EN中文

地球信息科学学报 >

2018 , Vol. 20 >Issue 3: 311 - 320

DOI: https://doi.org/10.12082/dqxxkx.2018.170277

地理空间分析综合应用

中国省域煤矿事故时空分异特征及影响因素研究

  • 张英慧 , 1, 2 ,
  • 高星 , 1, * ,
  • 王伟 1 ,
  • 查欣洁 1, 2
展开
  • 1. 中国科学院地理科学与资源研究所 资源与环境信息系统国家重点实验室,北京100101
  • 2. 中国科学院大学,北京100049
*通讯作者：高 星（1967-）,男,研究员,博士,研究方向为遥感和地震勘探。E-mail:

作者简介：张英慧（1992-）,男,硕士生,研究方向为煤矿事故分析与数据挖掘。E-mail:

收稿日期: 2017-06-19

  要求修回日期: 2018-01-09

  网络出版日期: 2018-03-20

基金资助

国家自然科学基金项目（41641040、41374061、41421001）

收起

Spatial-temporal Variation and Influencing Factors of Coal Mine Accidents in China

  • ZHANG Yinghui , 1, 2 ,
  • GAO Xing , 1, * ,
  • WANG Wei 1 ,
  • ZHA Xinjie 1, 2
Expand
  • 1. State Key Laboratory of Resources and Environmental Information System, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China
  • 2. University of Chinese Academy of Sciences, Beijing 100049, China
*Corresponding author: GAO Xing, E-mail:

Received date: 2017-06-19

  Request revised date: 2018-01-09

  Online published: 2018-03-20

Supported by

National Natural Science Foundation of China, No.41641040, 41374061, 41421001.

Copyright

《地球信息科学学报》编辑部 所有
Fold

摘要

煤矿事故给国家和人民带来巨大的生命财产损失,科学把握煤矿事故发生的宏观规律及区域煤矿安全的影响因素有助于促进煤矿安全生产。本文尝试采用GIS空间分析方法开展区域煤矿事故的研究,基于空间自相关性、时空演化规律方法研究了2006-2015年中国省域煤矿事故的时空分异特点,并分析了省域煤矿安全的影响因素及相对风险度。主要结论：①中国各省区之间煤矿事故存在明显的空间自相关性,但随着各省区煤矿安全生产形势改善情况的不同,其自相关性在不断下降;②以空间重心转移曲线分析中国煤矿事故发生的时空演化规律,10年间煤矿事故空间重心向东北方向转移。③重特大事故频发的省区由于监管措施的有力执行往往具有较低的煤矿百万吨死亡率;平均煤矿生产能力低的省区具有较高的煤矿百万吨死亡率;④建立基于解释变量的贝叶斯空间模型,以煤炭百万吨死亡率为指标评估中国各省区煤矿事故相对风险度,中国煤矿安全生产相对危险度存在明显的空间分布规律且各省区差异较大,相对危险度较高的省区主要集中在南方地区,包括湖北、福建等,危险度较低的省区主要集中在中东部地区,包括山西、内蒙古等。

关键词： 煤矿事故; 时空分异; 解释变量; 风险评估

本文引用格式

张英慧 , 高星 , 王伟 , 查欣洁 . 中国省域煤矿事故时空分异特征及影响因素研究[J]. 地球信息科学学报, 2018 , 20(3) : 311 -320 . DOI: 10.12082/dqxxkx.2018.170277

Abstract

Coal mine accidents bring huge loss of life and property to the country and the people. Grasping the occurrence laws of coal mine accidents and the influencing factors of regional coal mine safety is helpful to the safety of coal mine production. This paper tries to research on the coal mine accidents using the theory and method of GIS. Based on the spatial autocorrelation and spatiotemporal evolution model, we analyze the temporal and spatial characteristics of coal mine accidents in China from 2006 to 2015 and the influencing factors and relative risk of provincial coal mine safety. The results are as follows: there is obvious spatial autocorrelation of coal mine accidents in China, but the self-correlation is declining with the improvement of coal mine safety production situation in each province. The space-center evolution model of coal mine accidents is expressed by the spatial center of gravity transition curve. The coal mine accident center was shifted to the Northeast in the past ten years, which indicated the improvement of coal mine safety production situation in the southwestern provinces is more obvious than that in the east. The provinces and autonomous regions with frequent occurrence of major accidents tend to have a low coal mine million tons of mortality due to the strong implementation of regulatory measures. Also, the provinces and autonomous regions with the low coal mine production capacity always have a high death rate per million-ton coal. The Bayesian spatial model based on explanatory variables is established to evaluate the relative risk of coal mine accidents in different provinces and autonomous regions. The relative risk of coal mine safety production has an obvious spatial law and is quite different in different provinces and regions in China. The provinces with relatively high risk are mainly located in southern region, such as Hubei and Fujian. Provinces with lower risk are mainly located in the eastern region, such as Shanxi and Inner Mongolia.

Key words： coal mine accident; temporal and spatial variation; explanatory variable; risk assessment

1 引言

中国地质地形及气候条件复杂,煤矿自然灾害严重,水、火、瓦斯、煤、尘、地压、地热等多种灾害聚集[1],以及小煤矿众多,粗放式开采等原因,导致煤矿事故频繁发生,2001-2015年共发生32 315起事故,造成53 862人死亡,给国家和人民带来巨大的生命财产损失,影响社会稳定和经济发展,因此针对煤矿事故的研究工作一直受到普遍重视,在宏观把握煤矿事故规律的研究工作中,前人研究取得一系列的成果,有力指导了煤矿安全工作的进行。
煤矿事故宏观规律研究主要以一段时间内、一定地域范围内所发生的所有煤矿事故为研究对象,分析和预测煤矿事故的发生规律,包括时间、空间等。利用统计分析研究,Wu[2]、Chen[3]等全面分析了中国煤炭产量、事故次数、死亡人数、事故类型和百万吨死亡率等的变化规律情况,并指出中国煤矿安全状况不断改善但仍然严峻,小事故导致的死亡人数占总人数的70%,煤与瓦斯突出、瓦斯爆炸、水害事件是中国主要的煤矿事故类型应给予足够认识,煤矿事故主要发生在掘进工作面,事故的主要直接原因是煤矿管理的低效性,即人为的忽视或违反制度的规定,程序和规范。在重大事故方面,Dai[4]、Wu[2]等统计分析研究了多个时段中国重大煤矿事故发生的时间、区域规律,并与美国、印度等国家进行对比,指出中国重大煤矿事故灾害的严重性;瓦斯事故的发生往往导致大量的人员及财产损失,Wang[5]、Yin[6]、殷文韬[7]等对中国不同时段的瓦斯爆炸事故展开统计分析研究,从发生时间、事故等级、地域性和所有权等方面分析了瓦斯事故的发生规律,指出瓦斯事故是中国主要的致死事故,瓦斯事故的时间间隔呈现指数分布,煤矿所有权类型、煤矿瓦斯等级、区域内煤矿安全生产形势及管理问题与瓦斯事故的发生存在一定的联系;煤矿事故发生的空间规律研究较少,王修才等[8]、肖素丽等[9]研究了煤矿事故在空间分布的规律,指明了煤矿事故发生的分形特征。陈波[10]提出煤矿事故发生的丛集特征,指出了地震活动与煤矿事故的伴随现象。
煤矿事故宏观规律研究指明了煤矿事故发生的时间空间分布格局,有助于对煤矿安全形式的综合把握,促进了对煤矿事故发生规律的把握。但是,前人研究注重分析煤矿事故的变化规律,空间尺度研究较少;同时,对区域煤矿安全生产形势的影响因素研究不足。以各省区为研究单元,分析各省区内煤矿安全生产形势的变化及影响因素有助于各省区针对性的采取相应安全管理措施,促进提高区域内煤矿安全生产水平。
本研究以煤矿事故数量、煤矿事故导致的死亡人数及煤矿百万吨死亡率为指标评价省区煤矿安全生产状况,对比分析2006-2015年近10年中国煤矿事故发生空间自相关性差异变化以及中国煤矿事故发生的时空演化规律,研究影响各省区煤矿安全生产状况的因素,并建立基于解释变量的贝叶斯空间模型评估各省区煤矿安全相对危险度。

2 数据源与研究方法

2.1 数据源

通过国家煤矿安全监察局申请政府数据公开获得2006-2015年中国煤矿事故数量与死亡人数;数据显示,广东、西藏及浙江三地煤矿数量较少,自2007年来,没有煤矿事故的发生,上海市、天津市、海南省、香港特别行政区、澳门特别行政区未进行煤炭开采,台湾数据暂缺,故本研究不涉及上述各省区。
（1）煤矿百万吨死亡率数据
中国各省区煤矿百万吨死亡率数据,首先从中国各省区国民经济和社会发展统计公报中获得;其次,针对缺失的煤矿百万吨死亡率,进行网络搜索,通过媒体报告、领导讲话等内容获得;最后,部分省区在部分年段缺失的百万吨死亡率,获取原煤产量及煤矿事故死亡人数,通过煤矿百万吨死亡率的定义进行计算,即：
煤矿百万吨死亡率 = 死亡人数 煤炭产量（百万吨） （1）
各省区煤矿百万吨死亡率首先以统计公报、权威报告及领导讲话等为第一来源;通过将第一来源与自行计算的数据进行对比,精度误差小于0.001,证明计算结果的准确性;
（2）煤矿生产能力数据
中国各省区各煤矿的生产能力数据来自国家煤矿安全监察局公布的全国各产煤省区煤矿安全生产能力公告①(① 煤矿生产能力公告：http://www.chinasafety.gov.cn/newpage/zhuantibaodao/mtcngs.html。),并进一步统计整理以煤矿生产能力中值代表各省区煤矿规模;

2.2 研究方法

（1）空间自相关分析
空间自相关分析就是研究空间单元观测值与其相邻单元的观测值相关性的一种空间分析方法,是空间单元观测值聚集程度的一种度量[11]。莫兰指数（Moran's Index）是常用的衡量全局空间自相关程度的指数[12,13],利用ArcGIS的空间统计工具空间自相关 (Global Moran's I）工具,分别获得莫兰指数,p值及z得分。根据p值及z得分评价计算结果的置信度。莫兰指数计算表达式为：
I = n S o ∑ i = 1 n ∑ j = 1 n w i , j z i z j ∑ i = 1 n z i 2 （2）
式中： z i 是要素 i 的属性与其平均值 x i - X __ 的偏差; w i , j 是要素 i , j 之间的空间权重; n 等于要素总数; S o 是所有空间权重的聚合：
S o = ∑ i = 1 n ∑ j = 1 n w i , j （3）
莫兰指数的正负及绝对值大小代表不同的空间自相关性,Moran′s I >0表示空间正相关性,其值越大,空间自相关性越明显;Moran's I <0表示空间负相关性,其值越小,空间差异越大;Moran's I = 0,表示空间呈随机性。
（2）区域属性重心转移曲线
为探讨地理事件的时空格局和演化过程,学者提出时空演化模式用于研究地理事件在时间和空间上的分布变化过程,基于重心模型的事物分布格局表达方法成为时空演化规律表达的重要方式[14]。本研究借鉴付强[15]、葛美玲[16]的方法相应提出煤矿事故发生的重心曲线,研究大尺度下中国煤矿事故发生的时空演化规律。
空间重心计算：平均中心是一种衡量要素的空间重心（或密度中心）的空间分析方法,通过绘制重心曲线可以直观的展示地理要素的空间变化;加权平均中心扩展为：
X __ w = ∑ i = 1 n w i x i ∑ i = 1 n w i Y __ w = ∑ i = 1 n w i y i ∑ i = 1 n w i （4）
式中： w i 为要素 i 处的权重。
（3）贝叶斯空间模型
贝叶斯统计模型（Bayesian model,BYM）利用先验分布对模型中所有的未知参数进行描述,随后进行贝叶斯估计获得贝叶斯后验分布,并利用马尔科夫蒙特卡洛方法（Markov Chain Monte Carlo methods,MCMC）进行后验分布的计算,最终获得未知参数的估计值[17]。基于贝叶斯统计模型,考虑事故的空间相关性及影响因素构建贝叶斯空间模型,评价区域事故风险等级,在犯罪、环境及流行病学等空间研究领域取得较好的成果[18,19]。本研究考虑区域煤矿安全生产状况的空间相关性及影响因素,建立了基于解释变量的贝叶斯空间模型评估中国各省区煤矿事故危险等级。对于模拟稀有事件的统计数据,通常采用泊松分布的指数回归模型[20],假设煤矿百万吨死亡率服从泊松分布,建立数学模型如下：
O i ~ Passion ( μ i ) （5）
log μ i = log ( E i ) + ∑ j = 1 n β j x ji + b + i h i + α （6）
RR = e ∑ j = 1 n β j x ji + b + i h i + α （7）
式中： E i 为研究时段内煤矿安全平均相对危险度,即全国煤矿百万吨死亡率值; b i 描述各省区百万吨死亡率的空间结构效应,其先验分布为条件自回归过程（Conditional Autoregressive,CAR）,考虑了邻近关系（即相近的省区煤矿事故发生风险关联更紧密,其邻接矩阵 W 为 N × N 阶矩阵（ N 为省区个数）,对角线上的值 w ij 为0,如果省区 i 和省区 j 有公共边界,则 w ij 为1,反之为0）; h i 描述各省区百万吨死亡率的空间非结构效应,服从正态分布; β j 解释变量,描述区域煤矿安全生产影响因素; α 表示区域的基线（log）相对风险的截距项。RR（relative risk）,描述各区域事故相对危险度。
离差信息准则（deviance information criterion, DIC）广泛应用于贝叶斯空间模型拟合度的比较,对同一个数据,DIC值最小的模型相对最优[21,22]。模型运算使用WinBUGS软件估计DIC值及相对风险度RR。

3 结果与分析

3.1 中国省域煤矿事故时空分异特征

3.1.1 2006-2015年中国各省区煤矿安全基本状况
煤矿事故数量及煤矿事故造成的死亡人数直观的体现了区域煤矿安全生产状况,煤矿百万吨死亡率考虑区域内煤矿产能的不同,3个指标相结合表征和评价区域内煤矿安全生产的基本情况。统计分析2006-2015年中国百万吨死亡率、事故次数及死亡人数,如表1所示。
Tab. 1 Total accidents, deaths, death rate per million tons of China coal mine from 2006 to 2015

表1 2006-2015年煤矿事故数量、死亡人数及百万吨死亡率

年份
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
死亡人数/人 4746 3786 3215 2631 2433 1973 1384 1086 946 598
事故数量/个 2945 2421 1954 1616 1403 1201 779 608 520 352
百万吨死亡率/人 2.04 1.485 1.182 0.892 0.803 0.564 0.374 0.293 0.257 0.159
从时间分布来看,中国煤矿事故起数、死亡人数、百万吨死亡率呈现逐年下降的趋势,煤矿安全生产状况总体稳定、趋于好转,中国煤矿安全工作取得了丰硕的成果。但煤矿安全生产形势依然严峻,百万吨死亡率最低水平仍接近发达产煤国家的10倍[23]。同时,由于中国国土面积广大,地质结构复杂,区域间经济发展水平差异较大,各地煤矿生产条件差异较大,各省区煤矿安全生产状况具有明显的差别（图1）。
Fig. 1 Death rate per million tons in different provinces from 2006 to 2015

图1 2006-2015年中国各省区煤矿百万吨死亡率

3.1.2 2006-2015年中国煤矿事故空间自相关性
煤矿自然地质条件风险因素是影响煤矿事故发生的重要风险因素,瓦斯事故、透水事故、顶板事故等煤矿事故本质上是人或设备等原因诱发的地质灾害。煤矿自然地质条件风险因素主要表现为矿区及其周边区域地表水和地下水域风险、煤层自燃风险、地热风险、煤层岩层构造风险、煤尘爆炸风险、瓦斯突出风险及其他自然地质风险[24],与煤矿地理空间位置息息相关。本节从煤矿事故发生次数及造成的死亡人数2个方面,研究中国各省区煤矿事故发生的空间自相关性。计算2006-2015年全国各省区煤矿事故数量及死亡人数空间自相关性莫兰指数（Moran's Index）(表2、图2）。
Tab. 2 Moran’s Index of coal mine accidents from 2006 to 2015

表2 2006-2015年中国煤矿事故数量Moran's I 指数表

年份
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
Moran's Index 0.4097 0.4181 0.3965 0.3569 0.3529 0.3616 0.3482 0.2317 0.3210 0.3035
z得分 3.8605 3.9726 3.8494 3.5758 3.4943 3.4740 3.3210 2.2402 2.9698 2.7856
p值 0.0001 0.0001 0.0001 0.0003 0.0005 0.0005 0.0009 0.0251 0.0030 0.0053
Fig. 2 Moran′s Index of coal mine accidents and deaths from 2006 to 2015

图2 2006-2015年中国煤矿事故数量与死亡人数Moran's I 指数变化图

除2015年各省区煤矿事故死亡人数及2013年各省区煤矿事故数量未通过置信度99%检验外,其他各时间均通过置信度99%检验,煤矿事故的发生存在着显著的正的空间自相关性。其空间自相关性表明事故数量及煤矿事故导致的死亡人数比较接近的区域呈现出空间集聚特征,即事故数量及煤矿事故导致的死亡人数越多的省区,其周边区域事故数量及煤矿事故导致的死亡人数也较高,同样事故数量及煤矿事故导致的死亡人数较低的省区,其周边区域的事故数量及煤矿事故导致的死亡人数也较低。
随着时间的变化,2006-2015年中国煤矿事故数量与死亡人数莫兰指数呈现下降趋势（表3）,空间自相关性逐渐减弱,其中事故数量莫兰指数由最高0.41,下降到0.23;死亡人数莫兰指数由最高0.40,下降到0.28。空间自相关性的逐渐减弱表明相邻或相近省区煤矿事故发生的空间集聚程度弱化,集聚效应越来越弱,即通过科技投入、加强监管等一系列人为措施,有效的减轻了煤矿自然地质风险要素对煤矿事故发生的影响,并且由于各省区煤矿安全生产工作的不同,相邻省区煤矿安全生产状况发生了不同程度的改变,相邻省区煤矿安全生产状况的空间相关性减弱。
Tab. 3 Moran′s Index of deaths of coal mine accidents from 2006 to 2015

表3 2006-2015年中国煤矿事故死亡人数Moran's I 指数表

年份
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
Moran's I 0.3271 0.3255 0.3732 0.3054 0.3107 0.4070 0.3071 0.3494 0.2840 0.1164
z得分 3.0898 3.0724 3.4482 2.9418 2.9782 3.7892 2.9202 3.1649 2.6009 1.3244
p值 0.0020 0.0021 0.0006 0.0033 0.0029 0.0002 0.0035 0.0016 0.0093 0.1854
3.1.3 2006-2015年中国煤矿事故时空演化规律
由上节研究可知,中国煤矿事故的发生存在着显著的正的空间自相关性,并且由于各省区煤矿安全工作的不同,空间自相关性逐渐减弱。通过研究中国煤矿事故时空演化规律可以了解中国煤矿事故发生的空间变化特征。利用ArcGIS 的空间统计工具（Mean Center） 分别计算2006-2015年每年煤矿事故发生的空间重心,并依次将计算的空间重心按照时间顺序连接起来形成重心曲线,并分别计算各年度之间的转移距离及转移角度。重心计算过程中的权重分别采用各省区的煤矿事故数量及死亡人数。
由图3、表4可见,2006-2015年中国煤矿事故发生的空间重心向东北方向转移,但不同时间周期空间转移距离及方向不同;进一步划分,2006-2010年“十一五”期间中国煤矿事故发生的空间重心向西南方向转移,转移距离较小;2011-2015年“十二五”期间中国煤矿事故发生的空间重心向东北方向转移,转移距离较大,尤其是“十二五”末期2013-2015年。
Fig. 3 Gravity centers curve of coal mine accidents from 2006 to 2015

图3 2006-2015年中国煤矿事故重心转移曲线

Tab. 4 The intervals and direction between gravity centers of number of accidents and deaths from 2006 to 2015

表4 2006-2015年中国煤矿事故重心转移距离及方向

时段 事故数量 死亡人数
距离/km 角度/° 方向 距离/km 角度/° 方向
2006-2007 67.51 213.50 西南 64.37 230.44 西南
2007-2008 46.66 218.51 西南 23.99 48.16 东北
2008-2009 32.55 43.65 东北 24.76 58.93 东北
2009-2010 36.48 192.73 西南 75.08 221.03 西南
2010-2011 45.37 103.41 西北 64.08 224.55 西南
2011-2012 98.64 55.14 东北 160.24 67.10 东北
2012-2013 24.71 353.77 东南 61.58 24.92 东北
2013-2014 177.34 37.99 东北 39.27 75.11 东北
2014-2015 167.93 56.24 东北 300.31 36.44 东北
空间重心的转移表明煤矿事故发生的频率及危害程度的空间分布格局发生了改变,具体表现为中国西南地区煤矿事故数量与死亡人数下降较为明显,煤矿安全生产形势改善较大,煤矿安全生产形势与东部地区的差异缩小,而两个五年计划空间重心转移的明显不同,表明宏观政策对煤矿安全生产的影响。

3.2 中国省域煤矿安全影响因素与风险评估

以各产煤省区为研究对象,分析影响各省区煤矿安全的因素,有助于针对性的指导各省区煤矿安全生产措施的制定,提高煤矿安全生产水平。从各省区重特大煤矿事故及煤矿规模等方面,分析其对各省区煤矿安全生产水平的影响,并利用基于解释变量的贝叶斯空间模型评价各省区煤矿事故相对风险度,指导区域煤矿安全生产的政策制度制定。
3.2.1 中国各省区煤矿安全影响因素分析
区域内煤矿安全生产状况受多种因素影响,本研究结合煤矿事故致灾因子及风险要素,尝试从区域范围内重特大煤矿事故和煤矿开采条件2个方面分析区域煤矿生产形势变化状况。一般生产能力小的煤矿,开采条件较差,生产能力大的煤矿,开采条件好;各省区重特大煤矿事故导致死亡人数占总死亡人数的比例（简称重特大事故死亡比）可以反映区域内重特大事故的影响。因此本研究分别以重特大煤矿事故死亡比和煤矿生产能力规模来衡量区域内重特大煤矿事故和煤矿开采条件对全国各省区煤矿安全生产状况的影响,并提出加强煤矿安全生产工作的建议。
（1）重特大煤矿事故影响分析
根据《煤矿生产安全事故报告和调查处理规定》确定的煤矿事故等级,将造成10人以上30人以下死亡,或者50人以上100人以下重伤,或者5 000万元以上1亿元以下直接经济损失的事故定为重大事故;造成30人以上死亡,或者100人以上重伤,或者1亿元以上直接经济损失的事故确定为特别重大事故②(② 国家安全生产监督管理总局,煤矿生产安全事故报告和调查处理规定[Z],2008-12-11。)。重大事故和特别重大事故（简称重特大事故）性质恶劣,后果严重,人员及财产损失大,社会影响恶劣,有效减小重特大煤矿事故的发生有助于改善煤矿安全生产形势,提高公众对煤矿安全生产工作的认同感。从重特大事故死亡比来看（图4）,河南、山西等中东部地区,造成的死亡人数占各省区煤矿事故死亡人数超过40%,上述省区通过重点防止重特大煤矿事故的发生,可以较快的改善区域煤矿安全生产形势。
Fig. 4 The proportion of deaths accounted by major coal mine accident of different provinces from 2006 to 2015

图4 2006-2015年中国各省区重特大煤矿事故死亡人数占比

对比分析各省区重特大事故死亡比与煤矿百万吨死亡率的关系,如图5所示,呈现明显的非线性反比关系,重特大事故伤亡率较低的省区,煤矿百万吨死亡率较高,如湖北、重庆等;而重特大事故率较高的省区,煤矿百万吨死亡率较低,如山西、河南等。
Fig. 5 The relationship between the death rate of the major accident and death rate per million tons in China from 2006 to 2015

图5 2006-2015年中国各省区重特大事故死亡比与煤矿百万吨死亡率关系示意图

重特大煤矿事故一定程度上代表着区域内煤矿安全监管的力度。重特大煤矿事故社会影响大,受媒体、民众等社会的广泛关注,更能够引起监管部门对煤矿安全检查工作的重视以及上级监管部门的压力,包括事故挂牌督办等,重特大煤矿事故发生之后详细的煤矿事故原因调查及事故追责等暴露区域煤矿安全生产工作的不足,并采取针对性的煤矿安全生产措施,有利于促使区域煤矿安全生产水平的提高。本研究以重特大煤矿事故死亡比衡量区域内煤矿安全监管措施力度,其与煤矿百万吨死亡率的非线性反比关系,进一步说明区域煤矿安全监管措施的有效执行,有助于促进煤矿安全生产形势的改善。
（2）中国各省区煤矿规模分析
煤矿生产能力是衡量煤矿规模的主要因素,煤矿生产能力的大小由煤矿煤储存量及煤矿地质开采条件确定,影响煤矿盈利能力、煤矿管理水平等。利用中国各省区煤矿生产能力数据构建各省区煤矿规模百分比柱状堆积图,如图6所示。
Fig. 6 Percentage columnar stacking of coal mine production ability in China

图6 中国各省区煤矿规模百分比柱状堆积图

中国年生产能力小于30万吨/年的煤矿,集中分布在东北地区与西南地区,煤矿开采条件较差,煤矿安全生产水平处落后地位;大型煤矿及超大煤矿主要分布在山西、内蒙古等中东部地区,煤矿安全生产水平较高,煤矿安全生产水平在全国居较高水平。取各省区煤矿生产能力中值衡量各省区煤矿生产能力水平,分析各省区煤矿生产能力水平与各省区煤矿百万吨死亡率关系,结果显示各省区煤矿生产能力水平与各省区煤矿百万吨死亡率呈现明显的非线性反比关系(图7）。煤矿生产能力水平较低的省区具有较高的百万吨死亡率,并且煤矿生产能力低于30万吨/年的煤矿对各省区煤矿百万吨死亡率影响最大,且煤矿百万吨死亡率下降难度大。
Fig. 7 The relationship between coal mine production ability and death rate per million tons in China from 2006 to 2015

图7 2006-2015年中国各省区煤矿生产能力与百万吨死亡率关系示意图

因此,针对湖南、黑龙江等小煤矿众多、百万吨死亡率较高的省区,应适时关停生产条件较差的小煤矿,并提高小煤矿准入门槛,调整小煤矿规模结构。理顺监管体制,加大对小煤矿的监督管理,严厉打击不具备安全生产条件和非法小煤矿以及超能力开采、越界开采等违法行为,提高小煤矿素质;努力建立健全小煤矿技术服务体系,提高小煤矿整体技术水平和管理,改进小煤矿的采煤方法和采煤工艺,健全小煤矿安全投入保障机制。
3.2.2 基于贝叶斯空间模型的煤矿事故风险评估
本文研究表明,中国各省区煤矿安全生产形势受区域内重特大煤矿事故、区域内煤矿规模等影响,同时中国各省区煤矿事故发生呈现出明显空间自相性,而煤矿事故的发生也存在一定的丛集特征[10]。
选取各省区重特大事故死亡比及煤矿生产能力两个解释变量,同时考虑各省区煤矿安全生产形势的空间效应,以煤矿百万吨死亡率为结果变量,建立基于解释变量的贝叶斯空间模型,通过对解释变量的不同组合,研究对不同解释变量组合下模型表达的准确性,并实现中国各省区煤矿事故相对风险度的评估。其中重特大煤矿事故死亡比衡量了区域内不定期安全生产整顿力度。
利用WinBUGS14编码进行迭代计算,不同模型下离差信息准则DIC值如表5所示,从解释变量数量来看,无解释变量的贝叶斯空间模型DIC值最大,模型拟合度最差;全解释变量的贝叶斯空间模型DIC值最小,模型拟合度最优。因此,通过增加解释变量数量及提高解释变量选取的科学性有助于提高贝叶斯空间模型的拟合度[25]。
Tab. 5 Comparison of the fitting degree of different models

表5 不同模型拟合程度对比

模型 D̅ pD DIC
无解释变量 77.04 4.65 81.69
单一解释变量 煤矿规模 63.79 2.89 66.67 72.08
重特大事故死亡比 72.85 6.85 79.70
全部解释变量 煤矿规模与重特大事故死亡比 62.51 3.94 66.45
本研究选取全部解释变量模型计算中国各省区煤矿事故相对危险度,结果如图8所示。中国煤矿安全生产相对危险度存在明显的空间分布规律且不同省区间存在较大差异,相对危险度较高的省区主要集中在南方地区,包括湖北、福建等;危险度较低的省区主要集中在中东部地区,包括山西、内蒙古等。
Fig. 8 Spatial distribution map of relative risk of coal mine accidents based on the explanatory variables of the BYM model

图8 基于解释变量的BYM模型煤矿事故相对危险度空间分布图

4 结论与讨论

通过对煤矿事故的空间分析,掌握煤矿事故的时空分异规律,有助于科学的制定煤矿安全监管政策,促进煤矿安全生产。论文从多角度分析了中国煤矿事故发生的时空特征,得出主要如下结论：
（1）中国省区之间煤矿事故存在明显的空间 自相关性,但随着各省区煤矿安全生产形势改善情况的不同,其自相关性在不断下降。结果表明,通过科技投入、加强监管等一系列人为措施,有效的减轻了煤矿自然地质风险要素对煤矿事故发生的影响;
（2）计算全国煤矿事故发生的空间重心,并绘制空间重心转移曲线表达中国煤矿事故发生的时空演化模型,2006-2015年煤矿事故空间重心向东北方向转移,其2006-2010年“十一五”期间中国煤矿事故发生的空间重心向西南方向转移,转移距离较小;2011-2015年“十二五”期间中国煤矿事故发生的空间重心向东北方向转移,转移距离较大。结果表明,中国煤矿事故发生重心向东北方向转移,不同政策周期对区域煤矿事故的发生产生重大影响。
（3）分析研究了全国各省区重特大煤矿事故、煤矿生产能力对区域煤矿安全生产形势的影响;重特大事故频发的省区由于监管措施的有力执行往往具有较低的煤矿百万吨死亡率,表明区域煤矿安全监管措施的有效执行,不断揭露区域内煤矿生产的不足,有助于促进煤矿安全生产形势的改善;煤矿平均生产能力低的省区具有较高的煤矿百万吨死亡率,表明小煤矿生产事故率高,对区域煤矿安全生产影响较大;通过关闭小煤矿、加大对小煤矿监察管理力度等监管政策能够较快的改善区域内煤矿安全生产状况。
（4）通过建立考虑解释变量的贝叶斯空间模型,评估中国各省区煤矿事故相对风险度。中国煤矿安全生产相对危险度存在明显的空间分布规律并且各省区间存在较大差异,相对危险度较高的省区主要集中在中国南方地区,包括湖北、福建等;危险度较低的省区主要集中在中东部地区,包括山西,内蒙古等。相对危险度较高的省区应更加重视煤矿安全生产工作,尤其注重加强日常监管监察,及时关闭生产能力低、开采条件差、管理落后的小煤矿。
本文将GIS理论方法应用于区域煤矿安全分析,扩展了煤矿安全研究方法,得到了一些有益的结论。同时受煤矿事故数据的限制,论文仅以省区为研究单元开展煤矿事故发生的时空变化规律研究,由于煤矿事故的发生会局限于煤田产区,在省区内的分布并不是随机的,并不能十分准确的反映煤矿事故发生的时空变化规律研究。因此,随着煤矿事故数据共享工作的开展,可以通过获得全部的煤矿事故点,进一步开展煤矿事故发生的时空变化规律分析。并将进一步研究影响区域煤矿安全生产形势的因素,并定量分析各因素对区域煤矿安全生产形势的贡献程度,以指导安全生产工作。

The authors have declared that no competing interests exist.

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
苏苗罕. 美国联邦政府的煤矿安全生产监管制度研究[J].南京大学法律评论,2014(1):315-330.

[Su M H.On the federal coal mine safety regulation in the United States[J].Nanjing University Law Review,2014(1):315-330.]

[2]
Wu L, Jiang Z, Cheng W, et al.Major accident analysis and prevention of coal mines in China from the year of 1949 to 2009[J]. Mining Science and Technology (China), 2011,21(5):693-699.

DOI

[3]
Chen H, Qi H, Long R, et al.Research on 10-year tendency of China coal mine accidents and the characteristics of human factors[J]. Safety science, 2012,50(4):745-750.The trend of China coal mine accidents in the latest 10years was studied and the human factors in these accidents were analyzed by multi-dimensional statistic analysis. It shows that the number of major coal mine accidents and the death toll in the accidents were decreasing steadily, while sporadic death accidents still accounted for the largest percentage of deaths. Gas outburst accidents, gas explosion accidents and mine water accidents remained the major part of the whole story and subject to close attention. Among the causes of these accidents, human factors accounted for 94.09%, of which intentional violation, mismanagement and defective design accounted for 35.43%, 55.12%, 3.54% respectively. Improper operational and management practices in which the safety system, procedures and specifications were neglected or broken were still key roots of China coal mine accidents.

DOI

[4]
Dai Ying Z, Bai Sheng N.Statistical analysis of China's coal mine particularly serious accidents[J]. Procedia engineering, 2011,26: 2213-2221.Based on China's coal mine particularly serious accident data from 1981 to 2010, the times and death toll of PSCA are described by statistical methods; the relative indexes according to time, output, employee are analyzed by statistical methods, and the results show the developing trend of PSCA is grim. According to month, area and accident type, some useful and important analysis conclusions are drawn. At last, the main factors of PSCA are analyzed by granger causality test, impulse response function and variance decomposition. The result can provide reference for decision-making.

DOI

[5]
Wang L, Cheng Y P, Liu H Y.An analysis of fatal gas accidents in Chinese coal mines[J]. Safety science, 2014,62: 107-113.Although the total death toll due to various accidents in China’s coal mining industry has declined in recent years, coal mine gas accidents, which are usually caused by gas explosions and outbursts, are still threatening miners’ lives. Fatal gas accidents in Chinese coal mines are quantitatively analyzed using data from 2006 to 2010. Gas accidents account for a significant portion of the death toll in Chinese coal mining. The analysis of gas accident intervals reveals an approximately exponential distribution. The influence of coal mine ownership, gas content in coal and regions of coal mines on safety is determined quantitatively, and the accidents are grouped by cause. Management problems in the coal mining industry are also dissected.

DOI

[6]
Yin W, Fu G, Yang C, et al.Fatal gas explosion accidents on Chinese coal mines and the characteristics of unsafe behaviors: 2000-2014[J]. Safety Science, 2017,92:173-179.Although the total death toll due to various accidents in China’s coal mining industry has decreased in recent years, coal mine gas explosion is still occupied the main proportion of major accident and threatening miners’ lives. The repeated occurrence of gas explosions, often in a similar manner and triggered by unsafe behavior, indicates that we failed to learn from the past and make inadequate changes in response. In an effort to further reduce these rates, the human factors associated with accident need to be addressed. The exact direct causation and sub-standard performance at operator level have been quantitatively identified and classified within the sample of 201 significant gas explosions in China across 2000–2014. An analysis of the data revealed that unsafe behavior existed in and had precipitated influence to all of gas explosion accidents in sample, and all unsafe behaviors can be analyzed from 3 dimensions: accident site, working craft and equipment and installation. By illuminating the unsafe behaviors and its distribution characteristics in a systematic fashion, this study has provided mine safety professionals the information necessary to reduce gas explosion further.

DOI

[7]
殷文韬,傅贵,袁沙沙,等.2001-2012年中国重特大瓦斯爆炸事故特征及发生规律研究[J].中国安全科学学报,2013,23(2):141-147.为研究我国煤矿瓦斯爆炸事故一般性规律,分析研究2001-2012年较大及以上瓦斯爆炸事故,得到我国瓦斯爆炸事故的基本特征.然后,用统计分析法从时间、地域性、所有制3个维度综合分析12 a间发生的194起重特大瓦斯爆炸事故.结果表明:每年的3,4,5,10,11月重特大事故较多,且在交接班时段和每班接班后的第3～4h最易发生事故;山西、贵州、黑龙江、河南、陕西和辽宁6个省份重特大瓦斯爆炸事故起数和死亡人数分别占全国的63.92％和72.12％,是我国需重点治理与监管的省份;国有重点煤矿重特大事故平均每起死亡51.68人,是需重点防范对象;乡镇煤矿事故起数与死亡人数均下降较快,但事故起数及死亡人数居高位,仍是国家重点治理对象.

[Yin W T, Fu G, Yuan S S, et al.Study on basic characteristics and occurrence regularity of major gas explosion accidents in Chinese coal mines during 2001-2012[J]. China Safety Science Journal, 2013,23(2):141-147.]

[8]
王修才,谢焱石,邓文辉,等.基于分形理论的煤矿透水事故空间分布规律研究[J].煤炭与化工, 2014,37(1):20-23.针对现有煤矿透水理论难以深入分析系统内在规律的问题,基于分形思想,根据我国2001—2010年的煤矿透水事故资料,应用盒维数法和事故死亡人数标度-频度模型对煤矿透水事故的空间分布分形特征进行研究,初步探讨我国总体上煤矿透水事故时空分布分形特征。结果表明,煤矿透水事故空间分布分形特征客观存在,半湿润区透水事故更难防治,且煤矿山更易发生煤矿透水事故,必须详查该地区水文地质变化引起的积水区,才能有效防治煤矿山透水事故的发生。

[ Wang X C, Xie Y S, Deng W H, et al. Study on spatial distribution patterns of flooding accidents of coal mines based on fractal theory[J]. Coal and Chemical Industry, 2014,37(1):20-23.]

[9]
肖素丽. 分形理论在煤矿安全事故分析中的应用[D].衡阳:南华大学,2014.

[Xiao X L.Application of fractal theory in the analysis of accidents of coal mine[D]. Hengyang: University of South China, 2014.]

[10]
陈波. 中国煤矿灾害与地震活动时空分布丛集特征的初步研究[J].地学前缘,2016,23(3):156-169.近期,中国数字地名库被公布,基于该库,本文对研究时段内5825起煤矿灾害进行了空间定位,并将这些灾害与中国大陆同期发生的全部天然地震活动按照时空顺序进行了“回放”,揭示出48.7％的煤矿灾害不是随机分布,而是呈现典型的丛集特征,同时,部分煤矿灾害伴随周边地震活动.在深入研究中,发现更多的煤矿灾害都有微地震伴随,且地震在前,灾害在后的例子较多.在目前所认识的各致灾要素中,能够引发各种不同类型的灾害集中连续发生的,只有地应力扰动.大量伴随煤矿灾害的微地震有可能成为煤矿灾害前后构造应力场发生扰动(并致灾)的地球物理证据.为获得呈丛集发生的灾害比例、伴随灾害的地震数量、丛集序列一般持续的时间等重要信息,本文开展了时空丛集程度的定量研究.研究显示,在100英里阀值约束下,至少38.5％的灾害呈丛集发生(总数7 368),其中,有372次灾害伴随地震活动;在时间上,灾害序列持续2天的最多,1天的次之,3天的再次,……,最长达11天.丛集序列持续的时间潜在地反映“应力扰动”持续的时间,那些持续1～2天的丛集序列与5级以下地震对应良好,可能和局部应力扰动有关;而那些持续时间长的丛集序列与宏观地震对应良好,可能与宏观灾害性地震引发的大范围应力扰动有关.本文将各距离阀值下完整的丛集序列追踪整理出来,供读者查询.最后,文章对丛集现象的机理进行了一般分析,并结合具体地质模型讨论了采掘活动与地震活动对矿区地应力的影响关系,分析了5种可能的影响情况.相关内容仅为推测,不做立论.该现象尚未被人们认识,对于地震研究和煤矿应力灾害研究,可能具有更多的启发意义.

DOI

[Chen B.The preliminary research on the cluster features of spatiotemporal distribution of Chinese coal mine disasters and earthquake activities[J]. Earth Science Frontiers, 2016,23(3):156-169.]

[11]
王劲峰. 空间分析[M].北京:科学出版社,2006.

[Wang J F.Spatial analysis[M]. Beijing: Science Press, 2006.]

[12]
邓宗兵,封永刚,张俊亮,等.中国粮食生产空间布局变迁的特征分析[J].经济地理,2013,33(5):117-123.基于31个省市区粮食和3种主要粮食作物的产量数据,运用描述性 统计分析、GIS、空间自相关分析等方法系统刻画了1978-2010年中国粮食生产空间布局的时空特征.结果表明:粮食产区逐渐向东北和中部集中；南方 稻谷优势区域继续稳固的同时东北稻谷重要性逐渐凸显；小麦产区逐渐向北方和中部集中；玉米产区逐渐向东北、华北和华中集中；粮食、稻谷和玉米的重心向东北 移动251.20km 、286.45km和106.14km,但小麦重心移动方向不明显且距离也较短；粮食及稻谷、小麦、玉米生产均存在显著空间相关性,其中粮食、小麦、玉米 生产空间集聚效应增强,稻谷生产空间集聚效应减弱.

[Deng Z B, Feng Y G, Zhang J L, et al.Analysis on the characteristics and tendency of spatial distribution of grain production in China[J]. Economic Geography, 2013,33(5):117-123.

[13]
Getis A, Ord J K.The analysis of spatial association by use of distance statistics[J]. Geographical Analysis, 1992,24(3):189-206.Introduced in this paper is a family of statistics, G , that can be used as a measure of spatial association in a number of circumstances. The basic statistic is derived, its properties are identified, and its advantages explained. Several of the G statistics make it possible to evaluate the spatial association of a variable within a specified distance of a single point. A comparison is made between a general G statistic and Moran's I for similar hypothetical and empirical conditions. The empirical work includes studies of sudden infant death syndrome by county in North Carolina and dwelling unit prices in metropolitan San Diego by zip-code districts. Results indicate that G statistics should be used in conjunction with I in order to identify characteristics of patterns not revealed by the I statistic alone and, specifically, the G i and G i * statistics enable us to detect local “pockets” of dependence that may not show up when using global statistics.

DOI

[14]
李光强,曾绍琴,邓敏,等.重心转移曲线在时空演化模式表达中的应用[J].武汉大学学报·信息科学版,2013,38(8):940-944.探讨了一种利用重心模型进行时 空演化模式定量化表达的方法,并以湖南省1983～1992年疟疾发病空间分布数据为例,通过计算每年度疟疾重心坐标,生成疟疾重心转移曲线,定量地表达 湖南省疟疾的时空演化过程。将此方法结果与空间自相关分析结果进行比较,发现两者基本一致。多尺度的重心转移曲线实验结果表明,此方法的尺度效应不明显。

[Li G Q, Zeng S Q, Deng M, et al.Applicaiton of a centroid transferring curve to spatio-temporal evolution patterns[J]. Geomatics and Information Science of Wuhan University, 2013,38(8):940-944.

[15]
付强,诸云强,孙九林,等.中国畜禽养殖的空间格局与重心曲线特征分析[J].地理学报, 2012,67(10):1383-1398.以中国畜禽养殖的空间格局为研究目标,利用2007年分县的统计数据及农业调查数据,构建标准猪、地均猪、人均猪等指标,使用GeoDa、ArcGIS等软件,借助全局和局部空间自相关分析、空间分布图系、重心曲线等方法,对中国县域畜禽养殖空间分布规律、空间格局进行分析.主要结论:①空间聚类趋势分析表明,标准猪和人均猪在全国和局部聚集特征都显著,而地均猪在全国的聚集特征不明显,局部有聚集特征；②虽然标准猪、地均猪和人均猪等不同的刻画方式对应着不同的分布图系、重心曲线和不同的分区方案,但是却存在着潜在的统一分区方案.只是,每一分区中各级别重心的归属依据与相邻级别重心的间距进行调整.由此,中国畜禽养殖可分为畜养极疏区、稀疏区、相对稀疏区、一般稀疏区、一般区、相对密集区、密集区、高密区等8个区；③存在着一条畜禽养殖疏密分界线,该线自内蒙古新巴尔虎左右旗交界处到海南省东方市西海岸.

DOI

[ Fu Q, Zhu Y Q, Sun J L, et al. Analysis on spatial patterns and gravity centers curve of livestock and poultry breeding in China[J]. Acta Geographica Sinica, 2012,67(10):1383-1398.

[16]
葛美玲,封志明.中国人口分布的密度分级与重心曲线特征分析[J].地理学报,2009,64(2):202-210.依据2000年全国第五次人口普查数据,利用ArcGIS的空间分析功能,将人口密度图分层显示,并形成中国人口分布图系。在此基础上,建立人口重心曲线,根据人口重心曲线上点的邻近性实施人口密度再分级,由此获得了更具空间集聚特征的人口密度图。基于人口密度分级的多圈层迭加分析表明:随着人口密度增大,人口分布重心逐渐由西北向东南移动,由稀疏趋于稠密,中国人口分布多圈层集聚特征明显。人口重心曲线表明,人口分布总体上是从高密度向低密度分布过渡的,其中在低密度中也有高密度地区分布,高密度地区也有相对稀疏的地区。基于人口重心曲线的中国人口密度再分级表明,中国人口密度可以适度划分为9级,据此可以将中国人口地理分布划分为集聚核心区、高度集聚区、中度集聚区、低度集聚区、一般过渡区、相对稀疏区、绝对稀疏区、极端稀疏区、基本无人区等9大类型区。统计表明,中国3/4以上的人口集中分布在不到1/5的国土面积上,半数以上的国土面积上居住着不到2%的人口,研究结果较好地揭示了中国人口分布的空间规律性。

DOI

[Ge M L, Feng Z M.Population distribution of China based on GIS: classification of population densities and curves of population gravity centers[J]. Acta Geographica Sinica, 2009,64(2):202-210.]

[17]
廖伟斌,孙建国,雍万铃,等.贝叶斯模型和时空扫描统计量在胃癌死亡空间分布特征中的应用[J].中华疾病控制杂志,2016,20(8):847-850.

[Liao W B, Sun J G, Yong W L, et al.Application of Bayesian model and spatial-temporal scanning statistic in spatial distribution characteristics of mortality of gastric cancer[J]. Chinese Journal of Disease Control Prevention, 2016,20(8):847-850.]

[18]
吴北平,杨典,王劲峰,等.利用贝叶斯时空模型分析山东省手足口病时空变化及影响因素[J].地球信息科学学报,2016,18(12):1645-1652.手足口病是一种常见的传染病,多见于5岁以下儿童。近年来,中国手足口病发病人数逐年上升,疾病疫情也越来越受到公共卫生部门与社会大众的关注。虽然已有不少手足口病相关的研究,但对其时空变化及影响因素驱动效应的研究仍然较少。本文采用贝叶斯时空模型,对2008年山东省手足口病高发时间段（5-8月）的发病时空演变特征进行系统分析,并探究影响手足口病发病风险的气象因素。结果表明：1空间上不同区县的手足口病发病风险存在一定差异,且区县间的发病风险随时间变化趋势也各不相同;2 5月和6月手足口病发病风险明显高于整个研究阶段（5-8月）平均发病风险;3对手足口病发病风险影响较大的气象因素依次是：周平均温度、平均风速和平均气压。本文针对山东省手足口病时空演化特征及气象影响因素的研究,能为高发时间段内手足口病的区域化防控提供科学依据。

DOI

[Wu B P, Yang D, Wang J F, et al.Spatiotemporal variability and determinants of hand, foot and mouth in Shandong province: A bayesian spatio-temporal modeling approach[J]. Journal of Geo-information Science, 2016,18(12):1645-1652.]

[19]
Li G, Haining R, Richardson S, et al.Space-time variability in burglary risk: A Bayesian spatio-temporal modelling approach[J]. Spatial Statistics, 2014,9:180-191.Modelling spatio-temporal offence data contributes to our understanding of the spatio-temporal characteristics of the risk of becoming a victim of crime and has implications for policing. Space–time interactions are deeply embedded both empirically and theoretically into many areas of criminology. In this paper, we apply a familiar Bayesian spatio-temporal model to explore the space–time variation in burglary risk in Peterborough, England, between 2005 and 2008. However, we extend earlier work with this model by presenting a novel two-stage method for classifying areas into crime hotspots, coldspots or neither and studying the temporal dynamics of areas within each risk category. A further contribution of this paper is the inclusion of covariates into the model in order to explain the space–time classification of areas. We discuss the advantages of, and identify future directions for, this form of modelling for analysing offence patterns in space and time. Implications for crime research and policing are also discussed.

DOI

[20]
Mccullagh P M, Nelder J A S. Generalized Linear Models, 2nd Ed. Applied Statistics[M]. London: Chanpman and Hall, 1989.

[21]
Spiegelhalter D J, Best N G, Carlin B P, et al.Bayesian measures of model complexity and fit[J]. Journal of the Royal Statistical Society: Series B (Statistical Methodology), 2002,64(4):583-639.Abstract Summary. We consider the problem of comparing complex hierarchical models in which the number of parameters is not clearly defined. Using an information theoretic argument we derive a measure p D for the effective number of parameters in a model as the difference between the posterior mean of the deviance and the deviance at the posterior means of the parameters of interest. In general p D approximately corresponds to the trace of the product of Fisher's information and the posterior covariance, which in normal models is the trace of the matrix projecting observations onto fitted values. Its properties in exponential families are explored. The posterior mean deviance is suggested as a Bayesian measure of fit or adequacy, and the contributions of individual observations to the fit and complexity can give rise to a diagnostic plot of deviance residuals against leverages. Adding p D to the posterior mean deviance gives a deviance information criterion for comparing models, which is related to other information criteria and has an approximate decision theoretic justification. The procedure is illustrated in some examples, and comparisons are drawn with alternative Bayesian and classical proposals. Throughout it is emphasized that the quantities required are trivial to compute in a Markov chain Monte Carlo analysis.

DOI

[22]
夏欣. 钉螺密度时空模型构建及血吸虫病感染率贝叶斯估计[D].武汉:武汉大学,2013.

[Xia X.Spatiotemporal model of oncomelania density and Bayesian estimation of schistosomiasis infection rate[D]. Wuhan: Wu Han University, 2013.

[23]
Ozer E, R. Yilmaz D. Evcuman, et al. Autopsy evaluation of coal mining deaths in the city of Zonguldak, Turkey[J]. Medical Science Monitor: International Medical Journal of Experimental and Clinical Research, 2014,20:438.In this study, our aim was to evaluate the fatal occupational accidents that occurred in Zonguldak coal mines between the years 2005-2008. We retrospectively evaluated 42 fatal coal mine occupational accidents in Zonguldak (Turkey) between the years 2005-2008. The forensic records of autopsies referred to the chief prosecutors' office during 2005-2008 were reviewed retrospectively. There were 42 cases. The cases were evaluated with respect to age, mechanism of injury, body region of wound, cause of death, and legality of the mine. Ages of the deceased ranged between 17 and 52 (median: 32.9 yrs). Deaths were mostly in the 21-30 (35.8%), and 31-40 (30.9%) age groups. Only 1 case was younger than 18 years of age. Review of occupational fatalities has revealed that fatal accidents occurred mostly (76.2%) in the private, and fewer (23.8%) in the public mining enterprises. Crime scene investigation findings have demonstrated that of all occupational deaths (total n=42), 27 (64.3%) were due to subsidence, followed by methane gas poisoning (n=6, 14.2%), tram crash (n=3, 7.1%), log falls (n=2, 4.8%), electrocution (n=2, 4.8%), and methane explosion (n=2, 4.8%). Despite laws and regulations concerning mining and because of problems in their implementation, Turkey leads the world in work-related accidents, occupational injuries, and deaths. Evaluation of autopsy findings of deaths in fatal occupational accidents occurring in coal mines is quite important in planning to decrease rates of occupational fatalities.

DOI PMID

[24]
张洪杰. 煤矿安全风险综合评价体系及应用研究[D].徐州:中国矿业大学,2010.

[Zhang H J.Research on comprehensive assessment system and application of coal mine safety risks[D]. Xuzhou: China University of Mining and Technology, 2010.]

[25]
Zou J, Karr A F, Datta G, et al.A Bayesian spatio-temporal approach for real-time detection of disease outbreaks: A case study[J]. BMC Medical Informatics and Decision Making, 2014,14(1):108.Background For researchers and public health agencies, the complexity of high–dimensional spatio–temporal data in surveillance for large reporting networks presents numerous challenges, which include...

DOI PMID

Options
文章导航

/

〈 〉