根据中国历史数据（图1），2010年至2024年间煤矿事故总数总体有所下降，但瓦斯爆炸事故的下降幅度明显小于所有类型事故总数的下降幅度，这凸显了瓦斯爆炸问题的严重性。在死亡人数方面，瓦斯爆炸事故占煤矿事故死亡总数的21.3%，表明其危害性极高。具体而言，虽然瓦斯爆炸事故仅占所有事故的8.9%，但导致了20.9%的死亡案例[8]。
从事故成因来看，人员、设备、环境和管理等多个因素紧密相关，共同构成了瓦斯爆炸的风险源[8]、[9]。研究表明，中国94.09%的煤矿事故可归因于不安全行为[10]、[11]。不安全行为是煤矿重大破坏性事件的主要诱因。在设备方面，煤矿开采涉及通风系统和监控设备等，一旦设备故障（如通风设备故障导致瓦斯积聚，或瓦斯监测设备失灵未能及时报警），就可能引发瓦斯爆炸[12]、[13]。环境因素方面，地质构造复杂的区域（如地质断层）会使瓦斯的发生状态和排放模式更加复杂，从而容易导致异常瓦斯排放[14]、[15]。有效的安全管理应涵盖人员培训、设备维护、隐患排查和管理以及应急救援等多个方面[16]、[17]。随着煤矿开采深度和强度的增加，浅层煤炭资源逐渐枯竭，开采活动向更深处扩展，瓦斯发生的条件变得更加复杂[18]、[19]。地面应力、瓦斯压力和地面温度等参数持续上升，瓦斯灾害的风险也随之变得更加复杂多样，进一步加剧了瓦斯爆炸事故的概率和严重性[20]、[21]。
许多学者从不同角度对煤矿瓦斯爆炸的风险进行了深入研究。传统的风险评估方法（如事件树分析（ETA）、故障树分析（FTA）、操作条件风险分析（LEC）和层次分析法（AHP）在风险分析中发挥了作用，为初步风险识别和评估提供了基础框架[8]、[11]、[22]、[23]、[24]、[25]、[26]。然而，这些方法在处理复杂系统、不可预测因素和多维数据时存在明显局限性，无法满足当前煤矿安全生产对全面、准确和动态风险评估的要求[27]、[28]。随着数字技术的快速发展，贝叶斯网络、蒙特卡洛模拟、模糊集合理论、数值模拟和机器学习等方法应运而生[7]、[15]、[16]、[29]、[30]、[31]、[32]、[33]、[34]。这些新方法在提高概率计算能力、处理参数不确定性以及克服传统方法弱点方面取得了显著成果。例如，贝叶斯网络因其在动态风险识别、过程风险评估和事故风险计算等阶段的可靠性和有效性而被广泛应用于煤矿瓦斯爆炸的风险评估[31]、[33]、[35]。数值模拟软件（如计算流体动力学（CFD）工具）因其在模拟物理过程方面的优势，为煤矿瓦斯爆炸的后果分析提供了有力支持，有助于定量风险评估和风险等级判定[20]、[36]、[37]。机器学习和各种智能算法也被应用于煤矿瓦斯爆炸的风险监测、评估和预警，它们在处理复杂数据关系、整合多源数据、减少人为因素影响以及快速处理大量数据方面具有优势，为实时监测和预警提供了方法论支持[27]、[32]、[38]。尽管现有研究成果丰富，但煤矿瓦斯爆炸的风险评估仍面临诸多亟待解决的问题。一方面，现有评估方法在处理人员、设备、环境和管理等多因素耦合以及关键诱因通道时的准确性和可靠性有待提高；另一方面，现有方法无法实现精确的定量分析、实时更新风险状态以及捕捉风险因素的动态变化。目前尚未开发出完整、准确、直观的评估系统，以及能够动态反映瓦斯爆炸危险状态和应急响应效果的控制机制。
基于此，本文提出了一种新的煤矿瓦斯爆炸风险评估和应急响应能力分析模型，该模型结合了复杂网络、模糊集合理论、Bow-tie模型和动态贝叶斯网络（DBN），并对煤矿瓦斯爆炸事故中的关键风险变量进行了定量分析和概率计算。研究不仅应关注事故预防和规划，还应重视快速响应和妥善处理灾害，以实现煤矿瓦斯爆炸事故的全生命周期管理。本文的创新之处在于有机结合了复杂网络相关性分析、模糊集合理论的不确定性处理、Bow-tie模型的系统框架以及DBN的动态建模优势，形成了具有互补性和协同效应的综合性评估方法。该方法不仅能考虑人员、设备、环境和管理等多因素的相互作用，还能动态跟踪风险因素的变化，及时调整风险评估结果，指导应急决策和响应。旨在确保煤矿安全，减少瓦斯爆炸事故的发生频率和损失。同时，该方法也为其他复杂工业系统的风险评估提供了有益的参考，促进了跨学科的风险评估方法创新与发展。
