相关实验视频
Updated: Jul 9, 2025
08:35
Minimum Burning Pressures of Water-based Emulsion Explosives
Published on: October 31, 2017
8.5K
使用基于频率的ANP和BPNN的烟花生产企业的安全风险综合评估
Feiyue Wang1, Xinyu Wang1, Dingli Liu2
1Institute of Disaster Prevention Science and Safety Technology, School of Civil Engineering, Central South University, Changsha, 410075, Hunan, China.
Heliyon
|November 29, 2023
概括
本研究引入了针对烟花行业的新型安全风险评估模型. 基于频率的分析网络过程 (ANP) 和反向传播神经网络 (BPNN) 提高了事故发生概率和严重程度的预测.
科学领域:
- 工业安全工程 工业安全工程
- 人工智能在风险管理中的应用
- 预防事故的策略 预防事故的策略
背景情况:
- 烟花行业面临着持续的安全挑战,需要强大的风险评估工具.
- 现有的安全评估模型往往缺乏有效降低风险所需的精度.
- 数据驱动的方法对于理解和减轻复杂的工业危险至关重要.
研究的目的:
- 为烟花生产企业开发和验证创新的安全风险评估模型.
- 提高高危行业安全风险评估的准确性和客观性.
- 为实时安全管理和决策支持提供应用人工智能的新战略.
主要方法:
- 开发了一种基于频率的分析网络过程 (ANP) 模型,以确定影响事故概率的风险因素的因果频率.
- 使用历史事故数据构建了一个反向传播神经网络 (BPNN) 模型,以预测事故后果的严重程度.
- 整合了ANP和BPNN模型,以全面确定烟花生产中的安全风险水平.
主要成果:
- 综合ANP和BPNN模型表明,事故和非事故公司之间的概率评估存在统计学上显著的差异.
- 严重性评估模型实现了高精度 (98.21%),低平均平方误差 (8.97 × 10−4) 和高相关性 (0.96).
- 2017-2020年使用100家中国烟花企业的实证验证证了这些模型的有效性.
结论:
- 基于频率的ANP和BPNN模型通过整合自我学习和模糊逻辑来提供更准确和客观的安全风险评估方法.
- 这项研究为工业安全中人工智能应用提供了一个新的策略,使实时风险评估和知情决策成为可能.
- 开发的模型有助于降低风险,提高烟花生产部门的安全管理.
