能源矿山稳定风险网络结构特征

张 娜，冯套柱，郭道燕

（西安科技大学 管理学院，陕西 西安 710054）

随着中国工业化进程的不断加快，经济持续高速发展，中国能源矿山工程建设速度居于世界前列，工程类型众多且建设深度和规模都在不断增大［1］。由于能源矿山开采难度大、储存量大、分布不集中、开采过程中环境污染强的特点，这使得能源矿山在建设过程中具有很多的不确定性，不仅会拖慢能源矿山建设进度，还会在能源矿山建设过程中造成安全事故，由此引发安全稳定风险。中国是世界上的能源矿业大国，能源矿山数量众多，各类矿产资源的开采及储存量十分可观，矿山安全生产趋势向好，但仍经常发生重大事故，尤以煤矿和金属矿山最为严重，能源矿山整体安全形势依然严峻［2－3］。朱云飞等对1950—2016年间矿井特大事故进行统计得出国有矿井发生的事故数和死亡人数占矿井事故的65%［4］；
蒋星星等通过对矿山事故发生的规律和特点进行梳理后认为，在矿山事故中顶板事故和运输事故发生频率最高，占事故数的56.55%［5］。长期、高强度、破坏性的矿山开采活动使得矿山生态环境恶化，对矿区城市的经济发展和人民的生命健康造成威胁［6］。

在能源矿山风险评估的方法研究方面，MI-SHRA等为地下矿山制定了数值排序系统，用于选择概率计算方法、确定性及可能性方法［7］。CUI等提出了云模型和混合半定量决策方法，帮助进行风险处理的预算规划，并为有效减少废弃矿山的负面影响提供指导框架［8］。苏港等运用风险矩阵法建立二维矩阵模型，对硫矿的爆炸风险进行评估［9］。聂兴信、刘杰等在能源矿山风险评估中引入社会因素，从“人—环—机—管”4方面建立指标体系，发现组合赋权模型与云模型结合的评估方法对矿山的风险评估有较高的可实用性［10－11］。陈洋洋、李爽等针对矿山安全风险问题，为降低事故发生概率，采用双重风险评估机制进行矿山风险评估，实现风险的闭环管理和动态管控［12－13］。在评估能源矿山风险因素等级方面，胡建华等结合贝叶斯网络、解释结构模型等方法，从环境风险—事故风险—社会风险3方面构建了风险评价指标体系［14］。杨国梁等运用模糊综合评价法对煤矿风险因素进行评价，提出煤矿施工准备阶段风险为高风险，其余风险等级低［15］。柯丽华等运用社会网络分析法对风险网络结构特征进行分析，提出影响矿山安全的核心风险因素和关键风险作用路径［16］。臧成君等从过程和结果两方面建立矿山风险管控指标体系，从静态和动态两方面对矿山安全绩效进行评估预测［17］。

以上研究对能源矿山所作的风险评估大多是针对矿山建成后的安全风险及生产风险，但很少有学者对能源矿山的稳定风险进行评估，分析影响能源矿山稳定，造成能源矿山事故的风险因素。稳定风险评估是防范化解稳定风险的制度安排，通过对稳定风险相关的理论与实践进行调查探析［18－19］，从利益相关者角度建立风险评估指标体系，才能从根本上解决稳定风险评估问题［20－24］。选用社会网络分析方法对能源矿山稳定风险进行评估，通过风险网络结构特征分析影响能源矿山稳定建设的源风险与核心风险。

能源矿山是指富含大量能源矿产的贮存地。中国现探明的矿产资源储量十分丰富。近几年来中国对能源矿产资源的勘探力度不断加大，为了能源矿山顺利进行，需要对它进行稳定风险评估，分析风险网络结构特征，找到威胁能源矿山顺利建设的源风险和核心风险因素。

1.1 稳定风险因素识别

为研究能源矿山稳定风险，对其进行稳定风险评估，整理近10 a能源矿山事故案例以及能源矿山稳定风险的权威性文献，梳理事故案例及文献中参与能源矿山前期准备阶段的利益相关者及其引发的稳定风险因素。经归纳整理，识别能源矿山的3个利益相关者为决策者、影响者和执行者，作为能源矿山风险评价指标体系的I级指标。按照“合理性、合法性、可行性、可控性”4个原则对I级指标所引发的稳定风险因素进行细化分析，确定评价指标体系的18项Ⅱ级指标（图1）。

1.2 稳定风险网络模型

为判别风险因素之间的影响关系程度，采用问卷调查法及访谈法对风险因素影响关系程度进行研究。调查风险因素之间的影响强度，按照李克特五分量表（1＝关系最弱；
5＝关系最强）对风险因素之间的影响程度进行打分。结合问卷及访谈结果，超一半的关系强度数值不小于3，则将2个因素之间关系强度用“1”表示，否则用“0”，得到风险因素影响关系的邻接矩阵。运用可视化软件工具，将邻接矩阵转化为风险网络模型图，图中每一个箭头都表示风险的传递，箭头代表风险的发出者，箭尾代表风险的接收者（图2）。

图2 能源矿山稳定风险网络模型Fig.2 Stability risk network model for energy mines

2.1 整体网络结构特征

2.1.1 整体网络密度

对能源矿山稳定风险网络的整体网络指数进行计算，得到网络密度和风险结点间的平均距离（表1）。能源矿山稳定风险网络共包含18个风险节点，网络密度为0.219，表明能源矿山稳定风险之间存在一定的关联性。网络密度取值在0～1，数值越大表示联系越紧密，能源矿山整体网络密度在0.5以下，表示该网络的风险因素之间的连接为稀疏连接，说明能源矿山建设及运行过程的风险存在较大的差异现象，由此会造成风险网络的密度较小，风险因素之间的联系程度偏低。同时表明风险之间的联系不是随机的，只有双方之间存在因果关系的风险才会关联。

表1 整体网络指标Table 1 Overall network indicators

能源矿山稳定风险网络的节点间平均距离为2 282，表明风险是通过2.282次的传递关联起来的，这也是风险在该网络中的传播效应，可表达为能源矿山某个稳定风险发生后，平均需要经过2 282个风险就可以触发另一个风险。

2.1.2 风险因素位置块

通过块模型对整体网络进行分析，联系较为紧密的风险群体定义为块，用CONCOR法和层次聚类法将风险节点按区位划分为块，能源矿山的18个稳定风险因素被划分为8个风险块，每块包含不同的风险因素（图3）。用“s”表示一级指标，“sr”表示二级指标，以便区分不同利益相关者引发的稳定风险因素，例如民众无处表达诉求表示为“s2r1”。对这8个风险块进行密度计算，得出每个风险块与其他风险块的密度值，并不是所有的风险块之间都有联系，没有联系的2个风险块之间的密度值为0（图4）。

图3 风险因素分块Fig.3 Risk factor chunking

图4 各块密度数据Fig.4 Density data per block

结合整体网络密度值与块密度关系数据，将块密度中大于整体网络密度0.219的值赋值为“1”，小于0.219的值赋值为“0”，得出各位置块之间的发送与接收关系数。块1的发送与接受关系分别为2，1；
块2为3，4；
块3为4，2；
块4为2，1；
块5为2，1；
块6只有6条接收关系，没有发送关系；
块7的发送与接受关系分别为1，1；
块8为2，1（图5）。

图5 风险块关系Fig.5 Relationship between risk blocks

根据Burt对风险位置块的属性划分［21］，得出块1、块2、块3属于首属人位置；
块4、块8属于发送型位置；
块6属于谄媚位置；
块5、块7属于经纪人位置。处于网络核心地位的位置块应既有发送关系也有接受关系，因此确定首属人位置块应处于核心地位，块1、块2、块3为核心位置块。

2.2 个体网络结构特征

个体网络结构特征通过节点的中心性进行分析，中心性的计算指标为度中心度和中间中心度，通过对这2个指标进行分析可以确定各风险因素节点在风险网络中的角色和作用。

2.2.1 度中心度

采用度中心度的出度和入度2个指标，分析风险因素在风险网络中的特点和角色。在有向网络图中，出度表示输出关系，点的出度值越大则该风险对其他风险的影响越大；
入度表示输入关系，点入度较大表示该节点受其他风险的影响作用越大。

通过计算得到能源矿山所有稳定风险节点的出度与入度数值（表2）。为直观地分析不同风险节点出度与入度的关系，以入度为横坐标，出度为纵坐标，将风险节点以坐标的形式呈现（图6），可以得出风险因素节点的分布情况。

表2 风险因素度中心度Table 2 Degree centrality of risk factors

图6 风险因素分布Fig.6 Distribution of risk factors

根据能源矿山各稳定风险因素的出度和入度数值和坐标分布图，得知s1r1（不同利益群体的诉求）、s2r3（民众参与程度不够）、s3r3（缺乏公共信息沟通渠道）、s3r4（立项审批程序不合法）、s3r5（征地拆迁补偿不合理）这5个风险因素的出度大且入度小，对其他风险因素的影响较大，在风险网络中具有风险源的特征。

2.2.2 中间中心度

中间中心度衡量的是某一风险节点对其他风险及对风险传导的控制能力。中间中心度越高，该风险连接的其他风险节点越多，“桥”的效应越明显，位于2个风险因素传播的最短路径上的风险因素称为“桥”，对风险传播的控制作用最强。

通过计算得到各风险节点中间中心度的数值，将风险因素按中间中心度的数值从大到小进行排列（图7），得出s2r1（民众无处表达诉求）、s2r3（民众参与程度不够）、s2r8（民众信任程度低）、s3r3（缺乏公共信息沟通渠道）、s2r7（对安置补偿不满意）、s1r1（不同利益群体的诉求）这6个风险因素的中间中心度数值大，说明它们对其他风险因素的控制能力较强，多处在2个风险因素传播的最短路径上，在能源矿山稳定风险网络中充当桥梁的作用。

图7 风险因素中间中心度值分布Fig.7 Distribution of Between centrality values of risk factors

3.1 源风险

根据SNA相关理论，能源矿山稳定风险因素中满足出度大、入度小且处于核心风险位置块上的风险因素为影响能源矿山建设的源风险。综合分析，不同利益群体的诉求位于风险位置块1，出度与入度的差值为2；
民众参与程度不够、缺乏公共信息沟通渠道、立项审批程序不合法位于风险位置块2，出度与入度的差值分别为2，5，3（图8）。这4个风险因素均处于核心位置块上，都满足出度大、入度小，是能源矿山的源风险因素。

图8 能源矿山源风险Fig.8 Source risk factors of energy mines

3.2 核心风险

根据SNA相关理论，核心风险因素需满足点的出度与入度数值均较大、中间中心度数值较大且处在核心块上。民众无处表达诉求与民众信任程度低位于风险位置块2，出度与入度的值分别为8，9；
2，11，中间中心度值分别为分别109，41；
民众参与程度不够、缺乏公共信息沟通渠道位于风险位置块3，出度与入度的值分别为7，5；
9，4，中间中心度值分别为分别43，40（图9），这4个风险因素满足核心风险条件，是能源矿山的核心风险因素。

图9 能源矿山核心风险Fig.9 Core risk factors of energy mines

1）构建了能源矿山稳定风险评估的网络模型，模型的基础数据来源于能源矿山建设的决策者、影响者、执行者3方面引发的稳定风险因素，建立了3个Ⅰ级指标，18个Ⅱ级指标的能源矿山稳定风险指标体系。

2）提出用社会网络分析法对能源矿山稳定风险进行风险评估，分析稳定网络结构特征，预测出影响能源矿山稳定建设的源风险与核心风险，风险等级程度较高，各方需对此加强控制管理。

3）认为能源矿山稳定风险网络的整体密度数值偏小，稳定风险因素的可达距离长，风险因素之间的连接为稀疏连接，关联程度低，在风险网络中存在只有接收关系和发送关系的稳定风险因素。

推荐访问:矿山 特征 能源