1.一种矿井班组工人不安全行为传播过程提取和分析方法，其特征在于，包括如下步骤：S1，获取矿井中工人不安全行为数据，建立工人不安全行为涌现传播的信息加工过程模型；

S2，通过加工过程模型训练之后，对工人不安全行为建立班组群体系统，并对班组群体系统主体、结构、内部沟通方式要素进行提取和刻画；

S3，提取和刻画完成之后，构建不安全行为传播过程概念模型；

S3‑1，确定矿井作业过程中工人主体Agent与外界环境及其他工人主体Agent之间交互作用的设定的通信规则和交互连接情境；

S3‑2，建立工人主体Agent行为规则及知识库；

S3‑3，构建不安全行为传播过程概念模型，对工人所传播的不安全行为进行定义，从而刻画矿井中班组长执行行为和工人执行行为中差异化，并对差异化和同质化的班组长执行行为和工人执行行为进行概念定义；

所述S3‑3所构建的不安全行为传播过程概念模型包括：

S‑A，判断待识别的工人不安全行为是否存在预存的工人不安全行为中，如果存在，则确定所述待识别的工人不安全行为是存在的；否则不存在工人不安全行为，利用聚类分析后验概率法对矿井中的工人不安全行为进行自学习得到不安全行为期望值，利用贝叶斯公式计算工人不安全行为后验概率：其中根据隐藏变量fx，形成工人不安全行为的实例类别数量为dx＝y，其中下标x为工人不安全行为的类别，y为获取的工人不安全行为数量，T(dx＝y；E)为工人不安全行为在类别数量为dx＝y所占的空间分布比例，通过计算参数E进行标注；其中K,Ψ分别为工人不安全行为判断参数和概率分析调节参数，通过计算过程函数T(fx|dx＝y,K,Ψ)对后验概率进行计算，s为正整数，将过程函数在工人不安全行为中进行空间分布计算，通过混合模型计算之后与过程函数在工人不安全行为中进行空间分布计算比值得到不安全行为后验概率，

通过后验概率计算形成工人不安全行为初始聚类中心，以每个初始聚类中心为起点，依次对待聚类的工人不安全行为，计算工人不安全行为相似度：其中V(i)为工人不安全行为样本函数，V(j)为工人不安全行为评

估函数，σ为调节系数，i和j为正整数；

设置工人不安全行为聚类样本Ls的剔除阈值：R(Ls)，则聚类算法为：

其中，Fmax(Ls,Ni)为聚类样本Ls和行为标准Ni的最大样本参考函数，W(Ls)为聚类样本Ls的偏导数，U为权重变量，C(Ls,Ni)为基准参考函数，然后乘以工人不安全行为实施人数Ps和矿井工人总人数P的比值S4，建立完成传播过程概念模型后，对工人主体Agent模型进行加工设计；

S5，将形成的不安全行为传播过程概念模型和工人主体Agent模型，根据认知过程建立工人不安全行为传播决策机制；

S6，根据建立的工人不安全行为传播决策机制，进行验证操作，并根据工人不安全行为的动态传播演化进行修正。

2.根据权利要求1所述的矿井班组工人不安全行为传播过程提取和分析方法，其特征在于，所述S1包括：S1‑1，通过矿井图像采集设备进行工人不安全行为收集操作，通过感知矿井外界环境接收矿井中实际的工作场景信息，在矿井实际工作场景信息中定义不安全行为模型；

S1‑2，根据不安全行为模型通过矿井图像采集设备提炼工人不安全行为，将矿井实际工作场景信息和相应时间点提炼工人不安全行为进行信息映射；

S1‑3，根据映射后的工人不安全行为信息，对工人不安全行为认知加工，根据机器学习中对工人不安全行为的理解认知以及映射后的工人不安全行为信息完成认知加工过程；

S1‑4，经过对工人不安全行为进行收集、复制和演化之后，对工人不安全行为进行适当选择并调试工人不安全行为数据集；从而形成信息加工过程模型。

3.根据权利要求1所述的矿井班组工人不安全行为传播过程提取和分析方法，其特征在于，所述S2包括：S2‑1，经过S1形成的信息加工过程模型训练之后，工人不安全行为提炼为班组长执行行为和工人执行行为；

S2‑2，所述班组长执行行为，形成班组长执行领导不安全行为库、分配工作任务不安全行为库、监督管理不安全行为库和协调控制不安全行为库；

S2‑3，所述工人执行行为，形成工人执行业务不安全行为库、操作技术不安全行为库和示范操作不安全行为库。

4.根据权利要求1所述的矿井班组工人不安全行为传播过程提取和分析方法，其特征在于，所述S5包括：S5‑1，对于工人不安全行为决策机制：行为决策过程中，工人更多的是考虑最终所选择的行为所能带来自身效益和规避的风险，基于工人的认知信息加工过程，运用前景理论对工人的行为决策过程进行描述，该理论将风险的决策过程分为两个过程，即编辑和评价；在风险评价的编辑阶段，工人个体成员借助于参考点采集和处理信息，在评价阶段，则主要依靠价值函数和主观概率的权重函数这两个方法判断信息；

S5‑2，建立工人不安全行为价值函数：在矿井作业过程中，工人对工友不安全行为的模仿或复制行为传播是以工友的不安全行为为决策参照点，设置以工友不安全行为为参照点的价值函数；

S5‑3，建立工人不安全行为权重函数：根据前景理论决策模型设计工人行为决策的权重函数，代表各预期结果的概率度量，以及各预期结果对于总效用的变化影响；

S5‑4，建立工人不安全行为预期效用函数：不同个性心理的工人对于预期效用的偏好各不相同，因此需要对个体的偏好系数进行设计；其中，对于主动型个性心理的工人，其对于薪酬等级和职位等级的偏好均大于工友行为示范作用的影响，而对于被动型个性特点的工人而言，在作业过程中，薪酬等级和职位等级的偏好影响要小于工友行为示范作用的影响；另外，工人对预期效用结果的发生概率的判断受情境因素的影响，根据煤矿企业情境因素的内容和影响，按照期望收益与等级的边际递增关系效果，确定预期效用及其发生概率函数；据此，设置具体的工人对预期目标进行价值评价的预期效用函数；当工人作业行为的效用小于所参照工人所达到的行为效用时，则视为工人作业行为的损失，进而获得相应的损失效用函数；

S5‑5，工人不安全行为传播决策函数：通过S5‑1至S5‑4得到工人不安全行为传播决策机制，当提炼的工人不安全行为预期效用绝对值大于工人不安全行为损失效用的绝对值时，矿井图像采集设备预存的工人不安全行为数据对实时采集工人不安全行为数据进行判断；如果不匹配为相同行为则继续进行矿井作业操作，反之，则拒绝采用该不安全行为。

5.根据权利要求1所述的矿井班组工人不安全行为传播过程提取和分析方法，其特征在于，所述S6包括：S6‑1，根据矿井中班组长执行行为和工人执行行为预存的工作行为数据及实时采集的工作行为数据，构建工人不安全行为主体行为模型、工人不安全行为环境模型及工人不安全行为交互模型；

S6‑2，制定工人不安全行为动态变化目标变量、班组规模、智能体参数取值、结果输出方式的仿真技术方案；

S6‑3，工人主体不安全行为采用前期设计的工人不安全行为传播决策机制和模型参数；工人不安全行为环境模型是以矿井中工人作业过程的信息来源为主，交互模型设计的是工人主体Agent与外界环境及其他Agent之间交互作用的既定的通信规则和交互连接情境；

S6‑4，通过云端服务器不断收集更新矿井工人不安全行为的数据集，并更新本地工人不安全行为数据集，通过不断的训练和更新，实时完成矿井工人不安全行为的决策，并对工人不安全行为的动态传播演化进行修正。