833，ω₄ = 0.0833，ω₅ = 0.1667，ω₆ = 0.0833，ω₇ = 0.0833，ω₈ = 0.0833，ω₉ = 0.1667。

根据公式(7)计算判断矩阵的最大特征值λ_max为9.0000，ω = (0.1667, 0.0833, 0.0833, 0.0833, 0.1667, 0.0833, 0.0833, 0.0833, 0.1667)；根据公式(8)计算一致性指标CI为0；通过表2查得RI = 1.46，再根据公式(9)计算一致性比率CR为0，小于0.1，故满足一致性。

3.2.3. 权重计算结果

类似地，运用层次分析法计算得到如下权重结果。Ag因素权重ω = (0.1667, 0.0833, 0.0833, 0.0833, 0.1667, 0.0833, 0.0833, 0.0833, 0.1667)；瓦斯异常涌出AgI的权重W₁ = (0.0208, 0.0208, 0.0417, 0.0208, 0.0625)；工作面风量不足AgII的权重W₂ = (0.0144, 0.0144, 0.0215, 0.0072, 0.0113, 0.0086)；通风系统不合理AgIII的权重W₃ = (0.0278, 0.0185, 0.0185, 0.0093, 0.0093)；风机停风AgIV的权重W₄ = (0.0278, 0.0278, 0.0278)；摩擦起火AgVI的权重W₅ = (0.0104, 0.0313, 0.0208, 0.0208)；电火花VII的权重W₆ = (0.0211, 0.0155, 0.0086, 0.0070, 0.0078, 0.0078, 0.0155)；爆破火花AgVIII的权重W₇ = (0.0139, 0.0070, 0.0070, 0.0070, 0.0070, 0.0139, 0.0209, 0.0066)，明火AgIX的权重W₈ = (0.0625, 0.0417, 0.0417, 0.0208)；Ab因素权重ώ = (0.3750, 0.2500, 0.2500, 0.1250)；安全管理规定AbI的权重W₉ = (0.1426, 0.0475, 0.0898, 0.0475, 0.0475)；安全教育培训AbII的权重W₁₀ = (0.0455, 0.0455, 0.0277, 0.0277, 0.0455, 0.0682)；应急救援能力AbIII的权重W₁₁ = (0.0938, 0.0625, 0.0625, 0.0313)；事故预防投入AbIV的权重W₁₂ = (0.0625, 0.0417, 0.0208)。

根据上述计算，整理得到基于Ag-Ab模型的煤矿瓦斯爆炸预警指标体系权重，详见表4。

从表4可以看出，影响煤矿瓦斯爆炸的因素的重要性大多是不均等的。其中一些在瓦斯爆炸的影响中起着决定性作用，另一些影响较小，其中在Ag要素层中，瓦斯异常涌出、静电起火和明火起主要作用，瓦斯突出和煤炭自燃是Ag指标层中影响较大的指标；在Ab要素层中，安全管理规定是影响较大的指标，而瓦斯检测不及时是Ab指标层中影响较大的指标。

Table 4. Weight value of early warning index system of coal mine gas explosion based on Ag-Ab model

表4. 基于Ag-Ab模型的煤矿瓦斯爆炸预警指标体系的权重值

目标层	准则层	要素层	权重	指标层	权重
煤矿瓦斯爆炸预警	Ag因素	瓦斯异常涌出 (AgI)	0.1667	气压变化(Ag1)	0.0208
				地质变化(Ag2)	0.0208
				采空区冒顶(Ag3)	0.0417
				违章开采(Ag4)	0.0208
				瓦斯突出(Ag5)	0.0625
		工作面风量不足(AgII)	0.0833	风机配给不足(Ag6)	0.0144
				风筒脱节(Ag7)	0.0144
				通风机漏风(Ag8)	0.0215
				通风机循环风(Ag9)	0.0072
				密闭破损(Ag10)	0.0173
				风门风窗随意开闭(Ag11)	0.0086
		通风系统不合理 (AgIII)	0.0833	串联通风(Ag12)	0.0278
				共用进回风巷(Ag13)	0.0185
				意外贯通(Ag14)	0.0185
				风门风窗设置不合理(Ag15)	0.0093
				井下随意密闭(Ag16)	0.0093
		风机停风 (AgIV)	0.0833	停电(Ag17)	0.0278
				风机故障(Ag18)	0.0278
				风机随意停开(Ag19)	0.0278
		静电起火 (AgV)	0.1667
		摩擦起火 (AgVI)	0.0833	摩擦碰撞(Ag20)	0.0104
				岩石碰撞(Ag21)	0.0313
				割煤碰撞花火(Ag22)	0.0208
				顶板垮落碰撞(Ag23)	0.0208
		电火花 (AgVII)	0.0833	电器短路(Ag24)	0.0211
				电缆损坏(Ag25)	0.0155
				设备失爆(Ag26)	0.0086
				电机车火花(Ag27)	0.0070
				带电检修(Ag28)	0.0078
				携带非防爆设备(Ag29)	0.0078
				线头裸露(Ag30)	0.0155
		爆破火花 (AgVIII)	0.0833	未落实一炮三检(Ag31)	0.0139
				炸药不合格(Ag32)	0.0070
				电雷管不合格(Ag33)	0.0070
				封泥不足(Ag34)	0.0070
				抵抗线不足(Ag35)	0.0070
				放明炮糊炮(Ag36)	0.0139
				放炮器失爆(Ag37)	0.0209
				未落实三人连锁(Ag38)	0.0066
		明火 (AgIX)	0.1667	煤炭自燃(Ag39)	0.0625
				井下气焊无安全措施(Ag40)	0.0417
				井下吸烟(Ag41)	0.0417
				防灭火实施不到位(Ag42)	0.0208
煤矿瓦斯爆炸预警	Ab因素	安全管理规定 (AbI)	0.3750	瓦斯检测不及时(Ab1)	0.1426
				安全管理制度不完善(Ab2)	0.0475
				设备日常检查与检修(Ab3)	0.0898
				安全生产责任制落实不到位(Ab4)	0.0475
				安全技术管理人员的配备(Ab5)	0.0475
		安全教育培训 (AbII)	0.2500	特种作业人员培训(Ab6)	0.0455
				日常安全教育(Ab7)	0.0455
				安全检查与事故隐患(Ab8)	0.0227
				法律法规、规章制度教育(Ab9)	0.0227
				教育培训计划与实施(Ab10)	0.0455
				作业人员安全意识(Ab11)	0.0682
		应急救援能力 (AbIII)	0.2500	应急资源(Ab12)	0.0938
				应急救援预案(Ab13)	0.0625
				应急救援计划(Ab14)	0.0625
				应急救援演练(Ab15)	0.0313
		事故预防投入 (AbIV)	0.1250	安全投入(Ab16)	0.0625
				环保投入(Ab17)	0.0417
				公共服务设施投入(Ab18)	0.0208

3.3. 指标权重结果与分析

本文采用AHP方法进行了计算和处理，得到了上层单一准则下各指标的权重。通过逐层乘法的方法，计算出目标层中各指标的复合权重值。根据表4中各指标复合权重值得出图2~6。

Figure 2. The weight of each index of Ag element layer

图2. Ag要素层各指标的权重

从图2中可以看出，影响煤矿瓦斯爆炸中的Ag要素层排序为静电起火 = 明火 = 瓦斯异常涌出 > 工作面风量不足 = 通风系统不合理 = 风机停风 = 摩擦起火 = 电火花 = 爆破火花，其中静电起火、明火和瓦斯异常涌出占比最大。由于矿井生产的环境特殊性，井下氧气含量通常都超过12%，所以氧气浓度基本上能够满足。对此对氧气不作过多的阐述。故为预防瓦斯爆炸事故的发生，需要把工作重点放在对火源的管理，尤其是静电起火和明火，必须严格控制井下明火，加强相关管理措施。同时还要防止火源与瓦斯积聚在同时同地点出现，严格执行动火的相关规定，消除可能引发瓦斯爆炸的火源，从而控制瓦斯爆炸事故的发生。

Figure 3. The weight of each index of Ag gas accumulation index layer

图3. Ag部分瓦斯积聚指标层各指标的权重

Figure 4. The weight of each index of Ag partial ignition source index layer

图4. Ag部分点火源指标层各指标的权重

图3的指标是对图2中要素层Ag瓦斯积聚指标层的进一步分解。从图3中可以看出，影响煤矿瓦斯爆炸较为重要的瓦斯积聚部分因素是Ag3 (采空区冒顶)、Ag5 (瓦斯突出)、Ag12 (串联通风)等。通过对各个指标值进行排序，可以发现瓦斯突出指标的权重值较高。这表明煤矿企业需要加强相关工作，预测瓦斯突出危险性，对突出矿井进行地质探查，并且煤矿企业需定期召开地质分析会议，研究解析地质情况，对地质构造复杂的地方划分危险区域，以提高安全性，有针对性地采取瓦斯治理措施，确保煤矿生产安全和稳定。

图4的指标是对图2中要素层Ag点火源指标层的进一步分解。从图4可以看出，影响煤矿瓦斯爆炸较为重要的点火源部分因素是Ag21 (岩石碰撞)、Ag39 (煤炭自燃)、Ag40 (井下气焊无安全措施)、Ag41 (井下吸烟)等。瓦斯爆炸的第二个关键条件是点火源的存在，通过权重计算得出煤炭自燃在点火源中的权重为0.0625，意味着煤矿企业需要更加重视煤炭自燃方面的工作，为预防这种情况的发生，需要加强煤堆的测温监督，并改善测温手段，此外要定期对煤场进行彻底清理，避免长期不动的局部存煤和长时间存煤发热自燃现象发生，造成煤矿瓦斯爆炸，从而降低对煤矿企业的潜在风险。

Figure 5. The weight of each element in Ab element layer

图5. Ab要素层各要素的权重

Figure 6. The weight of each index of Ab part index layer

图6. Ab部分指标层各指标的权重

从图5中可以看出，影响煤矿瓦斯爆炸的Ab要素层排序为安全管理规定 > 安全教育培训 = 应急救援能力 > 事故预防投入，其中安全管理规定占据重要位置，煤矿应重视安全管理规定，加强管理，严格遵守各项规定，通过制定科学的安全生产规章制度和操作规程，提供安全防护设备和培训，加强技术管理，建立健全安全管理制度，同时建立事故预防和应急救援体系等措施，从本质上防止和减少煤矿瓦斯爆炸事故的发生，降低事故发生的概率和后果。

图6的指标是对图5中要素层Ab的进一步分解。从图6中可以看出，影响煤矿瓦斯爆炸较为重要的Ab部分因素是Ab1 (瓦斯检测不及时)、Ab3 (设备日常检查与检修)、Ab12 (应急资源)等。其中瓦斯检测不及时的权重为0.1426，占比最大，因此煤矿企业应重视对瓦斯浓度的实时监测，建立健全煤矿安全监测监控系统，保证系统内所有功能正常使用，保持瓦斯监控系统准确、可靠。在瓦斯浓度超限时，能够及时有效地断电，有效地预防瓦斯爆炸事故，确保生产安全。

4. 结论

1) 基于免疫机制，对瓦斯爆炸事故的预警分析发现，煤矿瓦斯爆炸事故预警与生物免疫机制中消除抗原和抵抗疾病的机制一致，两者之间存在一定的耦合性。煤矿瓦斯爆炸预警也需要采取类似的策略。同时表明，将免疫机制引入煤矿瓦斯爆炸风险防控是可行的，为瓦斯爆炸预警分析提供一种相对简单的方法。

2) 通过结合免疫机理的危险识别机制和煤矿瓦斯爆炸影响因素，建立了Ag-Ab模型的煤矿瓦斯爆炸预警指标体系。该体系包括42个Ag指标和18个Ab指标。Ag指标反映了煤矿安全生产中瓦斯爆炸的影响因素，如瓦斯异常涌出、工作面风量不足、明火等；而Ab指标则代表了煤矿安全生产中采取的法律法规、管理措施、应急救援等对策。

3) 各指标权重结果发现，在Ag要素层中，影响较大的指标有瓦斯异常涌出、静电起火和明火；而在Ag指标层中，采空区冒顶、瓦斯突出、煤炭自燃这几个因素对瓦斯爆炸影响较大；在Ab要素层中，安全管理规定是影响较大的指标，而在Ab指标层中，瓦斯检测不及时是影响较大的指标。通过计算这些指标的权重，了解主要因素可以提高对敏感因素的检测，警惕易忽视的影响因素，防范潜在风险，提高煤矿安全生产水平。

4) 本文将免疫机理引入煤矿瓦斯爆炸预警研究中，其亮点是借鉴生物免疫系统的原理，通过结合抗体与抗原之间的相互作用机制，将其应用到煤矿瓦斯爆炸预警研究中，以构建煤矿瓦斯爆炸预警指标体系，有助于煤矿瓦斯爆炸预警及应急处理，为完善煤矿瓦斯爆炸预警体系提供一定的参考价值。

5) 本文仅选取对煤矿瓦斯爆炸影响因素较大的部分进行研究，但由于风险指标之间相对程度判定关系复杂，目前的研究可能无法完全准确、真实地反映实际情况，为了使该模型更加完善、精准，还需对影响瓦斯爆炸的各种风险因素进行更加深入地探究，从多个方面进行研究与探索，以进一步提高指标间的判定精度。

基金项目

国家自然科学基金项目“矿井多爆源瓦斯爆炸传播特性及热冲击动力学机制研究”(编号：52174178)、“矿井瓦斯爆炸能量释放转化特性及热冲击能量耗损研究”(编号：52174177)。