在煤矿安全领域，煤与瓦斯突出是威胁矿工生命的“头号杀手”。要准确评估这一复杂灾害风险，核心在于如何科学地为海量风险指标“分配权重”。在深部开采、数据爆炸的今天，传统方法要么过度依赖专家经验，要么盲目信任数据，往往难以兼顾精度与可靠性，直接影响最终的安全决策。

为了攻克这些难题，中国矿业大学李爽教授团队创新提出了一种知识-数据-结构混合驱动的多特征融合赋权模型。该模型集专家经验、数据分析与灾害机理于一体，三者协同，能够有效解决传统评估中“权重不准、解释不清、关键不明”的痛点。

目前，该技术已深度集成于煤矿智能双重预防机制管理信息系统中，实现了风险分级管控中“风险评估”环节的重大技术突破；同时成功赋能煤矿安全风险分析研判综合信息平台与煤矿安全智能保障系统，完成了系列核心技术创新及示范性成果转化，在全国多座大型煤矿得到了广泛的工程应用。

工业性试验与实际应用结果表明：基于该多特征融合权重的风险评估准确率达到了100%。面对煤与瓦斯突出这一高危灾害，我们的成果做到了“零漏判、零误判”，有效减少了煤矿瓦斯灾害事故的发生，推动了煤矿瓦斯灾害治理模式从“被动防御”向“主动智能管控”的重大变革。

这是团队继瓦斯浓度动态预测成果之后，在矿井风险智能管控领域的又一重要突破，也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。凭借着优秀的创新性和应用价值，目前，该成果已被国际运筹与管理科学领域顶级期刊《Expert Systems with Applications》录用。该刊是中科院一区TOP期刊，影响因子7.5，在行业内享有极高的声誉。

这一被国际顶刊认可的研究成果，不仅为煤与瓦斯突出风险评估提供了全新的方案，更标志着矿井风险管理正迈向更精准、更智能的新阶段。未来，我们将继续致力于将前沿人工智能技术与矿山安全科学深度融合，并推动相关成果向化工、储能、水电等高风险行业延伸，为更广泛的复杂系统安全提供可复制、可推广的先进经验。