0 引 言
随着煤矿开采力度的不断加大，发生在煤矿领域的灾害事故也逐渐增多，虽然近十年煤矿安全管理能力不断提高，煤矿灾害事故率明显降低，但是煤矿安全形势总体依然严峻[1-2]。对比各类矿山事故发生的致死率，瓦斯事故是煤矿生产中危害最大、死亡比例最高的重大事故之一，有效控制瓦斯事故的发生对于我国煤矿安全生产具有举足轻重的作用[3]。
为了实现瓦斯事故预警与防治,有很多学者做出了研究。杨振东等[4]研究并开发了一套煤矿瓦斯爆炸动态预警系统，通过设计感知层、传输层和应用层三层结构，初步具备了瓦斯爆炸危险性动态预警等功能。史建军等[5]基于案例推理技术，使用Django框架对瓦斯进行实时监控，当安全预警大于阈值就进行报警，同时给出相应的解决方案。高明明等[6]研究了煤与瓦斯突出事故致灾机理，同时根据瓦斯突出因素风险评价标准，建立一套合理的预警评价体系，并构建了一个有效的煤与瓦斯突出预警系统。通过对上述文献分析得知，目前研究的瓦斯事故预警方法或系统可在一定程度上发挥作用，但普遍缺乏动态信息实时共享，大多只有单纯的预警功能，没有实现事故信息及知识的共享互通，导致资源的浪费及预警准确度不高。另一方面，现实矿井的条件复杂多变，瓦斯事故的发生在满足致灾因素组合的前提下，还必须满足各致灾因素的时间和空间“共存约束”，而绝大部分研究都没有考虑此问题，譬如瓦斯爆炸发生的3个基本要素：氧气浓度、瓦斯浓度及引爆火源，只有当这3个基本事件都发生并且发生在同一个时间和空间范围内，瓦斯爆炸才会发生[7]。
针对目前研究的不足，迫切需要一种新理论和新方法以切实提高瓦斯灾害智能化预警水平。本体，作为一种统一的、规范化的知识表示形式，能够解决数据集成中的异构问题，提高信息互操作性，实现领域知识的语义共享与重用[8-12]。在相关文献研究和试验基础上，笔者提出一种基于时空约束的瓦斯事故预警本体知识库构建及预警推理方法，该方法基于OWL本体、时空约束、瓦斯事故树、Jena推理等理论方法，构建时空约束的瓦斯事故知识库，初步实现基于知识逻辑层面的瓦斯事故预警，对提高煤矿瓦斯灾害智能化预警水平有一定启示作用。
笔者的具体工作主要包含以下3点：①基于OWL，将本体与事故树分析法相结合，构建瓦斯事故知识库。②结合矿井时空特性与瓦斯事故发生的内在联系，构建时空知识库，实现时空约束下的瓦斯事故发生的知识逻辑。③设计Jena推理规则，实现从根源危险源到基本事件的推理，并融入时空规则约束，实现基于时空事故树分析法的瓦斯事故发生概率预测。
1 瓦斯事故本体知识库
笔者采用开源本体构建工具，构建时空约束下的瓦斯事故预警知识库，主要包含瓦斯事故逻辑本体知识库、时空本体知识库、用于推理的本体实例3个部分内容。瓦斯事故逻辑本体库描述瓦斯事故领域知识模型，包括概念、概念与概念之间关系以及属性；时空本体知识库用时空条件来约束本体库中的知识模型；本体实例则是依据构建的瓦斯事故本体知识库，对瓦斯事故实例进行规范化的本体描述。本节主要阐述瓦斯事故逻辑本体知识库的设计。
1.1 事故树分析法
事故树分析法来源于安全科学与工程学科，是一种寻找可能或已经发生的事故相关原因，并据此采取有效事故防范措施的重要分析方法[13]。事故树把事故顶上事件与引起顶上事件的原因事件(基本事件+中间事件)，采用规定的符号，按照一定规则的逻辑关系，连接起来并绘制成不含回路的连接图[14-15]。通过煤矿安全知识得知，瓦斯事故的发生是多种危险源的综合作用结果，对于瓦斯事故危险源的辨识，笔者采用事故树分析法进行分析[16-18]。以瓦斯突出事故为例，根据现场数据分析，通过事故树分析法把导致事故发生的各种原因用逻辑符号连接起来，建立如图1的瓦斯突出事故树模型，矩形符号代表顶上或中间事件，圆形符号代表基本事件。该模型将不希望发生的事故(顶上事件)作为分析的目标，逐层推溯可能导致事故发生的原因(中间事件)，直到原因事件不能再分(基本事件)[19]。接着，通过“与”门或者“或”门将“事件”与其“原因”连接。容易得知，“与”门连接的顶上事件发生概率为：
或”门连接的顶上事件发生概率为：
式中qi为第i个基本事件的发生概率(i=1,2,…,n)[19]。煤与瓦斯突出事故树模型(图1)将作为本文知识库构建及推理计算的基础。
1.2 本体知识库设计
将图1的瓦斯事故树模型进行本体的形式化描述，构建瓦斯事故本体库。笔者设计的瓦斯事故本体库主要以瓦斯事故为研究对象，通过OWL本体、瓦斯事故树等理论方法，主要构建了瓦斯事故、根源危险源和逻辑门等分类。其中，瓦斯事故类又包括5个子类：瓦斯爆炸事故树、瓦斯窒息事故树、瓦斯突出事故树、瓦斯超限事故树、瓦斯燃烧事故树；逻辑门(LogicGate)类包括与门(AndGate)和或门(OrGate)；根源危险源(RootDangerSource)类包括造成不安全因素的4个子类：物(Object)，人(Person)，组织(Organization)和系统(System)。
图1 煤与瓦斯突出事故树
Fig.1 Fault tree of coal and gas outburst
为了清晰直观地了解瓦斯事故的层级结构，瓦斯事故类将瓦斯事故树的顶上事件(TopEvent)、中间事件(MiddleEvent)及基本事件(BasicEvent)按照层级顺序自上而下进行了归类设计，例如瓦斯突出事故，将顶上事件放置在瓦斯突出事故树下面,中间事件放置在顶上事件下面，基本事件则放置在相应的中间事件下。将所有瓦斯灾害事故树中的顶上事件、中间事件及基本事件作为子类添加到瓦斯事故类中，形成如图2所示的瓦斯事故树结构关系。
图2 瓦斯事故树结构
Fig.2 Fault tree structure of gas accident
瓦斯事故类的OWL对象属性(ObjectProperties)有4个，分别为o_hasAndGate、o_hasOrGate、o_beHadAndGate、o_beHadOrGate，其属性在事故树中对应的位置和作用已在图1中标识。o_hasAndGate是描述顶上事件及中间事件的对象属性，表示顶上事件或中间事件可通过o_hasAndGate连接AndGate(与门)类；o_hasOrGate是描述中间事件及顶上事件类的属性，表示中间事件或顶上事件可通过o_hasOrGate连接OrGate(或门)类；o_beHadAndGate是描述AndGate类的属性，表示AndGate通过o_beHadAndGate连接中间事件和基本事件；o_beHadOrGate描述OrGate类的属性，表示OrGate通过o_beHadOrGate连接中间事件和基本事件。瓦斯事故类的OWL数据属性见表1，其中d_eventId和d_gateId分别描述事件和逻辑门标号，具有唯一性。构建的知识库要计算灾害顶上事件发生概率，因此对基本事件定义了d_probability数据属性，描述基本事件的发生概率。
表1 瓦斯事故类OWL数据属性
Table 1 OWL data property of gas accident class
数据属性名称定义域值域类型d_eventIdGasAccidentstringd_gateIdLogicGatestringd_probabilityGasAccidentdecimal
图2中的根源危险源(RootDangerSource)用于存放导致瓦斯事故发生的“根源”危险源，主要包括4个子类：物(Object)，人(Person)，组织(Organization)和系统(System)，如物(Object)的子类有固体(Solid)、液体(Liquid)和气体(Gas)，“气体”中有瓦斯事故涉及到的氧气、供风量等，井下设备基本都属于“固体”，如风机、电缆、放炮器等。根源危险源类也具有不同的数据属性，如气体的浓度值等。根源危险源的数据属性值可通过传感器实时获得，也可以从相关数据库中读取数据。根源危险源的唯一对象属性为o_cause，定义域为根源危险源，值域为基本事件，它表示根源危险源在达到某一危险状态时将导致对应基本事件的发生，具体推理规则参见第3.1节所述。
2 矿井时空知识库
在结合矿井时空特性与瓦斯事故发生的内在联系下，初步构建了矿井时空知识库，可实现时空约束下的瓦斯事故发生的知识逻辑。时空知识库主要包含时间逻辑本体设计和空间逻辑本体设计2个部分。
2.1 时间逻辑本体设计
矿山事故的发生是在满足各致灾因素组合的前提下，还必须满足各致灾因素的“时间共存约束”，因此构建时间本体对瓦斯事故语义描述进行时间约束。
笔者将“时间”描述分为时间点(TimePoint)和时间段(Interval)2种类型，它们有共同的属性：时区和时长。对于一个特定的时间，通常既可以用时间点，也可以用时间段进行表示，例如一个具体的“时间点”t，也可以使用[t1,t2]“时间段”进行表示，此时t1=t2=t，但这样混用表示不利于解决比较复杂的时间约束问题,因此笔者分别保留这2种时间类型设置基础上采用点段结合时间表示。矿山事故致因的时间模型主要分为2个部分：时间实体的属性、点段结合的时间表示，如图3所示。
图3 矿山事故致因的时间模型
Fig.3 Time model of cause of coal mine accident
对上述事故致因时间模型进行本体的形式化描述，所涉及的本体概念有4大类：时间实体(TemporalEntity)、时间单元(TimeUnit)、时区(TimeZone)、时长(Duration)，其中时间点(TimePoint)和时间段(Interval)构成了时间实体类。时间本体类关系如图4所示。
图4 时间本体类关系
Fig.4 Relation of time ontology classes
时间本体的数据属性(用以描述事故致因中基本事件的时间属性)见表2，其中定义域数量过多，只列出一部分。基本事件的发生都作为时间段进行处理，dt_hasBeginning表示基本事件开始时间点，定义域为基本事件，值域为时间类型；dt_hasEnd表示基本事件结束时间点，定义域为基本事件，值域为时间类型。
表2 时间本体的数据属性
Table 2 Data property of time ontology
数据属性定义域值域dt_hasBeginningOr_mHighConcentration、…And_mManagersAreAtRiskDateTimedt_hasEndOr_mHighConcentration、…And_mManagersAreAtRiskDateTime
时间本体有2个对象属性(用以描述不同基本事件发生的时间是否有交集)见表3，其中ot_overlaps表示2个基本事件发生时间有交集，并且该属性有Symmetric(对称)特征，即若A、B为基本事件，有三元组A ot_overlaps B，则可推理出三元组B ot_overlaps A。对象属性ot_disjoint表示2个基本事件发生时间没有交集，该属性也具备Symmetric特征。
表3 时间本体的对象属性
Table 3 Object property of time ontology
对象属性定义域值域特征ot_overlapsGasAccidentGasAccidentSymmetric(对称)ot_disjointGasAccidentGasAccidentSymmetric(对称)
对基本事件的“实例”定义时间相关属性，如后文试验中实例Oxygen-1有时间数据属性dt_hasBeginning，值为“2017-0101T00:00:00”，以及dt_hasEnd，值为“2017-0101T00:10:00”。当2个不同基本事件的实例发生时间确定后，可根据第3.2节时间推理规则，判断它们相交与否。
2.2 空间逻辑本体设计
瓦斯事故的发生在满足各致灾因素的时间“共存约束”下，还需满足一定的空间“共存约束”，因此构建空间本体对瓦斯事故语义描述进行空间约束。
矿井下各类人身伤害事故发生的必要条件：危险源与人体在空间上发生了接触[20]。因此要实现事故智能预警，就必须首先获取到各种危险源的空间数据及空间逻辑关系，笔者采用基于对象的空间信息模型实现对矿井危险源空间数据的表示。常见的欧式平面中空间数据类型为：点、线、多边形，对于简单空间对象都可以采用欧式平面直接表示，如火源用点表示，通风管路用线表示，采煤机可采用二维投影的多边形表示。但有些矿井危险源，如井下氧气浓度(达到一定阈值浓度的氧气)、瓦斯浓度(达到一定阈值浓度的瓦斯)等都是不规则三维空间模型，欧式平面很难直接表示，因此需要在二维欧式平面基础上构建三维矢量空间数据模型。笔者构建的三维矢量空间简化数据模型包含点、线、体三种基本元素，基于这3种基本元素来构造各种复杂的矿井危险源对象，基本做法是以起点、终点来限定其边界，以一组型值点(描述曲线或曲面几何形状的数据点)来限定其形状，例如氧气浓度通常遍布整个矿井，可以简化成一个长方体，通过至少“4个点”来表示其形状；火源可以看成1个“点”；通风管道可以看成线，通过“2个点”来表示其形状。理论分析和实践均证明本文构建的三维矢量空间简化数据模型可基本满足矿井危险源的空间表示需求。
基于三维矢量空间简化数据模型进行本体的形式化描述，构建空间逻辑本体。几何体(Geometry)和空间坐标系(SpatialReferenceSystem)是构成该本体的两大组成部分。Geometry类包含3个子类：点(Point)、线(Curve)、体(Cube)。如前文所述，对于一个几何类型为Cube的矿井危险源(基本事件)，空间本体通过开始点(StartPoint)、上点(OnPoint)、后点(BackPoint)和右点(RightPoint)进行本体描述，因此point由上述的4点构成，如图5所示。SpatialReferenceSystem只定义了1个子类：三维坐标系(ThreeDCoordinateSystem)。三维矢量空间简化数据模型的本体描述如图6所示。
图5 基本事件的空间数据模型
Fig.5 Space data model of basic events
图6 三维矢量空间简化数据模型的本体描述
Fig.6 Ontology description of simplified 3D data model
上述空间本体的数据属性有ds_x、ds_y和ds_z，分别表示三维空间坐标系的x轴、y轴和z轴，用于确定坐标点在三维空间位置，定义域为点Point，值域为十进制数decimal。
空间本体的对象属性(部分)见表4，用以描述各种空间逻辑关系。如几何类型为长方体的矿井危险源(基本事件)有4个对象属性os_hasStartPoint、os_hasOnPoint、os_hasBackPoint、os_hasRightPoint，值域分别为StartPoint、OnPoint、BackPoint和RightPoint。而且这4个属性都有Functional(函数性)特性(OWL约束)，即每个属性对任何定义域对象，其值域有且仅有1个值，也即长方体只能有确定的1个开始点、1个上点、1个后点和1个右点。
表4 空间本体对象属性(部分)
Table 4 Object property of space ontology(partial)
对象属性定义域值域特征os_hasStartPointCubeStartPointFunctionalos_hasOnPointCubeOnPointFunctionalos_hasBackPointCubeBackPointFunctionalos_hasRightPointCubeRightPointFunctional
对矿山危险源(基本事件)的实例进行空间描述，如几何类型为长方体的实例Oxygen-1(氧气浓度超标)被4个对象属性os_hasStartPoint、os_hasOnPoint、os_hasBackPoint、os_hasRightPoint连接各个点的实例，这些实例又被ds_x、ds_y和ds_z确定在三维坐标系中的坐标值，从而可确定实例Oxygen-1(氧气浓度超标)具体的空间特性数据。当基本事件实例的空间特性被确定，可通过第3.3节设计的空间规则来推理出相互位置关系。
3 瓦斯事故预警推理规则
基于时空约束的瓦斯事故预警知识库构建完成后，将基于此构建瓦斯事故预警推理规则，以推理出潜在的瓦斯事故发生概率。
3.1 “根源危险源
基本事件”推理规则设计
本体知识库本质上属于数据层，用来描述具体已知资源，但是对于一些隐含知识却难以直接表达，因此需设计推理规则(本文使用Jena推理机)对本体数据进行规则推理，以获得隐含知识，使本体更具实际应用价值[21]。首先根据相关煤矿教材设计“矿山危险源→基本事件”的Jena推理规则并形成规则集，而后通过对实例数据应用规则集，实现从根源危险源到基本事件发生概率的推理，接着将相应的基本事件发生概率值保存在指定数组中，以便后续计算实例中的煤矿灾害顶上事件发生概率时调用。矿山危险源→基本事件推理部分Jena规则设计如下：
1)Rule1:(oxy_O2-1 d_densitz ?data)greaterThan(?data 0.12)→(oxy_O2-1 o_cause ge_Oxygen-1)。
2)Rule2:(PowerGrid-1d_whetherPowerFailure ?data)equal(?data yes)→(PoweGrid-1 o_cause ge_PowerOutage-1)。
Rule1：oxy_O2-1是根源危险源O2(氧气)的一个实例，ge_Oxygen-1是基本事件氧气浓度超标的一个实例，Rule1表示如果oxy_O2-1的浓度大于0.12，则推理出ge_Oxygen-1。
Rule2：PowerGrid-1是根源危险源电网(PowerGrid)的一个实例，ge_PowerOutage-1是基本事件电网停电(ge_PowerOutage)的一个实例，Rule2表示如果PowerGrid-1停止供电，则推出ge_PowerOutage-1。
3.2 时间推理规则设计
时间推理规则是通过对显性时间关系进行推理，得到所需的隐性时间关系。在上文时间表示的本体设计基础上，根据时间实体的层次关系，设计一种时间顺序逻辑的本体表示。传统的时间点逻辑关系用Before、Equals、After表示，时间段用Before、Meets、Starts、During、Finishes、Overlaps等13种方式表示。由于本文目的在于判断不同的矿山事故致灾基本事件是否满足时间重合，因此可简化、合并时间逻辑关系表达见表5。
表5 简化时间逻辑关系(部分)
Table 5 Simplified time logic relation(partial)
序号原有时间逻辑关系简化后的时间逻辑关系1Start(t1,t2)2Before(t1,t2)Disjoint(t1,t2)3After(t1,t2)4During(t1,t2)5Contains(t1,t2)Overlaps(t1,t2)6Overlaps(t1,t2)
根据上述逻辑关系，已知2个基本事件的时间表示r(t1,t2)及r(t3,t4)，可推理2个基本事件之间的时序关系。例如瓦斯浓度超标的时间表示为r(t1,t2)，引爆火源的时间表示为r(t3,t4)，已知before(t1,t3)，after(t4,t2)，则推导出2个基本事件之间的关系为Overlaps，其中t1、t3表示开始时间，t2、t4表示结束时间。2个基本事件之间的各种时间关系组合结果见表6。
表6 2个基本事件的时间关系组合
Table 6 Combination of time relations of two basic events
序号(t1,t3)(t2,t4)(t1,t4)(t2,t3)事件关系关系1bbbbdisjoint关系2sabbb[ø]关系3bsabb[ø]关系4sasabb[ø]关系5bbsab[ø]关系6bbbsaoverlaps关系7bbsasa[ø]关系8bsabaoverlaps关系9aaaadisjoint关系10ssbsasoverlaps
根据上述组合关系制定时间约束的推理规则，因编写格式及意义类似，此处只展示一个推理规则示例如下:
Rule1:(ge_Oxygen-1dt_hasBeginning ?t_b_1)(ge_Oxygen-1 dt_hasEnd ?t_e_1)(ge_PowerOutage-1 dt_hasBeginning ?t_b_2)(ge_PowerOutage-1 dt_hasEnd ?t_e_2)lessThan(?t_b_2 ?t_e_1)lessThan(?t_b_1 ?t_e_2)->(ge_Oxygen-1 ot_overlaps ge_PowerOutage-1)。
Rule1：如果ge_PowerOutage-1(电网停电)的dt_hasBeginning值小于ge_Oxygen-1(氧气浓度超标)的dt_hasEnd，并且ge_Oxygen-1(氧气浓度超标)的dt_hasBeginning值小于ge_PowerOutage-1(电网停电)的dt_hasEnd，满足组合表中的关系6，则推出基本事件ge_PowerOutage-1(电网停电)与基本事件ge_Oxygen-1(氧气浓度超标)的发生时间有交集。
3.3 空间推理规则设计
空间推理规则是通过对已知空间数据关系进行推理，得到所需矿山危险源(基本事件)之间的空间逻辑关系。在上文空间表示本体设计基础上，本节主要进行空间逻辑关系推理规则的设计。
空间实体的逻辑关系主要有拓扑关系、方向关系、度量关系3种类型[22]。其中，拓扑关系主要描述的是几何图形之间的关联、邻接和相互关系；方向关系又称方位关系、延伸关系，主要描述对象之间的方位关系；度量关系主要描述几何图形中点、线、面相互之间的距离。由于本文的目的在于判断不同矿井危险源(基本事件)是否具有空间交集，因此决定采用拓扑和方向关系相结合的空间逻辑判断关系。
空间拓扑关系一般包含相离、相交、重叠等8种关系，使用这8种类型及其组合可以表示整个空间对象及其关系。根据本设计的实际需求，对这8种类型进行简化合并，结果见表7(部分)。
表7 简化空间拓扑关系(部分)
Table 7 Simplified spatial topology relations(partial)
原拓扑关系形式化定义合并后的空间逻辑关系disjointp∩a=ødisjointwithinp∩a=p∧(I(p)∩E(a))=øl1∩l2=l1∧(I(l1)∩E(l2))=øwithinequalsp1∈p2∧p2∈p1containsa∩p=p∧((E(a)∩I(p))=øa1∩a2=a2∧E(a1)∩I(a2))=øcrossesI(l1)∩I(l2)≠ø∧(l1∩l2)≠l1∧(l1∩l2)≠l2overlaps(dim(I(l1))=dim(I(l2))=dim(I(l1)∩I(l2)))∧(l1∩l2≠l1)∧(l1∩l2≠l2)overlaps
空间方向关系是通过设计“单十字”模型，描述点结构的空间相对关系，其中相对方向关系为左点、右点、前点、后点，简称为L、R、F、D，由此定义了推理规则如下：
定义：假设X、Y是2个基本事件event1、event2的空间对象表示，R是相对方向关系的完备集，则空间推理规则的基本模式为从已知对象关系R1(X,Y)，推理出基本事件之间的空间拓扑关系：
R1(X,Y)→Q1(event1,event2)
其中：R1∈R，Q1∈Q，Q为空间拓扑关系完备集；R1(X,Y)为推理的前提；Q1(event1,event2)为推理的结论。
在不影响分析问题的前提下，几何体都简化采用4个点进行空间表示，因此几何点与几何体、几何体与几何体之间的拓扑关系推理，最终都是通过几何点和几何点之间相对方向关系推理得到，而后将推理出的拓扑关系构建为一个组合表，通过查表便可以完成基本的空间逻辑关系推理。表8列出了组合表(部分)，其中p1为参考点，s、b、r、o分别为几何体的4个点。
表8 几何点和几何体的空间关系组合(部分)
Table 8 Combination of spatial relations for point and geometry(partial)
序号(p1,s)(p1,b)(p1,r)(p1,o)事件关系关系1LFLFDDDdisjoint关系2RFRLFDDLFwithin关系3RDRDFdisjoint关系4DDLFdisjoint
几何体与几何体的空间关系推理与上述类似，在此不再赘述。根据上述的推理规则制定Jena空间关系推理规则集(部分)如下所示:
Rule1:(ge_Oxygen-1os_hasStartPoint ?S2)(?S2 d_x ?S2d_x)(ge_PowerOutage-1 os_hasStartPoint ?S1)(?S1 d_x ?S1d_x)lessThan(?S1d_x ?S2d_x).....->(ge_Oxygen-1 os_overlaps ge_PowerOutage-1)
Rule1：如果满足ge_Oxygen-1(氧气浓度超标)的StartPoint(开始点)的坐标点与ge_PowerOutage-1(电网停电)的StartPoint(开始点)坐标点关系为R(s_o,s_p)；ge_Oxygen-1(氧气浓度超标)的StartPoint(开始点)坐标点与ge_PowerOutage-1(电网停电)的BackPoint(后点)坐标点关系为F(s_o,b_p)；ge_Oxygen-1(氧气浓度超标)的StartPoint(开始点)坐标点与ge_PowerOutage-1(电网停电)的RightPoint(右点)坐标点关系为L(s_o,r_p)；ge_Oxygen-1(氧气浓度超标)的StartPoint(开始点)坐标点与ge_PowerOutage-1(电网停电)的OnPoint(上点)坐标点关系为B(s_o,o_p)，满足上表构建的推理组合表，则推出基本事件ge_PowerOutage-1与基本事件ge_Oxygen-1空间有交集。
3.4 推理计算
推理计算的目的在于运用上述推理规则，推理出最终矿山灾害事故(顶上事件)的发生概率。本文瓦斯事故的本体描述由瓦斯事故树构成，后者是由与或门连接致灾事件(基本事件或中间事件)构成的层级结构，因此在推理计算过程中，需要逐层查询“与”“或”门和致灾事件逻辑关系，同时通过时空推理规则判断致灾事件之间是否满足时空约束，若满足则最终实现顶上事件发生概率的计算及确定事故等级，为后续事故调查、应急响应及善后处理等工作打下基础。瓦斯事故推理计算模块流程如图7所示。
图7 瓦斯事故推理计算模块流程
Fig.7 Flow of gas accident inference
4 试验设计与分析
4.1 试验数据
基于本体的推理计算必须基于本体实例进行，本试验所用数据集为煤矿事故知识库中的实例库。实例库中数据由煤矿真实数据及部分试验构造数据(因本文用到的部分井下数据很难实际获取)组成，其内容为瓦斯事故树中各致灾事件(基本事件或中间事件)及顶上事件的实例，实例化的致灾事件通过数据和对象属性来结构规范化的描述瓦斯事故树逻辑关系，同时也定义时空属性对基本事件进行约束。
4.2 试验设置及结果分析
笔者设计以下试验对基于时空约束的瓦斯事故预警本体推理方法的有效性进行验证。
1)试验1：多致灾因素时空约束满足条件下的推理计算。
预期结果：瓦斯突出的2个基本要素都满足时空约束，应推理出瓦斯事故顶上事件发生概率不为0。推理过程及预警结果如图8所示。
图8 满足时空约束的瓦斯突出事故本体推理预警
Fig.8 Ontology early warning of gas outburst accidents(time-space constraints satisfied)
图8中已有事实self-rescuer(自救器)利用规则集推理出基本事件Self-RescuerFailure(自救器失灵)，Self-RescuerFailure概率为0.9，空间位置为(1,1,5)，时间为3到10点；MinePersonnel(井下人员)则利用规则集推理出基本事件Careless(麻痹大意)，Careless概率为0.6，空间位置为(1,1,1)，时间为2到3点；Coalseam(煤层)利用规则集推理出基本事件CoalSeamWaterInjectionFailed(煤层注水失败)，其概率为0.9，空间位置为(2,3,1)，时间为0到16点；CoalSeam(煤层)推理出事件TheFirstLayerOfStratifiedMiningIsNotRelieved(分层开采第1层未卸压)，其概率为0.5，该基本事件空间特性为长方体，其4个点空间位置为D(5，0，0)、O(0，0，15)、R(0，5，0)、S(0,0,0)，时间为2到8点。上述4个基本事件满足瓦斯突出致灾条件，同时在时空约束下，通过事故树本体的推理计算模块，得出瓦斯突出事故最终顶上事件发生概率为0.576，符合预期计算结果。
2)试验2：多致灾因素时空约束条件不满足下的推理计算。
预期结果：瓦斯突出致灾条件满足，但不满足时空约束，顶上事件发生概率为0。瓦斯突出顶上事件预警结果如图9所示。
图9中Self-Rescuer Failure(自救器失灵)、careless(麻痹大意)、CoalSeam WaterInjection Failed(煤层注水失败)、The FirstLayer of Stratified MiningIs Not Relieved(分层开采第1层未卸压)都被规则集推理得出，但是不满足时间约束条件，因此其顶上事件发生概率为0，符合预期计算。
图9 不满足时空约束的瓦斯突出事故本体推理预警
Fig.9 Ontology early warning of gas outburst accidents(time and space constraints not satisfied)
3)试验:3：多致灾因素不全满足条件下的推理计算。
预期结果：瓦斯爆炸事故的致灾条件至少有一个不满足，顶上事件发生概率为0。顶上事件预警结果如图10所示。
图10 瓦斯爆炸事故本体推理预警(多致灾因素不全满足条件下)
Fig.10 Ontology early warning of gas explosion accidents(disaster factors not fully satisfied)
图10中通过规则集推理得出的基本事件PipelineInstallationSpark(管路安装火花)和MetalFrictionOnWorkingFace(工作面金属摩擦)属于引爆火源(中间事件)；YVentilationForOxygenSupply(Y型通风供氧气)和MechanicalFaultAndElectricalFaultOfFan(风机机械故障、电气故障)属于积聚一定浓度氧气(中间事件)，虽然满足时空约束条件，但其缺少瓦斯爆炸致灾三要素中的积聚一定浓度瓦斯，因此其最终事故的顶上事件发生概率为0，符合预期计算。
4)试验4：顶上事件发生概率和基本事件数量关系简析。根据推理出的时空事故树的基本事件数量，计算顶上事件发生概率的变化趋势，其结果如图11所示。
顶上事件发生概率和基本事件数量关系如图11所示。由图11可以看出，顶上事件发生概率随着基本事件数量的增加而增大，其变化趋势是符合常识规律的。
图11 顶上事件发生概率和基本事件数量关系
Fig.11 Relation of top-event probability and basic-event number
通过以上试验，验证了笔者设计的瓦斯事故本体推理方法可进行初步有效的预警推理。
5 结 论
1)基于本体理论和安全事故树方法，将瓦斯事故领域知识通过本体形式化描述，构建了时空约束下的瓦斯灾害事故知识库，同时设计了本体推理规则实现知识库的知识推理，最终得到时空约束下的瓦斯事故本体顶上事件发生概率。
2)通过试验证明，笔者构建的动态瓦斯灾害知识库及推理模型，可正确计算顶上事件发生概率，从而初步实现了利用本体技术对瓦斯事故进行智能化预警。
3)本文的本体构建及推理方法主要采用手工方式实现，存在着效率低、易出差错、难以扩展、对专家依赖性强等诸多缺陷，在未来工作中，笔者计划进行半自动化构建时空约束煤矿事故预警知识库及相应推理方法研究。
[1] 郭晓黎.煤矿安全事件本体及其在查询扩展中的应用研究[D].北京：中国矿业大学(北京),2016.
[2] 康瑛石，吴吉义，王海宁.基于云计算的一体化煤矿安全监管信息系统[J].煤炭学报，2011，36(5)：873-877.
KANG Yingshi，WU Jiyi，WANG Haining.Overall coalmine safety monitoring and management system based on cloud computing[J].Journal of China Coal Society，2011，36(5)：873-877.
[3] 王守相，张伯明，郭 巧.基于时间裕度的全局电力系统暂态安全风险评估[J].中国电机工程学报，2005(15)：51-55.
WANG Shouxiang，ZHANG Boming，GUO Qiao.Global power system transient security risk based on time margin[J].Chinese Journal of Electrical Engineering, 2005(15):51-55.
[4] 杨振东.煤矿瓦斯爆炸事故的监控预警系统的研究[J].山东煤炭科技,2016(11):98-100.
YANG Zhendong.Research on monitoring and early warning system of coal mine gas explosion accident[J].Shandong Coal Science and Technology,2016(11):98-100.
[5] 史建军.基于案例推理技术的煤矿瓦斯爆炸事故安全预警系统研究[D].太原：太原科技大学,2016.
[6] 高明明.煤与瓦斯突出事故预警研究[D].阜新：辽宁工程技术大学,2015.
[7] 孟现飞，丁恩杰，刘全龙，等.危险源概念的重新界定及隐患关系研究[J].中国安全科学学报，2017，27(7)：1172-1176.
MENG Xianfei，DING Enjie，LIU Quanlong，et al.Study on redefinition of hazard and its relationship with latent danger[J].China Safety Science Journal，2017，27(7)：1172-1176.
[8] 张 帝,孟 磊,董 飞，等.基于本体的矿井突水预警知识库的构建[J].煤矿安全,2018,49(11):91-95.
ZHANG Di, MENG Lei, DONG Fei, et al.Construction of mine water inrush warning knowledge base based on ontology[J].Safety in Coal Mines,2018,49(11):91-95.
[9] AAMODT A, PLAZA E.Case-based inference: foundational issues, methodological variations, and system approaches[J].Ai Communications, 1994,7(1):39-59.
[10] ANKOLEKAR A, BURSTEIN M, HOBBS J R, et al.DAML-S: Web service description for the semantic web[M]//The Semantic Web-ISWC 2002.Springer Berlin Heidelberg, 2002:348-363.
[11] Deborah L McGuinness,Frank van Harmelen.OWL Web Ontology Language Overview[EB/OL].[2020-01-11].https://www.w3.org/TR/2004/REC-owl-features-20040210/, 2004.
[12] 高志强，潘 越，马 力，等.语义Web原理及应用[M].北京:机械工业出版社，2009.
[13] 富世慧.液化石油气铁路运输风险评价系统[D].成都：西南交通大学,2010.
[14] YUAN Changfeng, CUI Hui, TAO Bin,et al.Fault tree analysis for emergency process of fire accident in oil-gas storage and transportation[J].Journal of Hazardous, Toxic, and Radioactive Waste, 2018, 22(3).
[15] 屈世甲,邹哲强.事故树分析在煤矿应用方法的一些探讨[J].能源技术与管理,2012(2):7-9.
QU Shijia，ZOU Zheqiang.Some discussions on the application of accident tree analysis in coal mines[J].Energy Technology and Management,2012(2):7-9.
[16] 韦 刚.基于事故链模糊事故树分析法的瓦斯爆炸关键危险源辨识与评价[D].太原：太原理工大学,2015.
[17] 肖 雄.浅析矿井通风系统危险源辨识与控制方法[J].科技经济导刊,2018,26(11):70.
XIAO Xiong.Analysis on the identification and control method of hazard Sources in mine ventilation system[J].Science and Technology Economics Journal,2018,26(11):70.
[18] 王长申，孙亚军，杭 远.基于事故树分析的煤矿潜在突水危险评价研究[J].岩石力学与工程学报，2009，28(2)：298-305.
WANG Changshen，SUN Yajun，HANG Yuan.Application of fault tree analysis to risk assessment of potential water-inrush hazards in coal mining[J].Chinese Journal of Rock Mechanics and Engineering，2009，28(2)：298-305.
[19] 刘 鹏,赵慧含,仰彦妍，等.基于OWL的瓦斯爆炸事故语义本体构建及推理[J].煤炭科学技术,2018,46(8):16-23.
LIU Peng，ZHAO Huihan,YANG Yanyan, et al.The probability analysis of occurrence cause of extraordinarily serious gas explosion accidences and its revelation[J].Coal Science and Technology，2018，46(8)：16-23.
[20] 孟现飞.基于本体的煤矿事故预警知识库模型及其应用[D].徐州：中国矿业大学,2014.
[21] 张 帝.基于本体的煤矿底板突水预测知识库的构建与推理研究[D].徐州：中国矿业大学,2018.
[22] 林 艳,刘万增,韩 刚.一种单线与多面要素间的拓扑关系描述方法[J].测绘科学,2013,38(2):128-131.
LIN Yan，LIU Wanzeng，HAN Gang.A method for descriptive topological relationship between single-line and multi-faceted elements[J].Science of Surveying and Mapping,2013,38(2):128-131.
