基于BP神經網絡危險貨物空運動態安全評價研究

[摘要]以航空公司為研究對象，從“人、物、環、管”四個方面分析影響危險貨物航空運輸安全的因素，結合層次分析法，建立危險貨物航空運輸動態安全評價指標體系。運用BP神經網絡進行危險貨物航空運輸動態安全評價模型構建。以業內專家對14家航空公司的評價為原始數據，借助mat-lab、VC等計算機輔助工具求解動態安全評價模型，得出各安全評價指標的權重。實際應用動態安全評價模型對航空公司的危險貨物運輸情況進行評價，驗證了評價模型的合理性。應用該動態評價模型能為危險貨物航空運輸的安全管理提供決策支持。

[關鍵詞]危險貨物；航空運輸；BP神經網絡；動態安全評價；指標變權

[中圖分類號]U16；F562；V328 [文獻標識碼]A [文章編號]1005—152X（2017）03—0071—04

1引言

物流業的快速發展給人們的生活帶來諸多的便利。隨著人們越來越關注貨物運送的速度，航空運輸便成了物流的首選。各種各樣的貨物，尤其危險貨物，通過航空運輸既保證了時效性，又給航空運輸企業帶來巨大的安全風險。對于高風險高回報的危險貨物運輸，航空運輸企業是愛恨交加。隨著危險貨物航空運輸周轉量的逐年增加，如何保證危險貨物安全航空運輸，已成為航空物流業關注的熱點。

安全評價作為安全系統工程的重要內容之一。對危險貨物航空運輸進行安全評價，有利于危險貨物航空運輸安全性的提高。目前系統的安全分析一般采用靜態評價方法，通常只考慮各安全評價指標的相對權重，對各安全評價指標的組合狀態缺乏考慮，不能有效解決系統內部的非線性問題且不適應于安全評價指標權重變化的情況。危險貨物航空運輸是一個復雜的、模糊的、動態變化的運輸生產系統，在很多方面表現出明顯的非線性關系。本文擬通過BP神經網絡方法構建一個動態安全評價模型，克服危險貨物航空運輸系統內部的非線性問題，對危險貨物航空運輸進行客觀的安全評價。

2危險貨物航空運輸安全評價方法的選擇

危險貨物航空運輸生產系統涉及諸多狀態變量，其中部分狀態變量很難確定，各個狀態變量間影響關系非常復雜，且保持一種動態關系，一般的線性方程、微分方程很難求解。

人工神經網絡能處理那些不能用簡單公式進行描述的系統問題，并且在解決規律不明確的問題時具有較大的優越性，能避免人為確定指標權重時主觀因素的影響，也能避免完全依照數值來確定權重時與真實的情況不相符的情況。王志等人利用BP神經網絡方法構建非煤地下礦山安全評價模型，對具有復雜性和非線性特性的非煤地下礦山進行安全評價，構建的模型具有較高的準確性。張力等基于DPSIR和BP神經網絡建立安全績效評估模型，對M企業進行安全績效評估，評價的結果與真實情況相符。王起全等將BP神經網絡應用于大型活動擁擠踩踏事故系統的安全評估，評估結果直觀易懂，可操作性強。

鑒于危險貨物航空運輸系統動態、模糊、隨機性的特點，采用BP神經網絡構建危險貨物航空運輸動態安全評價模型，對安全評價指標的變權進行分析，解決各安全影響因素之間的非線性關系。

3危險貨物航空運輸動態安全評價模型

3.1評價指標體系

安全評價指標的選取是安全評價的核心問題，不同的評價指標會得到不同的評價結果。從安全系統工程的原理出發，運用層次分析方法，從“人、物、環、管”四個角度分析并構建航空公司的安全評價指標體系。

“人的因素”主要包括：工作人員的技能素質，是否受過相關的培訓和是否掌握危險貨物航空運輸的專業知識；工作人員的安全意識，是否能意識到工作過程中有違章行為，是否能意識到差錯對危險貨物航空運輸的安全產生影響；工作人員的責任心，直接關系到安全管理的執行情況；工作人員流動比率，人員的流失與變更勢必會對危險貨物航空運輸的安全造成影響。

“物料因素”主要包括以下幾個方面：首先，危險貨物的理化特l生，危險貨物的不安全狀態是影響危險貨物航空運輸的物質基礎。危險貨物共分為9大類。當危險貨物的不安全狀態達到一定條件就會發生事故。其次，如果危險貨物不能被正確識別，很容易被當成普通貨物進行處理，為其航空運輸埋下安全隱患。最后，危險貨物包裝是否正確，在危險貨物航空運輸過程中起到舉足輕重的作用，危險貨物包裝不合理往往導致不安全事件發生。

“運輸環境”主要包括：危險貨物包裝件所處特殊運輸環境的壓力、溫濕度等。飛機在空中飛行環境的壓力、溫度要低于地面，會影響到危險貨物的穩定狀態。由于氣流的影響，飛機在空中飛行時往往會遇到顛簸的情況，飛機的顛簸勢必會對危險貨物造成影響，比如鋰電池受到振動可能會發生內部短路，進而發生冒煙起火。

“管理的因素”主要包括：航空公司的規章制度是否完善，包括安全培訓制度、安全自查制度、安全宣傳制度等；危險貨物運輸操作規程是否科學嚴謹；公司是否備案培訓大綱；業務培訓情況等。管理上的不足是事故的間接原因。

危險貨物航空運輸安全評價中并非選取的指標越多越好，選取關鍵指標對評價具有重大意義。分析國內外發生的危險貨物事故征候及不安全事件，并結合上述討論得出危險貨物航空運輸安全評價指標體系如圖1所示。

3.2評價模型構建

構建BP神經網絡的拓撲結構需要確定輸入輸出節點數、網絡層數、隱含層數及隱含層節點數四個方面。四個方面的設置是否科學合理對最終評價結果的準確性有很大影響。

（1）輸入輸出節點數。BP神經網絡輸入輸出節點數是根據模型要解決的實際問題決定的。基于層次分析法，在危險貨物航空運輸安全評價指標體系中包含1個一級評價指標，4個二級評價指標和13個三級評價指標，因此確定BP神經網絡的輸入層有13個節點。本文是對航空公司危險貨物航空運輸的安全性進行評價，輸出的結果對應航空公司危險貨物航空運輸安全表現，故確定BP神經網絡的輸出層有1個節點。

（2）網絡層數。對于BP神經網絡而言，增加隱含層層數和增加隱含層節點數均可以提高訓練質量，降低訓練誤差。3層BP神經網絡相較多層BP神經網絡而言，訓練效果更容易觀察，網絡結構更容易調整，而且3層BP神經網絡已能以任何精度逼近有界區域上的任意連續函數。因此，評價模型選用含有一個隱含層的3層BP神經網絡（如圖2）。

（3）隱含層節點數。隱含層節點數的確定必須滿足以下條件：

①隱含層節點數不能大于N-1（N為訓練樣本數），否則會使得網絡模型的系統誤差由于和訓練樣本的特征無關而無限趨向于零。

②訓練樣本數不能少于模型的連接權數，一般設定為2-10倍；否則樣本必須分成幾部分并采用“輪流訓練”的方法才可能得到可靠的神經網絡模型。本文采用試算法確定隱含層的節點數。根據公式計算出來的隱含層節點數作為試算法的初始值。

式中m為隱含層節點數，n為輸入層節點數，1為輸出層節點數，a為1-10之間的常數。經過多次試算，選擇訓練誤差最小網絡結構確定隱含層節點數，即隱含層節點數目為6。

3.3評價指標權重確定

建立BP神經網絡學習算法的目的是確定評價指標的權重，而BP神經網絡訓練得到的結果只是各神經網絡神經元之間的關系，要想得到輸入因素相對于輸出因素之間的真實關系，也就是輸入因素對輸出因素的決策權重，還需要對各神經元之間的權重加以分析處理，為此利用以下幾項指標來描述輸入因素和輸出因素之間的關系。

根據式（2）-式（4）對各神經元之間的權重加以分析處理，便可得到輸入因素對輸出單元的決策權重，即權重系數。

4危險貨物航空運輸動態安全評價實例計算

4.1原始數據準備

應用BP神經網絡需要原始數據進行網絡訓練，上述分析的安全評價指標中既有定量指標又有定性指標。對于定量指標進行統計計算；對于定性指標，邀請來自航空公司和危險貨物航空運輸教學的老師根據實際情況對行業內14家有危險貨物航空運輸資質的航空公司進行打分。具體的評分標準如下：0-0.25表示此項指標“差”，0.26-0.5表示此項指標“一般”，0.51-0.75表示此項指標“良好”，0.76-1表示此項指標“優秀”。對各個老師評分進行數值處理，得到各個指標的得分作為訓練樣本值。

輸入網絡的數據具有不同的物理意義，需要對數據進行歸一化處理使輸入的數據在模型中處于同等地位。歸一化處理公式如下：

根據老師們對以往各個航空公司運輸危險貨物業務水平的了解，對各個航空公司進行綜合評分，所得的綜合評分作為期望輸出，見表2。

4.2模型訓練及結果

構建BP神經網絡的拓撲結構，設置網絡參數，對所有的樣本進行訓練，當訓練達到所需要的精度后結束，得到輸入層與隱含層的權值矩陣IW及隱含層與輸出層的權值矩陣LW。

根據式（2）-式（4），運用C語言編譯器進行編程計算，確定各個安全評價指標的權重見表3。

4.3模型的合理性檢驗

選擇國內某航空公司進行危險貨物運輸安全評價，經審計給出的結論是該航空公司危險貨物航空運輸的整體水平有待提高，需提高危險貨物航空運輸有關人員的技能，加強危險貨物航空運輸安全文化建設。請上述來自航空公司和危險貨物航空運輸教學的老師對部分指標進行打分，工作人員技能素質為0.84，工作人員安全意識為0.29，工作人員責任心為0.48，所運輸危險貨物的理化性質為0.67，壓力為0.82，振動為0.43，規章制度完善情況為0.80，操作規程科學完善情況為0.91，安全培訓情況分值為0.87。而工作人員流動比率、危險貨物識別率及危險貨物包裝正確率分別為25%、98%和97%。對上述分值進行加權求和，算得結果為0.75。該評價結果落在置信區間0.51-0.75中，表明該航空公司危險貨物運輸安全水平為“良好”。對比發現，通過動態安全評價模型得出的結論較為合理，能夠較好的反應航空公司危險貨物運輸的安全水平。

5結束語

本文對航空公司危險貨物運輸業務進行分析，從“人、物、環、管”四個角度出發確定影響危險貨物航空運輸安全的因素，形成危險貨物航空運輸安全評價指標體系。運用BP神經網絡建立危險貨物航空運輸動態安全評價模型，根據航空公司的情況進行安全現狀評價，為危險貨物航空運輸安全評價提供了新的思路。

雖然運用BP神經網絡建立了上述的安全評價模型，但是訓練樣本較少，如果能采集到更多樣本數據，動態評價模型的精度將會進一步提高。同時隨著航空公司的安全管理水平不斷提高，各個安全指標的權重也會發生相應的變化，定期對危險貨物航空運輸動態安全評價模型進行修正，可以使其更符合實際運輸生產的需要，有利于航空公司進行有針對性的安全管理，有利于航空物流業健康發展。