W artykule omówiono dwie innowacyjne metody oceny stanu zagrożenia pożarowego w kopalniach węgla kamiennego: metodę wskaźnika WSS oraz uniwersalną metodę predykcji stanu zagrożenia pożarowego opartą na sztucznej sieci neuronowej (ANN). Wskaźnik WSS opracowano w oparciu o teorię liczb kryterialnych. Uwzględnia on stężenia kluczowych gazów powstających podczas procesu utleniania/ samozgrzewania węgla. Metoda ta charakteryzuje się wysoką precyzją w ocenie zagrożenia pożarowego – szczególnie w porównaniu z tradycyjnym wskaźnikiem Grahama – dzięki zaawansowanym przekształceniom matematycznym i szerszemu spektrum monitorowanych parametrów. Z kolei w drugiej metodzie (ANN) wykorzystano dane z precyzyjnych analiz chromatograficznych próbek gazowych do uczenia sztucznej sieci neuronowej. Podczas tego procesu sieć znajdowała złożone zależności pomiędzy stężeniami tych gazów, co w konsekwencji pozwoliło na bardziej precyzyjną i odporną na zakłócenia ocenę stanu zagrożenia, nawet w warunkach zwiększonego stężenia azotu – pochodzącego z inertyzacji. Obydwie metody znacząco poprawiają precyzję i niezawodność w monitorowaniu zagrożenia pożarowego, zwiększając bezpieczeństwo pracy w kopalniach.

The article discusses two innovative methods of assessing the state of fire hazard in coal mines: the WSS index method and the universal fire hazard prediction method based on an artificial neural network (ANN). The WSS index was developed based on the theory of criterion numbers. It takes into account the concentrations of key gases generated during the oxidation/ self – heating process of coal. This method is characterized by high precision in assessing fire hzard – especially compared to the traditional Graham’s ratio – due to advanced mathematical transformations and a wider spectrum of monitored parameters. In the second method (ANN) data from precise chromatographic analyses of gas samples were used to teach an artificial neural network. During this process, the network found complex relationships between the concentrations of these gases, resulting in a more precise and disturbance – tolerant assessment of the state of hazard, even under conditions of increased nitrogen concentration – derived from intertisation. Both methods significantly improve the precision and reliability of fire hazard monitoring, enhancing work safety in mines.