发明创造名称：一种基于SEM-FSVM的煤矿安全管理风险评价方法
外观设计名称：
决定号：194680
决定日：2019-11-12
委内编号：1F270643
优先权日：
申请（专利）号：201610408784.0
申请日：2016-06-02
复审请求人：安徽建筑大学
无效请求人：
授权公告日：
审定公告日：
专利权人：
主审员：宋芸芸
合议组组长：甘文珍
参审员：刘浩然
国际分类号：G06Q10/06；G06Q50/02
外观设计分类号：
法律依据：专利法第22条第3款
决定要点
：如果一项权利要求的技术方案与作为最接近现有技术的对比文件相比存在区别特征，其它对比文件没有对其中部分区别技术特征给出技术启示，同时上述部分区别技术特征不属于本领域的公知常识，并且该部分区别技术特征使得权利要求的技术方案具备有益的技术效果，则该权利要求相对于上述对比文件和本领域的公知常识具备创造性。
全文：
本复审请求涉及申请号为201610408784.0，名称为“一种基于SEM-FSVM的煤矿安全管理风险评价方法”的发明专利申请（下称本申请）。申请人为安徽建筑大学。本申请的申请日为2016年06月02日，公开日为2016年11月09日。
经实质审查，国家知识产权局原审查部门于2018年11月16日发出驳回决定，驳回了本申请，其理由是：权利要求1-6不具备专利法第22条第3款规定的创造性。具体而言，权利要求1与对比文件1（“基于PCA-LSFSVM的供应链金融信用风险评估模型研究”，李倩，《中国优秀硕士学位论文全文数据库 经济与管理科学辑》，2015年第01期，第J145-88页，公开日为2015年01月15日）的区别为：基于SEM-FSVM；风险评价对象针对的是煤矿安全管理；对步骤(1)提取识别出来的风险因素进行提炼、归类与命名；步骤（3）-（5）；步骤（7）中除了“消除评价指标特征贡献度及样本贡献度对评价结果的影响”、“所述评价结果通过测试评价正确率获得，所述评价正确率通过测试正确点数与总点数的比值来衡量”之外的其他特征。上述区别或在对比文件1的基础上很容易想到，或被对比文件2（“基于SEM的煤矿企业应急救援能力评价模型研究与应用”，石钰，《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》，2013年第03期，第B026-13页，公开日为2013年03月15日）公开，或是本领域的公知常识。则相对于对比文件1、对比文件2和本领域的公知常识的结合，权利要求1不具备创造性。权利要求2-3的附加技术特征在对比文件3（“煤矿安全管理多元风险辨识及演化机理”，何叶荣等，《中国安全生产科学技术》，第10卷第5期，第180-185页，公开日为2014年05月31日）的基础上很容易想到，则相对于对比文件1、对比文件2、对比文件3和本领域的公知常识的结合，权利要求2-3不具备创造性。权利要求4的附加技术特征在对比文件2的基础上很容易想到，权利要求5的附加技术特征在对比文件1-3的基础上很容易想到，权利要求6的附加技术特征在对比文件1-2的基础上很容易想到，则权利要求4-6不具备创造性。
驳回决定所依据的文本为：申请日2016年06月02日提交的说明书摘要、说明书第1-22页、摘要附图、说明书附图图1-2；2018年05月10日提交的权利要求第1-6项。
驳回决定所针对的权利要求书如下：
1. 一种基于SEM-FSVM的煤矿安全管理风险评价方法，其特征在于：包括如下步骤：
(1)基于煤矿安全管理多元风险致因，运用主成分分析与因子分析的方法，提取煤矿安全管理关键风险因素；
(2)对步骤(1)提取识别出来的风险因素进行提炼、归类与命名，构建出煤矿安全管理风险评价指标体系；
(3)建立煤矿安全管理风险路径关系模型，运用结构方程模型SEM对煤矿安全管理风险概念模型进行验证，计算出煤矿安全管理风险关系路径系数；
(4)通过对煤矿安全管理风险关系路径系数进行归一化处理，计算出煤矿安全管理风险评价指标特征权重；
(5)将通过步骤(4)计算出来的评价指标特征权重与FSVM的核函数GAUSS核函数进行内积运算，构建特征加权GAUSS核函数；
(6)将模糊支持向量机FSVM理论应用于煤矿安全管理风险评价中，消除样本贡献度对评价结果的影响；
(7)通过结构方程模型SEM和模糊支持向量机FSVM相结合，形成一种基于SEM-FSVM的煤矿安全管理风险评价方法，消除评价指标特征贡献度及样本贡献度对评价结果的影响；
在将结构方程模型SEM和模糊支持向量机FSVM相结合时，通过将SEM、FSVM与SEM-FSVM评价方法对相同样本点数据进行风险评价，并对评价结果进行分析比较，然后选择将结构方程模型SEM和模糊支持向量机FSVM相结合的评价方法，所述评价结果通过测试评价正确率获得，所述评价正确率通过测试正确点数与总点数的比值来衡量，评价正确率的测试步骤如下，
a、根据
转换成FSVM与SEM-FSVM的测试结果隶属度值；
b、根据隶属函数公式，将测试结果的隶属度转化为综合评价结果分值；
c、将评价结果分别与实际值进行比较，计算每个测试点的误差
d、计算出每种评价方法的总误差和平均误差，平均误差越小，测试越精确。
2. 根据权利要求1所述的一种基于SEM-FSVM的煤矿安全管理风险评价方法，其特征在于：步骤(1)提取的煤矿安全管理关键风险因素包括五个外源潜变量和一个内源潜变量，所述外源潜变量包括煤矿安全管理组织(SMO)、煤矿安全管理能力(SMA)、煤矿安全管理模式(SMM)、煤矿安全管理要素(SMF)和煤矿安全管理监控(SMC)，所述内源潜变量为煤矿安全管理风险后果(SMR)。
3. 根据权利要求2所述的一种基于SEM-FSVM的煤矿安全管理风险评价方法，其特征在于：
所述煤矿安全管理组织包括安全管理组织结构风险因子(v1)、安全管理组织行为风险因子(v2)和安全管理组织文化风险因子(v3)；
所述煤矿安全管理模式包括安全管理计划制定与完善(v4)、安全管理计划实施与控制(v5)、安全激励机制(v6)和安全培训及教育(v7)；
所述煤矿安全管理能力包括安全行为管理能力风险因子(v8)、安全行政管理能力风险因子(v9)、安全技术管理能力风险因子(v10)和安全创新管理能力风险因子(v11)；
所述煤矿安全管理要素包括人因要素风险因子(v12)、机械(设备)的安全性风险因子(v13)、环境安全性(v14)和信息的安全性风险因子(v15)；
所述煤矿安全管理监控包括监测产品的标准与规程完备程度风险因子(v16)、安全检测系统校正或维修及时性风险因子(v17)和安全管理监测制度的完善程度风险因子(v18)；
所述煤矿安全管理风险后果包括安全事故发生率与预期的差异(v19)、煤矿企业销售绩效与预期差异(v20)、安全事故造成人员及经济损失值与预期的差异(v21)。
4. 根据权利要求1所述的一种基于SEM-FSVM的煤矿安全管理风险评价方法，其特征在于,步骤(3)涉及的具体步骤如下:
(31)根据外源潜变量测量方程的一般公式:X＝Λxξ σ，提出了外源潜变量的测量方程，参见下式，其中，X为p×1阶外源指标向量；Λx表示外源指标与外源潜变量之间的关系；δ为外源指标X的误差项；
(32)根据内生潜变量测量方程的一般公式:Y＝Λyη ε，确立了内生潜变量测量方程：
式中：Y为q×1阶内源指标向量；Λy表示内源指标与内源潜变量之间的关系；ε为内源指标Y的误差项；
(33)根据结构方程的基本形式:η＝βη Γξ ζ，提出了内源潜变量的结构方程式：
其中，ξ为m×1阶外源潜变量向量。
η为n×1阶内源潜变量向量。
β为内源潜变量η之间的回归系数，反映了内源潜变量之间的关系。
Γ为ξ与η间的回归系数，反映了外源潜变量对内源潜变量的影响。
ζ为残差项，反映了η在方程中未被解释的部分；
(34)根据绝对拟合度指标和相对拟合度指标进行拟合，获取初始模型拟合优度指数；
(35)对初始模型的路径进行修改，获取修正后模型拟合优度指数，并将修正后模型拟合优度指数与初始模型拟合优度指数进行比较。
5. 根据权利要求1所述的一种基于SEM-FSVM的煤矿安全管理风险评价方法，其特征在于,步骤(4)归一化处理后的，得到一级评价指标权重值
W＝(0.188,0.152,0.137,0.356,0.187)；
二级评价指标权重分别为：
wsmo＝(0.38,0.33,0.29)wsmm＝(0.30,0.20,0.28,0.22)wsma＝(0.27,0.26,0.24,0.23)，
wsmf＝(0.32,0.23,0.24,0.26)wsmc＝(0.25,0.38,0.37)；其中，wsmo、wsmm、wsmf、wsma、wsmc分别表示煤矿安全管理组织、煤矿安全管理模式、煤矿安全管理要素、煤矿安全管理能力和煤矿安全管理监控五个一级指标下的各二级指标对应的权重值。
6. 根据权利要求1所述的一种基于SEM-FSVM的煤矿安全管理风险评价方法，其特征在于,步骤(5)具体包括如下步骤：
(51)令K(xi,xj)是定义在上X×X上的核函数，W是给定输入空间的m×m维矩阵，即基于SEM路径系数的权重向量，式中:m为输入空间的维数，特征加权核函数Kf定义为W称为特征加权矩阵；W＝dig(w1,w2,...,wm)，wi∈(0,1)，i＝0,1,...,m为煤矿安全管理风险评价指标的特征权重值，wi取值不同直接影响到回归函数的选择；
(52)采用Gauss径向基核函数：
(53)将评价指标特征权重加权后的Gauss核函数变为：
即为特征加权Gauss核函数，由基于SEM路径系数的权重向量W计算特征加权Gauss核函数。”
申请人（下称复审请求人）对上述驳回决定不服，于2019年01月09日向国家知识产权局提出了复审请求，同时修改了权利要求书，将申请日2016年06月02日提交的权利要求1-6合并为新的独立权利要求1。复审请求人认为：综合对比文件1、对比文件2和对比文件3，与本方案的使用方法均不相同，且本申请的特色创新点在于通过对煤矿安全管理风险关系路径系数进行归一化处理，计算出煤矿安全管理风险评价指标特征权重；根据上述计算的评价指标特征权重与FSVM的核函数GAUSS核函数进行内积运算，构建特征加权GAUSS核函数。本申请针对GauSS核函数的参数进行改变，是一种“情景嵌入型”的双权重评价方法研究，将指标权重也样本权重同时考虑，而对比文件1、对比文件2和对比文件3，没有提及指标权重值的计算，只是单一的评价，即为本申请与其他对比文件的不同之处，也是本申请的特色创新。
复审请求时新修改的权利要求书如下：
“1. 一种基于SEM-FSVM的煤矿安全管理风险评价方法，其特征在于：包括如下步骤：
(1)基于煤矿安全管理多元风险致因，运用主成分分析与因子分析的方法，提取煤矿安全管理关键风险因素；
(2)对步骤(1)提取识别出来的风险因素进行提炼、归类与命名，构建出煤矿安全管理风险评价指标体系；
(3)建立煤矿安全管理风险路径关系模型，运用结构方程模型SEM对煤矿安全管理风险概念模型进行验证，计算出煤矿安全管理风险关系路径系数；
(4)通过对煤矿安全管理风险关系路径系数进行归一化处理，计算出煤矿安全管理风险评价指标特征权重；
(5)将通过步骤(4)计算出来的评价指标特征权重与FSVM的核函数GAUSS核函数进行内积运算，构建特征加权GAUSS核函数；
(6)将模糊支持向量机FSVM理论应用于煤矿安全管理风险评价中，消除样本贡献度对评价结果的影响；
(7)通过结构方程模型SEM和模糊支持向量机FSVM相结合，形成一种基于SEM-FSVM的煤矿安全管理风险评价方法，消除评价指标特征贡献度及样本贡献度对评价结果的影响；
步骤(1)提取的煤矿安全管理关键风险因素包括五个外源潜变量和一个内源潜变量，所述外源潜变量包括煤矿安全管理组织(SMO)、煤矿安全管理能力(SMA)、煤矿安全管理模式(SMM)、煤矿安全管理要素(SMF)和煤矿安全管理监控(SMC)，所述内源潜变量为煤矿安全管理风险后果(SMR)。
所述煤矿安全管理组织包括安全管理组织结构风险因子(v1)、安全管理组织行为风险因子(v2)和安全管理组织文化风险因子(v3)；
所述煤矿安全管理模式包括安全管理计划制定与完善(v4)、安全管理计划实施与控制(v5)、安全激励机制(v6)和安全培训及教育(v7)；
所述煤矿安全管理能力包括安全行为管理能力风险因子(v8)、安全行政管理能力风险因子(v9)、安全技术管理能力风险因子(v10)和安全创新管理能力风险因子(v11)；
所述煤矿安全管理要素包括人因要素风险因子(v12)、机械(设备)的安全性风险因子(v13)、环境安全性(v14)和信息的安全性风险因子(v15)；
所述煤矿安全管理监控包括监测产品的标准与规程完备程度风险因子(v16)、安全检测系统校正或维修及时性风险因子(v17)和安全管理监测制度的完善程度风险因子(v18)；
所述煤矿安全管理风险后果包括安全事故发生率与预期的差异(v19)、煤矿企业销售绩效与预期差异(v20)、安全事故造成人员及经济损失值与预期的差异(v21)；
步骤(3)涉及的具体步骤如下：
(31)根据外源潜变量测量方程的一般公式：X＝Λxξ σ，提出了外源潜变量的测量方程，参见下式，其中，X为p×1阶外源指标向量；Λx表示外源指标与外源潜变量之间的关系；δ为外源指标X的误差项；
(32)根据内生潜变量测量方程的一般公式：Y＝Λyη ε，确立了内生潜变量测量方程：
式中：Y为q×1阶内源指标向量；Λy表示内源指标与内源潜变量之间的关系；
ε为内源指标Y的误差项；
(33)根据结构方程的基本形式：η＝βη Γξ ζ，提出了内源潜变量的结构方程式：
其中，ξ为m×1阶外源潜变量向量。
η为n×1阶内源潜变量向量。
β为内源潜变量η之间的回归系数，反映了内源潜变量之间的关系。
Γ为ξ与η间的回归系数，反映了外源潜变量对内源潜变量的影响。
ζ为残差项，反映了η在方程中未被解释的部分；
(34)根据绝对拟合度指标和相对拟合度指标进行拟合，获取初始模型拟合优度指数；
(35)对初始模型的路径进行修改，获取修正后模型拟合优度指数，并将修正后模型拟合优度指数与初始模型拟合优度指数进行比较；
步骤(4)归一化处理后的，得到一级评价指标权重值W＝(0.188，0.152，0.137，0.356，0.187)；
二级评价指标权重分别为：
wsmo＝(0.38，0.33，0.29)wsmm＝(0.30，0.20，0.28，0.22)wsma＝(0.27，0.26，0.24，0.23)，wsmf＝(0.32，0.23，0.24，0.26)wsmc＝(0.25，0.38，0.37)；其中，wsmo、wsmm、wsmf、wsma、wsmc分别表示煤矿安全管理组织、煤矿安全管理模式、煤矿安全管理要素、煤矿安全管理能力和煤矿安全管理监控五个一级指标下的各二级指标对应的权重值；
步骤(5)具体包括如下步骤：
(51)令K(xi，xj)是定义在上X×X上的核函数，W是给定输入空间的m×m维矩阵，即基于SEM路径系数的权重向量，式中：m为输入空间的维数，特征加权核函数Kf定义为Kf(xi，xj)＝K(xiT，xjTW)，W称为特征加权矩阵；W＝dig(w1，w2，...，wm)，wi∈(0，1)，i＝0，1，...，m为煤矿安全管理风险评价指标的特征权重值，wi取值不同直接影响到回归函数的选择；
(52)采用Gauss径向基核函数：
(53)将评价指标特征权重加权后的Gauss核函数变为：
即为特征加权Gauss核函数，由基于SEM路径系数的权重向量W计算特征加权Gauss核函数。 ”
经形式审查合格，国家知识产权局于2019年02月25日依法受理了该复审请求，并将其转送至原审查部门进行前置审查。
原审查部门在前置审查意见书中认为：（1）虽然对比文件1具体公开的是一种针对供应链金融信用风险评估模型，即一种基于PCA-LSFSVM模型，其在小样本、负类数据较少具有较大的局限性，但是对比文件2公开的采用结构方程模型方法应用于煤矿安全管理，并且其可以解决对比文件1在小样本、负类数据较少具有较大的局限性的问题，因此，本领域人员在面对对比文件1公开的一种针对供应链金融信用风险评估模型在小样本、负类数据较少具有较大的局限性的问题时，容易想到将对比文件2公开的针对煤矿安全管理风险解决在小样本、负类数据较少具有较大的局限性的问题的方法应用到对比文件1中，从而得到一种针对煤矿安全管理风险的评价方法。因此，根据对比文件1已经公开了一种针对供应链金融信用风险评估模型，其提供了一种风险评估模型，包括输入变量的选择和评估方法的选择，以及对比文件2公开了采用结构方程模型方法来研究各因素对煤矿企业应急救援能力，在此基础上，本领域人员容易想到将对比文件2公开的采用结构方程模型方法来研究的各因素作为对比文件1的风险评估模型的输入变量，从而获得关于煤矿安全管理的风险评估模型，从而提高煤矿安全管理风险评价结果的准确度。而对比文件3已经公开了煤矿安全管理组织中的大部分风险因子，本领域人员根据对比文件3公开的内容以及实际情况可以确定煤矿安全管理组织的其他具体内容。（2）对于复审请求人认为的“本申请的创新点在于在于通过对煤矿安全管理风险关系路径系数进行归一化处理，计算出煤矿安全管理风险评价指标特征权重，并于FSVM的GAUSS核函数进行内积运算，构建特征加权GAUSS核函数”，对比文件1已经公开了采用径向基核函数，同时，对比文件2也公开了“根据模型测量变量及其潜在变量的因子负荷系数来确定权值，计算出煤矿应急救援能力各影响因素的权值后，对每个影响因素按照测量变量的内容进行评分，先求出各影响因素的综合指数，最终求出煤矿应急救援能力的综合指数”，在此基础上，为了提高风险评价模型的评价结果的准确度，本领域人员根据对比文件1、2公开的上述内容容易想到基于SEM路径系数的权重向量来计算RBF核函数，而具体计算方法这是本领域人员根据实际情况可以确定的。因而坚持原驳回决定。
随后，国家知识产权局成立合议组对本案进行审理。
在上述程序的基础上，合议组认为本案事实已经清楚，可以作出审查决定。
二、决定的理由
1、审查文本的认定
复审请求人在提复审请求时提交了权利要求书的全文替换页，经审查，以上修改符合专利法第33条和专利法实施细则第61条第1款的规定。因此，本复审决定针对的审查文本为：申请日2016年06月02日提交的说明书摘要、说明书第1-22页、摘要附图、说明书附图图1-2；2019年01月09日提交的权利要求第1项。
2、专利法第22条第3款
专利法第22条第3款规定：创造性，是指与现有技术相比，该发明具有突出的实质性特点和显著的进步，该实用新型具有实质性特点和进步。
如果一项权利要求的技术方案与作为最接近现有技术的对比文件相比存在区别特征，其它对比文件没有对其中部分区别技术特征给出技术启示，同时上述部分区别技术特征不属于本领域的公知常识，并且该部分区别技术特征使得权利要求的技术方案具备有益的技术效果，则该权利要求相对于上述对比文件和本领域的公知常识具备创造性。
本复审决定使用的对比文件与驳回决定使用的对比文件相同，即：
对比文件1：“基于PCA-LSFSVM的供应链金融信用风险评估模型研究”，李倩，《中国优秀硕士学位论文全文数据库 经济与管理科学辑》，2015年第01期，第J145-88页，公开日为2015年01月15日；
对比文件2：“基于SEM的煤矿企业应急救援能力评价模型研究与应用”，石钰，《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》，2013年第03期，第B026-13页，公开日为2013年03月15日；
对比文件3：“煤矿安全管理多元风险辨识及演化机理”，何叶荣 等，《中国安全生产科学技术》，第10卷第5期，第180-185页，公开日为2014年05月31日。
对比文件1作为最接近的现有技术。
2.1 权利要求1具备专利法第22条第3款规定的创造性
权利要求1请求保护一种基于SEM-FSVM的煤矿安全管理风险评价方法，对比文件1公开了一种基于PCA-LSFSVM的供应链金融信用风险评估模型（相当于“一种风险评价方法”），并具体公开了以下内容（参见正文第43第1行-第64页最后一行）：（1）前期数据处理，首先，在分析影响供应链金融信用风险的四大方面的因素之后，选取用于信用评价的指标，构建基于供应链金融融资模式的商业银行信用风险评价指标体系，接着，收集相关的指标数据并进行预处理，删除存在明显错误的“伪样本”，对个别存在缺失的指标，用均值或中位数予以代替；（2）提取主成分，代表原指标变量作为后续模型的输入变量，包括主成分分析可行性检验、计算特征根、根据因子载荷矩阵算出主成分的值，采用主成分分析方法提取信用指标评价的关键成分（则对比文件1公开了：(1)基于多元风险致因，运用主成分分析与因子分析的方法，提取关键风险因素；(2)构建出风险评价指标体系）；（3）模糊支持向量机（FSVM）将支持向量机与模糊数学的思想结合，通过引入隶属度函数，对样本数据进行模糊化处理。对靠近中心的样本赋予较大的模糊隶属度，对边界点赋予相对较小的模糊隶属度，从而减少“异常”信息对信用风险评价结果的影响。构建用于信用评价的带可变惩罚因子的LSFSVM模型，本文通过逐步引入模糊隶属度、可变惩罚因子及二次损失函数将标准的SVM模型改进成适用供应链金融信用评价的带可变惩罚因子的LSFSVM模型，选择将低维空间内的数据映射到高维空间的核函数，及确定模型参数的寻优算法，选取RBF作为核函数（则对比文件1公开了：(5)构建GAUSS核函数；(6)将模糊支持向量机理论应用于风险评价中，消除样本贡献度对评价结果的影响）；（4）模型训练与效果验证，从样本中选择一部分对模型进行训练，剩下的对训练好的模型进行效果验证，检验模型的泛化能力；本文运用SPSS统计分析软件的Factor过程对供应链金融信用风险评估涉及的29个指标进行主成分分析，提取主成分，具体过程如下：（1）主成分分析的可行性检验；（2）提取主成分，根据主成分分析计算方法，统计样本数据的特征值和方差贡献率；（3）计算主成分的值，主成分的系数须由未经旋转过的初始因子载荷矩阵来计算，因子载荷矩阵如表6-5所示，根据此因子载荷矩阵，可以得出各主成分与原指标体系中各指标的线性关系，藉此计算出各主成分的值。
由此可见，权利要求1与对比文件1的区别为：
（一）风险评价对象针对的是煤矿安全管理；步骤(1)提取的煤矿安全管理关键风险因素包括五个外源潜变量和一个内源潜变量，所述外源潜变量包括煤矿安全管理组织(SMO)、煤矿安全管理能力(SMA)、煤矿安全管理模式(SMM)、煤矿安全管理要素(SMF)和煤矿安全管理监控(SMC)，所述内源潜变量为煤矿安全管理风险后果(SMR)。所述煤矿安全管理组织包括安全管理组织结构风险因子(v1)、安全管理组织行为风险因子(v2)和安全管理组织文化风险因子(v3)；所述煤矿安全管理模式包括安全管理计划制定与完善(v4)、安全管理计划实施与控制(v5)、安全激励机制(v6)和安全培训及教育(v7)； 所述煤矿安全管理能力包括安全行为管理能力风险因子(v8)、安全行政管理能力风险因子(v9)、安全技术管理能力风险因子(v10)和安全创新管理能力风险因子(v11)； 所述煤矿安全管理要素包括人因要素风险因子(v12)、机械(设备)的安全性风险因子(v13)、环境安全性(v14)和信息的安全性风险因子(v15)； 所述煤矿安全管理监控包括监测产品的标准与规程完备程度风险因子(v16)、安全检测系统校正或维修及时性风险因子(v17)和安全管理监测制度的完善程度风险因子(v18)； 所述煤矿安全管理风险后果包括安全事故发生率与预期的差异(v19)、煤矿企业销售绩效与预期差异(v20)、安全事故造成人员及经济损失值与预期的差异(v21)。
（二）对步骤(1)提取识别出来的风险因素进行提炼、归类与命名；(3)建立煤矿安全管理风险路径关系模型，运用结构方程模型SEM对煤矿安全管理风险概念模型进行验证，计算出煤矿安全管理风险关系路径系数；(4)通过对煤矿安全管理风险关系路径系数进行归一化处理，计算出煤矿安全管理风险评价指标特征权重；步骤(3)涉及的具体步骤如下：
(31)根据外源潜变量测量方程的一般公式：X＝Λxξ σ，提出了外源潜变量的测量方程，参见下式，其中，X为p×1阶外源指标向量；Λx表示外源指标与外源潜变量之间的关系；δ为外源指标X的误差项；
(32)根据内生潜变量测量方程的一般公式：Y＝Λyη ε，确立了内生潜变量测量方程：
式中：Y为q×1阶内源指标向量；Λy表示内源指标与内源潜变量之间的关系；
ε为内源指标Y的误差项；
(33)根据结构方程的基本形式：η＝βη Γξ ζ，提出了内源潜变量的结构方程式：
其中，ξ为m×1阶外源潜变量向量。
η为n×1阶内源潜变量向量。
β为内源潜变量η之间的回归系数，反映了内源潜变量之间的关系。
Γ为ξ与η间的回归系数，反映了外源潜变量对内源潜变量的影响。
ζ为残差项，反映了η在方程中未被解释的部分；
(34)根据绝对拟合度指标和相对拟合度指标进行拟合，获取初始模型拟合优度指数；
(35)对初始模型的路径进行修改，获取修正后模型拟合优度指数，并将修正后模型拟合优度指数与初始模型拟合优度指数进行比较。
步骤(4)归一化处理后的，得到一级评价指标权重值W＝(0.188，0.152，0.137，0.356，0.187)；二级评价指标权重分别为： wsmo＝(0.38，0.33，0.29)wsmm＝(0.30，0.20，0.28，0.22)wsma＝(0.27，0.26，0.24，0.23)，wsmf＝(0.32，0.23，0.24，0.26)wsmc＝(0.25，0.38，0.37)；其中，wsmo、wsmm、wsmf、wsma、wsmc分别表示煤矿安全管理组织、煤矿安全管理模式、煤矿安全管理要素、煤矿安全管理能力和煤矿安全管理监控五个一级指标下的各二级指标对应的权重值；
（三）(5)将通过步骤(4)计算出来的评价指标特征权重与FSVM的核函数GAUSS核函数进行内积运算，构建特征加权GAUSS核函数；(7)通过结构方程模型SEM和模糊支持向量机FSVM相结合，形成一种基于SEM-FSVM的煤矿安全管理风险评价方法，消除评价指标特征贡献度对评价结果的影响。步骤(5)具体包括如下步骤： (51)令K(xi，xj)是定义在上X×X上的核函数，W是给定输入空间的m×m维矩阵，即基于SEM路径系数的权重向量，式中：m为输入空间的维数，特征加权核函数Kf定义为Kf(xi，xj)＝K(xiT，xjTW)，W称为特征加权矩阵；W＝dig(w1，w2，...，wm)，wi∈(0，1)，i＝0，1，...，m为煤矿安全管理风险评价指标的特征权重值，wi取值不同直接影响到回归函数的选择； (52)采用Gauss径向基核函数：
(53)将评价指标特征权重加权后的Gauss核函数变为：
即为特征加权Gauss核函数，由基于SEM路径系数的权重向量W计算特征加权Gauss核函数。
基于上述区别，其实际解决的技术问题是：（1）如何确定具体的风险评价对象以及提取相应的风险因素、如何计算出煤矿安全管理风险关系路径系数和煤矿安全管理风险评价指标特征权重、以及如何建立基于SEM-FSVM的煤矿安全管理风险评价方法，消除煤矿安全管理风险评价指标贡献度对评价结果的影响。
关于上述区别（一），对比文件3公开了一种煤矿安全管理风险演化机理模型，并具体公开了以下内容（参见第180页第1行-184页最后一行）：在对煤矿安全管理中存在的风险源进行辨识的基础上，分析风险的演化机理，建立了煤矿安全管理风险演化机理模型，揭示了安全管理监控系统、管理组织、管理模式、管理能力、管理要素五类（相当于“煤矿安全管理组织(SMO)、煤矿安全管理能力(SMA)、煤矿安全管理模式(SMM)、煤矿安全管理要素(SMF)和煤矿安全管理监控(SMC)”）18项风险因子在风险诱因（管理失范）的促动作用下进行演化的规律。在此基础上，本领域技术人员根据实际情况很容易想到将煤矿安全管理组织(SMO)、煤矿安全管理能力(SMA)、煤矿安全管理模式(SMM)、煤矿安全管理要素(SMF)和煤矿安全管理监控(SMC)这五个外援潜变量作为关键风险因素，将煤矿安全管理风险后果(SMR)作为内源潜变量。
另外，对比文件3还公开了（参见第180页第1行-184页最后一行）:表2 煤矿安全管理主要风险因子及风险描述，管理组织包括安全管理组织结构、安全管理组织运行、安全管理组织行为、安全管理组织文化（相当于“所述煤矿安全管理组织包括安全管理组织结构风险因子(v1)、安全管理组织行为风险因子(v2)和安全管理组织文化风险因子(v3)”）；管理模式包括管理层安全管理理念、安全管理方法与技巧、安全管理系统建设、安全规程标准化水平，安全管理理念落后，安全管理计划制定不完善，缺乏有效的激励机制，管理方法不当，安全培训及教育效果差，安全管理系统建设不完善，安全规程标准化水平低，缺乏有效的安全信息报告处理制度（相当于“所述煤矿安全管理模式包括安全管理计划制定与完善(v4)、安全管理计划实施与控制(v5)、安全激励机制(v6)和安全培训及教育(v7)”）；管理能力包括安全管理行为管理能力、安全技术管理能力、安全信息管理能力、安全管理创新能力，管理人员工龄短、资历较浅、管理经验不足，管理层管理方式不当，管理层的安全行为、安全技术、安全行政、安全信息及安全创新能力不足，安全投入兑现率不高，安全责任制执行率低（相当于“所述煤矿安全管理能力包括安全行为管理能力风险因子(v8)、安全行政管理能力风险因子(v9)、安全技术管理能力风险因子(v10)和安全创新管理能力风险因子(v11)”）；管理要素包括员工安全行为、机械设施完好率、工作环境、信息沟通渠道（相当于“所述煤矿安全管理要素包括人因要素风险因子(v12)、机械(设备)的安全性风险因子(v13)、环境安全性(v14)和信息的安全性风险因子(v15)”）。在对比文件3公开的上述风险因子及风险描述的基础上，本领域人员根据风险演化机理模型以及实际情况很容易获得对应的煤矿安全管理风险后果，而煤矿安全管理风险后果具体内容，这是本领域人员根据实际情况很容易确定的，例如所述煤矿安全管理风险后果包括安全事故发生率与预期的差异(v19)、煤矿企业销售绩效与预期差异(v20)、安全事故造成人员及经济损失值与预期的差异(v21)。
另外，对比文件3公开的煤矿安全管理多元风险与对比文件1的供应链金融信用风险都是本领域常见的风险对象，本领域技术人员很容易想到将对比文件1的风险评估方法应用于煤矿安全管理风险评价。
因此在对比文件3的基础上，本领域技术人员很容易想到采用上述区别（一）来提取煤矿安全管理的风险因素。
关于上述区别（二），对比文件2公开了一种基于SEM的煤矿企业应急救援能力评价模型（相当于“一种基于SEM的煤矿安全管理风险评价方法”），并具体公开了以下内容（参见正文第9页第1行-第53页最后1行）：理解煤矿企业应急救援能力的内涵，根据煤矿企业应急救援能力的内涵构建煤矿企业应急救援能力指标体系，对指标体系中各指标量进行详细分析是准确建立煤矿企业应急救援能力评价模型的前提条件；（1）首先阐述了煤矿企业应急救援能力的内涵，其次确定了煤矿企业应急救援能力影响因素，最后对煤矿企业应急救援能力各影响因素进行了详细分析；（2）确定了影响煤矿企业应急救援能力的四个方面：①事故应急预防能力、②事故应急准备能力、③事故应急响应能力、④事后应急恢复能力，其中事故应急预防能力即为煤矿重大危险源监测与预警能力；事故应急准备能力可划分为：资源准备能力、应急培训能力、组织管理能力三个基本维度；事中应急响应能力可划分为：信息传递能力、应急指挥能力两个基本维度；事后恢复能力可划分为：现场生产恢复能力、企业完善能力两个基本维度；（3）对煤矿企业应急救援能力及影响煤矿应急救援能力的因素进行了详细地分析，为后续建立煤矿企业应急救援能力影响因素概念模型奠定了理论基础（相当于“对提取识别出来的风险因素进行提炼、归类与命名”）；根据上一章对煤矿企业应急救援能力影响因素的分析结果，本章进一步确定了这些影响因素之间的相互关系及其对煤矿企业应急救援能力的影响方式，由于煤矿企业应急救援能力影响因素模型是一个较为复杂的多路径影响关系模型，因此本论文采用结构方程模型方法（相当于 “结构方程模型SEM”）来研究各因素对煤矿企业应急救援能力的影响方式；（1）根据第二章对煤矿应急救援能力各影响因素的分析结果，本章进一步分析了各影响因素对煤矿企业应急救援能力的影响方式，确立出煤矿企业应急救援能力指标体系概念模型；（2）介绍了结构方程模型的分析步骤，结构方程模型分析可分为：理论建立、模型设定、模型识别、抽样调查、数据准备、模型拟合、模型评价、模型修正和模型解释九个步骤；经过结构方程模型验证后获得煤矿应急救援能力影响因素最终模型，由图5.2可知，获得因子负荷系数即煤矿安全管理风险关系路径系数；根据模型测量变量及其潜在变量的因子负荷系数来确定权值（相当于“评价指标特征权重”），计算出煤矿应急救援能力各影响因素的权值后，对每个影响因素按照测量变量的内容进行评分，先求出各影响因素的综合指数，最终求出煤矿应急救援能力的综合指数，此结果可以反映煤矿的应急救援能力。
结构方程模型分析可分为：理论建立、模型设定、模型识别、抽样调查、数据准备、模型拟合、模型评价、模型修正和模型解释九个步骤；
结构方程模型包括测量模型和结构模型两部分：（1）测量模型（Measurement Model）也称为验证性因子分析模型，主要表示潜在变量与观测变量之间的关系，一般由两个方程式组成，分别规定了外因潜在变量ξ和外因观测变量x之间，以及内因潜在变量η和内因观测变量y之间的关系，分别用方程表示为：
X＝Λxξ δ （3-1）
Y＝Λyη ε （3-2）
其中，x为p*1阶外因观测变量向量，Y为q*1阶内因观测变量向量，ξ为m*1阶外因潜在变量向量，η为n*1阶内因潜在变量向量，Λx为p*m阶矩阵，是外因观测变量向量x在外因潜在变量向量ξ上的因子荷载矩阵，Λy为q*n阶矩阵，是内因观测变量向量y在内因潜在变量向量η上的因子荷载矩阵，δ为p*1阶测量误差向量，ε为q*1测量误差向量，δ、ε表示不能由潜变量解释的部分；（则对比文件2公开了：(31)根据外源潜变量测量方程的一般公式:X＝Λxξ σ，提出了外源潜变量的测量方程，其中，X为p×1阶外源指标向量；Λx表示外源指标与外源潜变量之间的关系；δ为外源指标X的误差项；(32)根据内生潜变量测量方程的一般公式:Y＝Λyη ε，确立了内生潜变量测量方程：式中：Y为q×1阶内源指标向量；Λy表示内源指标与内源潜变量之间的关系；ε为内源指标Y的误差项）。
（2）结构模型（Structural Model）也称为因果模型，主要表示潜变量之间的因果关系，用方程表示为：
η＝Bη Γξ ζ （3-3）
其中，η为内因潜在变量向量，ξ为外因潜在变量向量，B为内因潜在变量η之间的回归系数，Γ为外因潜在变量ξ与内因潜变量η间的回归系数，ζ为结构模型的误差项，表示外因潜在变量对内因潜在变量无法解释的部分（则对比文件2公开了：(33)根据结构方程的基本形式:η＝βη Γξ ζ，提出了内源潜变量的结构方程式，其中，ξ为m×1阶外源潜变量向量。η为n×1阶内源潜变量向量。β为内源潜变量η之间的回归系数，反映了内源潜变量之间的关系。Γ为ξ与η间的回归系数，反映了外源潜变量对内源潜变量的影响。ζ为残差项，反映了η在方程中未被解释的部分）；
（3）模型评价：主要评价构建的模型与数据资料的拟合程度，拟合程度指标包括模型整体绝对拟合程度指标、相对拟合程度指标等，如果拟合程度指标未达到一个可以接受的范围，则模型需要进行下一步的调整；
（4）模型修正：当结构方程模型拟合效果不佳时，可以根据模型评价结果对模型进行必要的修改，从而提高模型的拟合度；
初始模型拟合的路径参数见表5.3，进行模型修正，修正后模型拟合优度指数相对于初始模型的拟合优度指数有了很大的改善，对比结果如表5.6所示，修正后的模型拟合优度指数，更加符合各拟合优度指数参考标准，说明修正后模型拟合程度非常好，经过对初始的结构方程模型进行修正，得到最终的符合实际情况的结构方程模型，见图5.2（则对比文件2公开了：(34)根据绝对拟合度指标和相对拟合度指标进行拟合，获取初始模型拟合优度指数；(35)对初始模型的路径进行修改，获取修正后模型拟合优度指数，并将修正后模型拟合优度指数与初始模型拟合优度指数进行比较）。
对比文件2还公开了（参见第53页倒数第1-9行）：根据指标体系中各指标量因子负荷的大小，重新进行归一化处理，确定了个指标量的权值（由此可见，对比文件2公开了：通过对风险关系路径系数进行归一化处理，计算出风险评价指标特征权重）。且上述特征在对比文件2中的作用也是用于计算出风险关系路径系数和煤矿安全管理风险评价指标特征权重。
因为对比文件2已经公开了结构方程模型分析构方程模型分析中计算风险关系路径系数和评价指标特征权重的相关步骤，且在对比文件3的基础上，本领域技术人员很容易想到将煤矿安全管理组织(SMO)、煤矿安全管理能力(SMA)、煤矿安全管理模式(SMM)、煤矿安全管理要素(SMF)和煤矿安全管理监控(SMC)这五个外援潜变量作为关键风险因素，将煤矿安全管理风险后果(SMR)作为内源潜变量，则在对比文件2和对比文件3的基础上，根据实际情况，本领域技术人员很容易确定外源潜变量的测量方程、内生潜变量测量方程和内源潜变量的结构方程式的具体表达、以及具体的一级评价指标权重值和二级评价指标权重；也就是说，本领域技术人员很容易想到采用上述区别（二）来计算出煤矿安全管理风险关系路径系数和煤矿安全管理风险评价指标特征权重。
关于上述区别（三），虽然对比文件1已经公开了PCA-LSFSVM模型用于信用风险评估的实现方法，其中选取RBF作为核函数，表达式为：，同时，对比文件2也公开了一种基于SEM的煤矿企业应急救援能力评价模型，其中公开了计算出风险关系路径系数、风险评价指标特征权重的系相关步骤，但是本申请提出的基于SEM-FSVM的煤矿安全管理风险评价方法，其将计算出来的评价指标特征权重与FSVM的核函数GAUSS核函数进行内积运算，构建特征加权GAUSS核函数，具体构建构建特征加权GAUSS核函数的步骤为：(51)令K(xi，xj)是定义在上X×X上的核函数，，W是给定输入空间的m×m维矩阵，即基于SEM路径系数的权重向量，式中：m为输入空间的维数，特征加权核函数Kf定义为Kf(xi，xj)＝K(xiT，xjTW)，W称为特征加权矩阵；W＝dig(w1，w2，...，wm)，wi∈(0，1)，i＝0，1，...，m为煤矿安全管理风险评价指标的特征权重值，wi取值不同直接影响到回归函数的选择； (52)采用Gauss径向基核函数：
(53)将评价指标特征权重加权后的Gauss核函数变为：
即为特征加权Gauss核函数，由基于SEM路径系数的权重向量W计算特征加权Gauss核函数，也就是说本申请构建的这种特征加权Gauss核函数体现的是一种“情景嵌入型”的双权重评价方法研究，并不是将对比文件1的PCA-LSFSVM与对比文件2中SEM的简单叠加（例如分别用FSVM方法和SEM方法对煤矿安全管理风险进行评价，然后评价结果取平均值作为其最后的评价结果，这就是一种简单叠加的方式），在对比文件1和对比文件2的基础上，本领域技术人员很难想到构建特征加权Gauss核函数，这也正是本申请的创新点所在。而且，上述区别（三）也不是本领域的公知常识。所以本领域技术人员不能显而易见地通过结合对比文件1、对比文件2、对比文件3和本领域的公知常识得到权利要求1的技术方案。正是由于该区别（三），使得本申请能够达到同时消除评价指标贡献度和评价样本贡献度对评价结果的影响，能提高评价结果的准确度，获得有益的技术效果。因此，权利要求1相对于对比文件1、对比文件2、对比文件3以及公知常识的结合具有突出的实质性特点和显著的进步，符合专利法第22条第3款关于创造性的规定。
3、对驳回决定和前置审查意见的评述
驳回决定和前置审查意见中认为：（1）对比文件2公开的采用结构方程模型方法应用于煤矿安全管理，并且其可以解决对比文件1在小样本、负类数据较少具有较大的局限性的问题，因此，本领域人员在面对对比文件1公开的一种针对供应链金融信用风险评估模型在小样本、负类数据较少具有较大的局限性的问题时，容易想到将对比文件2公开的针对煤矿安全管理风险解决在小样本、负类数据较少具有较大的局限性的问题的方法应用到对比文件1中，从而得到一种针对煤矿安全管理风险的评价方法。
（2）对比文件1已经公开了采用径向基核函数，同时，对比文件2也公开了计算出煤矿应急救援能力各影响因素的权值后，对每个影响因素按照测量变量的内容进行评分，在此基础上，为了提高风险评价模型的评价结果的准确度，本领域人员根据对比文件1、2公开的上述内容容易想到基于SEM路径系数的权重向量来计算RBF核函数。
对此，合议组认为：
（1）根据本申请说明书第11页倒数第1-4段的记载：“在充分考虑煤矿安全管理非线性、动态时变性、小样本事件及含有模 糊信息等特点的基础上，将模糊支持向量机FSVM理论应用于煤矿安全管理风险 评价中，消除样本贡献度对评价结果的影响；在支持向量机二次规划的惩罚参数 中添加模糊隶属度，构建模糊支持向量机FSVM，通过核函数实现到高维空间的 非线性映射，适合于解决本质上含有模糊信息、非线性分类和小样本事件、回归 和密度函数估计等问题，使用模糊支持向量机解决煤矿安管理的小样本、非线性及模糊信息问题，消除样本贡献度对评价结果的影响”。可见，FSVM方法才是用于解决煤矿安全管理的小样本、非线性、模糊信息的问题，而不是对比文件2的SEM方法，所以原审查部门提出的“本领域人员在面对对比文件1公开的一种针对供应链金融信用风险评估模型在小样本、负类数据较少具有较大的局限性的问题时，容易想到将对比文件2公开的针对煤矿安全管理风险解决在小样本、负类数据较少具有较大的局限性的问题的方法应用到对比文件1中，从而得到一种针对煤矿安全管理风险的评价方法”并不正确。
（2）当在对比文件1的基础上结合对比文件2时，本领域技术人员容易想到的也仅是对比文件1的PCA-LSFSVM与对比文件2中SEM的简单叠加（例如分别用FSVM方法和SEM方法对煤矿安全管理风险进行评价，然后评价结果取平均值作为其最后的评价结果，这就是一种简单叠加的方式），而并不容易想到本申请这种构建特征加权Gauss核函数的双权重评价方法。
综上，合议组认为权利要求1具备创造性。
三、决定
撤销国家知识产权局于2018年11月16日对本申请作出的驳回决定。由国家知识产权局原审查部门在本复审决定针对的审查文本的基础上对本申请继续进行审查。
如对本复审请求审查决定不服，根据专利法第41条第2款的规定，复审请求人可自收到本决定之日起三个月内向北京知识产权法院起诉。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
