煤矿安全监测是保障矿山安全生产的关键环节，随着智能化矿山建设的持续推进，多源监测数据的高效分析方法成为行业研究热点。主成分分析法（PCA）与熵权法是构建风险指标体系的两种主流客观赋权方法，但二者在煤矿安全场景下的适用条件与性能差异尚未得到系统对比，难以满足高瓦斯矿井实时风险预警的实际需求。

针对上述关键问题，由山西师范大学、山西汾西矿业中兴煤业、澳大利亚中央昆士兰大学、南昆士兰大学等单位联合攻关，我院张仲伍教授参与合作完成并发表于国际知名开放获取期刊《PLOS ONE》的研究论文《A comparative analysis of the principal component analysis and entropy weight methods to establish the indexing measurement》，正式入选ESI高被引论文。

研究基于真实矿井监测数据，系统对比了两种方法在煤矿瓦斯安全指标构建中的性能差异，明确了不同数据场景下的适用方案，为高瓦斯煤矿风险实时预警提供了科学、高效的技术支撑。此次获评高被引论文，充分彰显了该研究重要的学术价值与行业实践意义，相关结论被国内外多篇高水平论文引用，为煤矿安全智能化建设、地质灾害风险评估等领域提供了关键参考，持续推动矿业安全领域的科研创新与技术进步。

论文信息：

Wu RMX, Zhang Z, Yan W, Fan J, Gou J, Liu B, et al. (2022) A comparative analysis of the principal component analysis and entropy weight methods to establish the indexing measurement. PLoS ONE 17(1): e0262261.

论文链接：

https://doi.org/10.1371/journal.pone.0262261

（本文未经允许，禁止转载、摘编）