★山西信息产业技术研究院有限公司汪碧玉，郭亮亮

关键词：双重预防；多源数据融合；动态风险评估；隐患智能预测；安全生产

2023年12月，第十四届全国人大常委会发布的《关于检查〈中华人民共和国安全生产法〉实施情况的报告》明确指出，双重预防机制没有真正浸入企业生产经营、标准化建设全过程，安全管理制度和实际运行“两张皮”。落实这项重要制度还存在很多问题，安全生产治理模式还没有完全实现向事前预防转变^[1]。这一问题在能源大省山西尤为突出：2023年全省矿山事故死亡人数达198人，其中煤矿事故占比超80%^[2]；2024年初，太原、吕梁等地又连续发生多起煤矿伤亡事故，暴露出企业主体责任落实不到位、风险动态管控失效等深层次矛盾。山西省产业结构特殊，煤矿安全生产面临双重压力：在机制层面，传统双重预防机制依赖人工排查，风险分级粗放、隐患治理闭环难，导致“重台账、轻实效”；在责任层面，企业主体责任履责缺乏量化评估手段，政府监管难以精准识别“关键风险主体”。因此，构建集风险隐患态势可视化、分级管控、智能研判和协同管理于一体的智能化双重预防监管平台势在必行。

1　智能化双重预防监管平台架构设计

1.1　平台总体架构

结合山西省某煤矿的实际情况，本平台采用“端边-云”协同架构，实现风险实时感知-边缘智能处置-云端决策优化的闭环管理。平台具体架构如图1所示。

图1 总体架构图

（1）基础设施层（IaaS层）

在云端通过混合云模式部署分布式资源池，私有云保障核心数据主权，行业云实现跨企业协同，依托Ceph分布式存储与Kubernetes容器化编排，高效处理海量安全监测数据；在边缘侧部署矿用本安型边缘服务器形成井下计算节点，实现瓦斯超限判断、视频流分析等本地化处理。

（2）感知层（端侧）

感知数据采集系统基于多源物联网技术架构构建，硬件层面通过物联网设备（传感器、摄像头、RFID等）实时采集风险数据，验证人员信息采用基于深度学习的多模态生物特征识别算法，并引入区块链技术实现数据防篡改存证，保证采集数据真实完整。大量感知数据通过4G专网与蓝牙5.0组成的异构网络传输至云端服务器，服务器端采用目标检测算法和基于LSTM的风险评估模型，通过数据可视化引擎生成动态风险热力图。系统根据风险评估结果自动触发分级预警机制，预警信息精准推送至相关责任人，实现隐患治理的闭环管理和安全生产责任的逐级落实。

（3）平台层（PaaS层）

本平台基于Java语言构建微服务系统，利用其“一次编写、到处运行”的特性实现Windows/Linux/Android/iOS多平台支持。服务端采用Spring Boot3.0框架集成Tomcat 10.0应用服务器，结合MySQL 8.0数据库实现ACID事务保障，通过分库分表策略支撑每秒5000+的并发查询请求。采用微服务架构模式，通过API网关和服务网格技术实现了跨系统服务协同，打破了数据孤岛，实现了多终端访问。

（4）应用层（SaaS层）

本平台依托数据中心支撑能力与数字化技术底座，实现了多业务系统的协同集成与智能应用。本平台主要包含以下核心功能模块：安全监测系统、人员定位系统、工业视频系统、双重预防系统等相关内容。同时，本平台还支持用户在移动端、PC端以及专用大屏随时随地进行管理。

1.2　关键技术

1.2.1　多源异构数据融合技术

针对双重预防场景中数据来源广泛、格式标准不一及实时性需求，本平台采用多源异构数据融合技术，通过动态时间规整（DTW）算法对齐不同采样频率的时序数据，基于GeoHash编码实现离散定位数据的空间网格化映射^[3]，并构建安全生产领域本体库，结合BERT+BiLSTM模型从文本报告中提取标准化实体，设计级联交叉模态融合网络融合多源数据，最终完成多源数据的统一融合处理。

1.2.2　动态风险评估模型

本平台提出了一种“数据驱动+知识引导”的混合动态风险评估方法，如图2所示，通过改进传统LEC（作业条件危险性评价）法的静态评估局限，创新性地引入贝叶斯网络（Bayesian Network，BN）构建了不确定性推理框架^[4]。该方法深度融合实时监测数据与领域先验知识，采用自适应权重调整算法动态优化风险评估参数，实现了三重技术突破：（1）基于概率图模型的风险演化推理，解决传统方法对不确定性因素处理的不足；（2）通过数据-知识双驱动机制，确保评估结果既符合客观监测数据又遵循安全规范；（3）创新设计的动态权重调节策略，有效平衡多源异构数据的可信度差异。实验表明，该方法在风险评估实时性、准确性和可解释性三个维度均显著优于传统静态评估模型。

图2风险模型框架图

1.2.3　隐患智能预测技术

本平台通过构建LSTM-Attention时序预测模型处理传感器时序数据^[5]，并引入动态阈值调整机制实现设备运行阶段自适应的报警策略。该方法采用跨模态注意力机制实现数值监测数据与图像特征的深度关联建模，同时基于因果发现模型（PC算法）构建故障传播图谱，结合因果推理技术进行隐患根因分析^[6]，形成了“数据表征-时序预测-因果溯源”的完整技术链条。该方法有效突破了传统经验驱动型预测的局限性，实现了“数据+知识”双驱动的智能化隐患预测，在预测准确率、预警提前量和根因定位精度等关键指标上均显著优于现有方法，为工业安全管理的智能化决策提供了可靠的技术支撑。

1.3　系统功能设计

（1）安全总览模块。综合展示企业当前双重预防机制运行情况和安全生产整体态势，可在线查看企业工业视频、安全监测监控和人员位置监测系统实时数据；基于风险预警指标规则，智能分析生产现场感知数据，分类统计风险监测预警信息，实现风险预警、处置全流程监控。

（2）风险预警模块。以企业风险点为基础单元，将风险点的各种关联数据（如安全监测监控、人员位置监测、工业视频等系统）进行整合，将风险点现场情况可视化，形成作业地点安全画像，实现各类灾害风险实时监测、动态预警，并以声光报警形式提示异常信息。

（3）多维分析模块。实现企业安全相关数据的多维分析，包括管理数据分析、人员安全分析、环境安全分析和子系统联网情况分析等方面，并从中发现安全管理规律和知识经验，为管理人员安全决策提供数据支撑。

（4）风险管控模块。实现安全风险线上辨识、风险清单动态更新、风险管控批量配置、安全风险智能管控、重大风险跟踪落实等功能。基于人员位置监测数据和移动互联网技术，系统自动向检查人员移动端APP推送所在地点的风险数据，检查人员对单确认风险管控措施是否落实、是否存在隐患，实现风险分级管控和隐患排查治理“一体化”管理，风险、隐患数据“强关联”。

（5）隐患排查模块。实现隐患录入、整改、督办、验收全流程闭环管理。其设计有安全指标统计模块，督促各级人员完成每月风险管控、隐患排查、反“三违”指标。系统内置隐患、“三违”界定标准，为隐患排查、反“三违”提供了判定依据，提高了隐患、“三违”数据录入质量，促进了隐患排查治理和反“三违”工作标准化、规范化开展。

（6）辅助功能模块。系统还包括双防文档管理、领导带班、指标算法管理、企业基本信息管理、升级日志管理等辅助功能。

2　应用成效

本平台通过信息化、智能化手段，实现风险“预报-预警-预控”的闭环管理，形成“全员参与、分级管控、智能联动”的高效管理模式，确保动态风险从变化发现到科学处置的全流程可控。其主要成效包括三个方面，如图3所示。

图3智能化双重预防监管平台

（1）风险隐患一体化防控。通过实时采集现场感知数据，依托风险预警指标体系及算法模型输出预警结果，反馈各类风险发展趋势和特定灾害场景预兆。按照预警级别分级分类通知不同岗位人员，实现响应处置，并自动转换为隐患信息，推送至责任单位进行闭环整改，从而实现风险分级管控和隐患排查治理的“强关联”和“一体化”，帮助企业推进双重预防机制体系和治理能力现代化。

（2）风险隐患智能精准识别。内置风险基础库、隐患判定标准库和“三违”界定标准库，指导企业规范开展风险辨识评估、隐患排查和“三违”查纠，为企业安全管理流程化、标准化运行奠定基础。

（3）双重预防一体化智能防控。“分层级、分专业、分区域”划分各级人员风险管控职责，实施安全风险差异化动态管理，督促企业落实安全生产主体责任，提高各级人员双重预防履责意识，有助于解决企业对双重预防机制认识不到位、缺乏主动性的问题。同时采用智能化技术将双防机制建设“由人主导”向“人工+机器智能”转变，促进风险管控智能化、安全监管数字化转型，提高双重预防建设成效，提升企业安全管理水平。

3　结论

本平台将企业双重预防机制工作流程与智能化技术相结合，全面采集企业安全管理数据、安全相关子系统感知数据，利用信息化、大数据、物联网等技术手段，建立了具有系统集成、数据采集、综合分析、动态评判、实时预警、智能管控等功能于一体的智能化双重预防监管平台。该平台通过数据分析和智能算法，为风险管控提供了科学依据，并辅助企业与监察部门高效决策，打通了企业、属地监察部门、省级监察部门之间的信息通道，实现了数据共享与协同管理，确保了信息快速传递、问题及时解决，形成了高效协同的监察体系。该平台突破了安全管理工作长期以来依赖人工的局限性，实现了生产现场安全风险实时监控、智能分析、应急响应和超前管控，构建了智能化安全管理模式，并将企业安全管理工作提升到“人工+机器智能”发展阶段，以新安全格局保障了企业高质量发展。

作者简介：

汪碧玉（1994-），女，山西忻州人，助理工程师，硕士，现就职于山西信息产业技术研究院有限公司，主要从事计算机信息化方面的研究。

郭亮亮（1981-），男，正高级工程师，硕士，现就职于山西信息产业技术研究院有限公司，研究方向为自动化控制、智慧矿山、工业互联网等。

参考文献：

[1]第十四届全国人大常委会第七次会议.关于检查《中华人民共和国安全生产法》实施情况的报告[R].2023-12.

[2]山西省应急管理厅.山西省煤矿安全事故年度报告[R].2023.

[3]冯成.多源异构数据融合关键技术研究[D].北京:北京邮电大学,2021.

[4]廖天颖,杨斯博,窦润亮.基于贝叶斯网络的大数据安全动态风险评估模型研究[J].网络空间安全,2023,(1):60-68.

[5]唐宇峰,陈星红,蔡宇,等.基于时序分解和SSA-LSTM-Attention模型的尾矿坝位移预测[J].科学技术与工程,2023,23(29):12753-12759.

[6]江滨.强人工智能中的因果推理研究[D].武汉:湖北大学,2020.

摘自《自动化博览》2025年9月刊