煤矿工程

特质焦虑是个体固有的一种焦虑倾向，可能对心理健康产生潜在影响。本研究采用问卷调查法，调查了山西某煤矿的218名工人的特质焦虑和不安全心理情况，并通过SPSS19.0进行了统计分析、方差分析和相关性分析。研究结果显示，工人的年龄、工种和工作时间与特质焦虑显著相关。此外，特质焦虑与工人的麻痹心理、逆反心理、安全无奈感以及临时心理存在关联。特质焦虑水平与工人的不安全心理呈现显著正相关，相互之间存在影响关系。

为实现我国煤炭工业高质量发展，针对煤矿智能化初级阶段，开展了相关技术体系研究和工程建设。 智能化煤矿顶层设计 以“矿山即平台”理念为指导，将智能化煤矿整体架构划分为设备层、基础设施层、服务层和应用层，以实现煤矿生产、安全、生态、保障的智能化闭环管理。 多源异构数据融合 针对智能化煤矿信息孤岛问题，开展了多源异构数据建模、特征提取与数据挖掘技术研究，并研发了基于数据驱动的信息实体建模与更新技术。 高精度三维地质模型构建 研究了智能化煤矿高精度三维地质模型构建方法，提出了基于地质模型动态更新的煤层厚度自适应截割控制方法。 智能化工作面采掘接续设计 研发了工作面采掘接续智能设计技术，实现了接续工作面

我国煤炭开采对地下水资源造成的影响是推动煤炭绿色开发和矿区生态文明建设的关键问题。通过调研、统计分析和专家咨询，系统分析了我国煤矿矿井水保护利用的现状，提出了相应的发展战略和工程科技措施。研究表明，当前我国每吨煤开采产生的矿井水平均为1.87m³。

SAS Enterprise Miner是由全球知名的数据分析软件公司SAS开发的强大数据挖掘工具，为用户提供直观高效的环境，用于构建、验证和部署预测模型。这款试用版允许用户体验其在大数据分析领域的卓越性能。SAS Enterprise Miner集成了数据预处理、建模、评估和部署的全过程，支持多种数据挖掘方法，包括决策树、神经网络、贝叶斯网络、支持向量机和随机森林等。它能够从海量数据中挖掘出隐藏的模式、趋势和关联，为企业决策提供强有力的支持。《SAS.Institute.Getting.Started.with.SAS.Enterprise.Miner.5.2.Apr.2006.pdf》是详

矿工不安全行为影响因素权重研究 本研究深入探讨了影响矿工不安全行为的因素，并对其重要性进行了量化分析。首先，通过文献综述，从内在和外在两个层面，梳理出28个可能的影响因素。随后，基于这些因素设计了调查问卷，并运用因子分析法对收集的数据进行统计分析，构建了不安全行为影响因素指标体系。最后，通过计算各层级指标的权重值，明确了不同因素对矿工不安全行为的影响程度，为控制和预防此类行为提供了理论依据。

本系统利用煤矿安全生产大数据，采用组合数据挖掘方法，建立了煤矿事故预测信息系统。详细阐述了系统需求分析与设计流程。

生成包含所有jar包的项目，并配置好MySQL数据库，可直接使用。

顾桥矿区层滑构造形成于印支期以来的挤压构造应力场作用下。工作面发育3类正断层，近东西向展布的正断层和层滑变薄区表明，近东西向挤压应力场是其形成的力学机制。模拟实验证实，层滑变薄区垂直于伸展方向，正断层为其边界，具有成带性、方向性和间隔性。

对于“十二五”期间新疆地区煤矿事故的数据进行了详尽统计，分析了事故的现状、特点及其规律。结合事故致因理论，深入探讨了煤矿企业安全管理和煤矿安全监察中存在的问题，并提出了相应的改进建议，减少和遏制煤矿伤亡事故。

为了识别导致煤与瓦斯突出的因素，并制定预防措施以降低事故率，本研究基于“2-4”模型建立了煤矿瓦斯突出事故的成因分类框架。分析了93起重大煤矿瓦斯突出事故的直接原因、间接原因、根本原因和根源原因，揭示了各类事故原因的具体表现和主要因素，并提出了相应的控制措施。研究结果显示，事故原因可分为13类因素，包括不安全的操作行为、物态条件、间接因素和根本因素，其中违章放炮、突出前兆、安全意识不足、培训管理不完善和安全意识低等因素是事故发生的主要原因。