基于改进集对物元扩展模型的回填控制系统综合安全评价

为什么深部矿井更安全的回填很重要

随着煤炭和金属矿床在浅层被开采殆尽，采矿正向更深的地下推进，那里岩石应力更高，坍塌或环境破坏的风险也随之增加。回填是让深部采矿更安全的主要手段之一：将废石和水泥泵入空洞以支护围岩。然而，今天的回填系统越来越复杂，配备了传感器、泵、管道和控制软件。本文研究聚焦一个简单但关键的问题：我们如何判断矿山回填控制系统是否真正安全、智能且可靠？

从简单填充到智能控制

现代回填系统的功能早已超出单纯输送浆体。它们持续监测回填材料的配比、在长距离地下管道中的流动情况，以及固化成形后填体的强度。借助网络、云计算和大数据工具，系统能实时调整泵速、配料比和冲洗作业，并在出现异常时发出预警。运行得当，这能提升安全性、减少材料浪费并节省人力。然而这些系统仍较新，目前尚无一套清晰、基于科学的方法来评判某一装置到底有多先进或可信赖。

把复杂系统拆成清晰的组成部分

作者提出了一种结构化评估回填控制系统的思路。他们将系统划分为四大部分：地面浆体制备、管道运输与监测、固化填体的强度与稳定性监控，以及整体的可视化与数字化管理。在这四个方向下定义了16个具体指标，例如供沙智能化程度、浆体配制的可靠性、管道压力监测的完备性、故障是否触发预警，以及固化填体强度随时间的跟踪效果等。并按五个等级对系统打分，从基本（I级）到高度先进（V级），等级越高代表自动化、鲁棒性和集成度越强。

将专家判断与硬数据结合

为了把该框架变成可操作的评价工具，团队将专家意见与用于不确定性的数学方法相结合。采矿与工程领域的专家对每个指标打分，但他们不直接给出单一数值，而是提供反映不确定性的区间。所谓盲数理论将这些区间和每位专家的可信度转换为每个指标的单一、更客观的数值。随后，指标的权重通过两种方式计算：主观方法反映专家对重要性的判断，客观方法则基于每个指标在实际数据中所含信息量。基于拉格朗日的公式将两者融合，得到既非纯粹主观也非纯粹统计的综合权重。

度量相似性、差异与风险

在为每个指标确定数值和权重后，作者采用一种称为集对物元扩展模型的数学方案。本质上，该方法把被测系统状态与各等级标准进行比较，将它们视为“对偶”关系：部分相同、部分不同、部分相对立。模型为每个指标和每个可能等级计算出一个隶属度，表明系统与该等级的匹配强度。然后按综合权重在所有指标间加权融合，得出每个等级的总体隶属得分。隶属度最高的等级被视为系统的评定等级，额外计算的值则显示系统在该等级区间内是趋向更好还是更差。

在真实矿山中检验

为验证其评价模型的可行性，研究者将其应用于三座具有现代回填控制系统的在运矿山。由五位专家组成的小组对每个场地的16个指标进行评分，数据经盲数处理、权重计算和集对扩展步骤处理。三座矿山均被评为IV级，表明具备较高的智能化和安全水平，但尚未达到最高等级。详细的指标得分突出了各矿可以改进之处——例如一处需要更稳定的配料仓液位控制，另一处需优化灰分配系统设计，第三处则需增强管道监测与应急响应。为增强可信度，作者将结果与云模型和属性识别模型这两种其它评价方法进行比较；三种方法的结论相互一致，并与现场经验吻合。

研究结果对更安全采矿的意义

用通俗的话说，这项工作为矿方提供了一种回填控制系统的安全“健康体检”。相比依赖直觉或孤立的性能指标，新模型把设计、感测、自动化与数据管理等多个方面整合为一个分级图景，同时还能指出制约系统达到最佳表现的子系统。该方法与其他模型及现实观测的一致性表明，它可作为升级系统、预防管道堵塞和强化地下支护的可靠决策辅助工具。随着回填技术在深部采矿中变得更复杂且更关键，这类透明且平衡的评价工具将有助于推动更安全、更高效、更环保的作业。

引用: Yin, Y., Yang, S., Yang, Y. et al. Comprehensive safety evaluation for back-filling control system based on modified set pair matter-element extension model. Sci Rep 16, 9056 (2026). https://doi.org/10.1038/s41598-026-39557-6

关键词: 智能回填, 矿山安全, 浆体管道监测, 风险评价模型, 地下采矿自动化