李爽教授团队最新研究进展，“复杂网络、灾害机理和多层级融合模型混合驱动的煤与瓦斯突出风险评估方法”在国际权威学术期刊《Process Safety and Environmental Protection》上发表。该刊是SCI JCR Q1、中科院TOP和中国科协安全科学领域高质量科技期刊T1级期刊，影响因子7.8。

Hybrid-driven risk assessment methodology for coal and gas outburst: Integration of complex network, disaster mechanism, and multi-level fusion modeling

复杂网络、灾害机理和多层级融合模型混合驱动的煤与瓦斯突出风险评估方法

该论文是国家自然科学基金重点项目“煤矿灾害环境人员生命体征演变与智能保障的基础研究”的成果之一，由李爽教授（通讯作者）和其博士研究生团队共同完成，在煤与瓦斯突出风险评估方面取得了重要突破，展示了自然语言处理、灾害机理和多属性决策混合模型在煤矿安全领域的应用前景。

在深部开采常态化的背景下，煤与瓦斯突出风险日益增高。然而，传统风险指标体系构建方法存在着主观性构建、无法动态调整和管理因素缺失等问题，广泛使用的风险评估模型存在着单一维度建模、无法实时评估和信息丢失等问题，为了解决上述问题，本研究构建了混合驱动的煤与瓦斯突出风险评估体系。

提出了文本挖掘-复杂网络-灾害机理混合驱动的风险识别方法，构建了煤与瓦斯突出风险评分规则和阈值规则，首次提出了基于区间映射函数的多源异构数据处理方法，开发了多层级融合模型驱动的风险评估模型。工业性试验结果表明：混合驱动的煤与瓦斯突出风险评估体系能够完成预先设定的风险评估目标，拟议的方法的准确性全部高于传统的方法。

整体来说，混合驱动的煤与瓦斯突出风险评估体系有效解决了传统方法的局限性，具备工业化推广潜力，可以为煤矿风险管控实时提供准确的多层次决策支持。

构建指标体系的技术路线图

风险评估技术路线图