★山西信息產業技術研究院有限公司汪碧玉，郭亮亮

關鍵詞：雙重預防；多源數據融合；動態風險評估；隱患智能預測；安全生產

2023年12月，第十四屆全國人大常委會發布的《關于檢查〈中華人民共和國安全生產法〉實施情況的報告》明確指出，雙重預防機制沒有真正浸入企業生產經營、標準化建設全過程，安全管理制度和實際運行“兩張皮”。落實這項重要制度還存在很多問題，安全生產治理模式還沒有完全實現向事前預防轉變^[1]。這一問題在能源大省山西尤為突出：2023年全省礦山事故死亡人數達198人，其中煤礦事故占比超80%^[2]；2024年初，太原、呂梁等地又連續發生多起煤礦傷亡事故，暴露出企業主體責任落實不到位、風險動態管控失效等深層次矛盾。山西省產業結構特殊，煤礦安全生產面臨雙重壓力：在機制層面，傳統雙重預防機制依賴人工排查，風險分級粗放、隱患治理閉環難，導致“重臺賬、輕實效”；在責任層面，企業主體責任履責缺乏量化評估手段，政府監管難以精準識別“關鍵風險主體”。因此，構建集風險隱患態勢可視化、分級管控、智能研判和協同管理于一體的智能化雙重預防監管平臺勢在必行。

1　智能化雙重預防監管平臺架構設計

1.1　平臺總體架構

結合山西省某煤礦的實際情況，本平臺采用“端邊-云”協同架構，實現風險實時感知-邊緣智能處置-云端決策優化的閉環管理。平臺具體架構如圖1所示。

圖1 總體架構圖

（1）基礎設施層（IaaS層）

在云端通過混合云模式部署分布式資源池，私有云保障核心數據主權，行業云實現跨企業協同，依托Ceph分布式存儲與Kubernetes容器化編排，高效處理海量安全監測數據；在邊緣側部署礦用本安型邊緣服務器形成井下計算節點，實現瓦斯超限判斷、視頻流分析等本地化處理。

（2）感知層（端側）

感知數據采集系統基于多源物聯網技術架構構建，硬件層面通過物聯網設備（傳感器、攝像頭、RFID等）實時采集風險數據，驗證人員信息采用基于深度學習的多模態生物特征識別算法，并引入區塊鏈技術實現數據防篡改存證，保證采集數據真實完整。大量感知數據通過4G專網與藍牙5.0組成的異構網絡傳輸至云端服務器，服務器端采用目標檢測算法和基于LSTM的風險評估模型，通過數據可視化引擎生成動態風險熱力圖。系統根據風險評估結果自動觸發分級預警機制，預警信息精準推送至相關責任人，實現隱患治理的閉環管理和安全生產責任的逐級落實。

（3）平臺層（PaaS層）

本平臺基于Java語言構建微服務系統，利用其“一次編寫、到處運行”的特性實現Windows/Linux/Android/iOS多平臺支持。服務端采用Spring Boot3.0框架集成Tomcat 10.0應用服務器，結合MySQL 8.0數據庫實現ACID事務保障，通過分庫分表策略支撐每秒5000+的并發查詢請求。采用微服務架構模式，通過API網關和服務網格技術實現了跨系統服務協同，打破了數據孤島，實現了多終端訪問。

（4）應用層（SaaS層）

本平臺依托數據中心支撐能力與數字化技術底座，實現了多業務系統的協同集成與智能應用。本平臺主要包含以下核心功能模塊：安全監測系統、人員定位系統、工業視頻系統、雙重預防系統等相關內容。同時，本平臺還支持用戶在移動端、PC端以及專用大屏隨時隨地進行管理。

1.2　關鍵技術

1.2.1　多源異構數據融合技術

針對雙重預防場景中數據來源廣泛、格式標準不一及實時性需求，本平臺采用多源異構數據融合技術，通過動態時間規整（DTW）算法對齊不同采樣頻率的時序數據，基于GeoHash編碼實現離散定位數據的空間網格化映射^[3]，并構建安全生產領域本體庫，結合BERT+BiLSTM模型從文本報告中提取標準化實體，設計級聯交叉模態融合網絡融合多源數據，最終完成多源數據的統一融合處理。

1.2.2　動態風險評估模型

本平臺提出了一種“數據驅動+知識引導”的混合動態風險評估方法，如圖2所示，通過改進傳統LEC（作業條件危險性評價）法的靜態評估局限，創新性地引入貝葉斯網絡（Bayesian Network，BN）構建了不確定性推理框架^[4]。該方法深度融合實時監測數據與領域先驗知識，采用自適應權重調整算法動態優化風險評估參數，實現了三重技術突破：（1）基于概率圖模型的風險演化推理，解決傳統方法對不確定性因素處理的不足；（2）通過數據-知識雙驅動機制，確保評估結果既符合客觀監測數據又遵循安全規范；（3）創新設計的動態權重調節策略，有效平衡多源異構數據的可信度差異。實驗表明，該方法在風險評估實時性、準確性和可解釋性三個維度均顯著優于傳統靜態評估模型。

圖2風險模型框架圖

1.2.3　隱患智能預測技術

本平臺通過構建LSTM-Attention時序預測模型處理傳感器時序數據^[5]，并引入動態閾值調整機制實現設備運行階段自適應的報警策略。該方法采用跨模態注意力機制實現數值監測數據與圖像特征的深度關聯建模，同時基于因果發現模型（PC算法）構建故障傳播圖譜，結合因果推理技術進行隱患根因分析^[6]，形成了“數據表征-時序預測-因果溯源”的完整技術鏈條。該方法有效突破了傳統經驗驅動型預測的局限性，實現了“數據+知識”雙驅動的智能化隱患預測，在預測準確率、預警提前量和根因定位精度等關鍵指標上均顯著優于現有方法，為工業安全管理的智能化決策提供了可靠的技術支撐。

1.3　系統功能設計

（1）安全總覽模塊。綜合展示企業當前雙重預防機制運行情況和安全生產整體態勢，可在線查看企業工業視頻、安全監測監控和人員位置監測系統實時數據；基于風險預警指標規則，智能分析生產現場感知數據，分類統計風險監測預警信息，實現風險預警、處置全流程監控。

（2）風險預警模塊。以企業風險點為基礎單元，將風險點的各種關聯數據（如安全監測監控、人員位置監測、工業視頻等系統）進行整合，將風險點現場情況可視化，形成作業地點安全畫像，實現各類災害風險實時監測、動態預警，并以聲光報警形式提示異常信息。

（3）多維分析模塊。實現企業安全相關數據的多維分析，包括管理數據分析、人員安全分析、環境安全分析和子系統聯網情況分析等方面，并從中發現安全管理規律和知識經驗，為管理人員安全決策提供數據支撐。

（4）風險管控模塊。實現安全風險線上辨識、風險清單動態更新、風險管控批量配置、安全風險智能管控、重大風險跟蹤落實等功能。基于人員位置監測數據和移動互聯網技術，系統自動向檢查人員移動端APP推送所在地點的風險數據，檢查人員對單確認風險管控措施是否落實、是否存在隱患，實現風險分級管控和隱患排查治理“一體化”管理，風險、隱患數據“強關聯”。

（5）隱患排查模塊。實現隱患錄入、整改、督辦、驗收全流程閉環管理。其設計有安全指標統計模塊，督促各級人員完成每月風險管控、隱患排查、反“三違”指標。系統內置隱患、“三違”界定標準，為隱患排查、反“三違”提供了判定依據，提高了隱患、“三違”數據錄入質量，促進了隱患排查治理和反“三違”工作標準化、規范化開展。

（6）輔助功能模塊。系統還包括雙防文檔管理、領導帶班、指標算法管理、企業基本信息管理、升級日志管理等輔助功能。

2　應用成效

本平臺通過信息化、智能化手段，實現風險“預報-預警-預控”的閉環管理，形成“全員參與、分級管控、智能聯動”的高效管理模式，確保動態風險從變化發現到科學處置的全流程可控。其主要成效包括三個方面，如圖3所示。

圖3智能化雙重預防監管平臺

（1）風險隱患一體化防控。通過實時采集現場感知數據，依托風險預警指標體系及算法模型輸出預警結果，反饋各類風險發展趨勢和特定災害場景預兆。按照預警級別分級分類通知不同崗位人員，實現響應處置，并自動轉換為隱患信息，推送至責任單位進行閉環整改，從而實現風險分級管控和隱患排查治理的“強關聯”和“一體化”，幫助企業推進雙重預防機制體系和治理能力現代化。

（2）風險隱患智能精準識別。內置風險基礎庫、隱患判定標準庫和“三違”界定標準庫，指導企業規范開展風險辨識評估、隱患排查和“三違”查糾，為企業安全管理流程化、標準化運行奠定基礎。

（3）雙重預防一體化智能防控。“分層級、分專業、分區域”劃分各級人員風險管控職責，實施安全風險差異化動態管理，督促企業落實安全生產主體責任，提高各級人員雙重預防履責意識，有助于解決企業對雙重預防機制認識不到位、缺乏主動性的問題。同時采用智能化技術將雙防機制建設“由人主導”向“人工+機器智能”轉變，促進風險管控智能化、安全監管數字化轉型，提高雙重預防建設成效，提升企業安全管理水平。

3　結論

本平臺將企業雙重預防機制工作流程與智能化技術相結合，全面采集企業安全管理數據、安全相關子系統感知數據，利用信息化、大數據、物聯網等技術手段，建立了具有系統集成、數據采集、綜合分析、動態評判、實時預警、智能管控等功能于一體的智能化雙重預防監管平臺。該平臺通過數據分析和智能算法，為風險管控提供了科學依據，并輔助企業與監察部門高效決策，打通了企業、屬地監察部門、省級監察部門之間的信息通道，實現了數據共享與協同管理，確保了信息快速傳遞、問題及時解決，形成了高效協同的監察體系。該平臺突破了安全管理工作長期以來依賴人工的局限性，實現了生產現場安全風險實時監控、智能分析、應急響應和超前管控，構建了智能化安全管理模式，并將企業安全管理工作提升到“人工+機器智能”發展階段，以新安全格局保障了企業高質量發展。

作者簡介：

汪碧玉（1994-），女，山西忻州人，助理工程師，碩士，現就職于山西信息產業技術研究院有限公司，主要從事計算機信息化方面的研究。

郭亮亮（1981-），男，正高級工程師，碩士，現就職于山西信息產業技術研究院有限公司，研究方向為自動化控制、智慧礦山、工業互聯網等。

參考文獻：

[1]第十四屆全國人大常委會第七次會議.關于檢查《中華人民共和國安全生產法》實施情況的報告[R].2023-12.

[2]山西省應急管理廳.山西省煤礦安全事故年度報告[R].2023.

[3]馮成.多源異構數據融合關鍵技術研究[D].北京:北京郵電大學,2021.

[4]廖天穎,楊斯博,竇潤亮.基于貝葉斯網絡的大數據安全動態風險評估模型研究[J].網絡空間安全,2023,(1):60-68.

[5]唐宇峰,陳星紅,蔡宇,等.基于時序分解和SSA-LSTM-Attention模型的尾礦壩位移預測[J].科學技術與工程,2023,23(29):12753-12759.

[6]江濱.強人工智能中的因果推理研究[D].武漢:湖北大學,2020.

摘自《自動化博覽》2025年9月刊