中国矿业大学李爽教授团队在煤矿瓦斯爆炸风险评估领域取得重要突破，研究成果“数据驱动的煤矿瓦斯爆炸风险评估体系”发表于 《Information Fusion》、《Results in Engineering》和《中国矿业大学学报》等行业顶刊。

现有风险评估体系在准确性、客观性与实时性方面仍存在明显不足——传统方法过度依赖专家经验，或盲目依赖数据支撑，难以兼顾评估精度与结果可靠性，直接影响最终的安全决策。针对这一瓶颈，团队构建了数据驱动评估体系，实现了风险研判从经验主导向数据智能支撑的跨越。

在风险识别方面，传统风险识别模型往往忽略了环境条件和管理现状风险，构建的指标体系不全面且难以量化，导致评估结果不准确。为突破这一技术瓶颈，研究院团队采用 文本挖掘与灾害机理相融合的混合驱动风险识别方法 ，构建了三级指标体系， 该风险指标体系覆盖监测情况、管理情况、隐患现状、环境条件等26个三级指标 、7个二级指标，所有指标均可通过煤矿智能监测系统、人工统计、传感器感知等方式实时获取数据，为风险评估提供全面、标准的数据基础。

在风险评估层面，团队融合了多种分析方法以及风险等级－风险值转化模型，构建了多层级、多模型融合的风险评估方法。该模型具有多层结构，逻辑清晰简洁，所有评估步骤均可解释、可追溯，数据可实时更新，有效避免了传统“黑箱”模型的弊端。值得一提的是，团队对传统灰色聚类模型进行了关键改进，使其能够考虑所有风险概率，显著提升了评估准确性。该体系为煤矿安全管理者提供了真正“看得懂、信得过、用得上”的评估工具，推动煤矿瓦斯灾害治理模式从“被动防御”向“主动智能管控”转变。

目前，该体系已在低瓦斯、高瓦斯和突出矿井三类不同工况的采煤工作面与采区回风巷完成系统性工业性测试，评估准确率高达98.3% ，相较于传统方法准确率都有所提升，展现出优异的实时性、准确性与广泛的工业适应性。同时，该成果的底层算法能力也已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，标志着团队的前沿理论研究已成功转化为守护矿山安全的坚实成果。

该成果的发布，为煤矿行业提供了一套“感知—评估—决策”的完整技术闭环。随着该体系在更多矿区的推广应用，有望重新定义瓦斯风险管理的作业标准，为我国深部煤矿资源的安全高效开采提供关键技术支撑。