基于人工神經網絡的化工安全評價分析

郭春麗(杭州安全生產科學技術有限公司，浙江 杭州 310000)

0 引言

人工神經網絡構建化工安全評價模型，對安全生產管理具有一定的指導意義，提高化工企業安全評價質量，確保安全生產，加強危險源防范，減少事故發生幾率，減少財產損失和人員傷亡，具有重要意義。人工神經網絡的優點也很凸顯，可以模擬人腦活動，并且自學習、大規模并行處理、具有強非線性、自組織和容錯等優點。將神經網絡理論應用于系統安全評估，可以克服傳統的安全評估結果。這將為企業控制提供快速、科學和安全生產管理的決策信息，以便及時控制和預測事故，減少事故損失[1]。

1 人工神經網絡概論及特征

1.1 人工神經網絡概論

神經網絡的核心工作是確定權重并建立模型。一般來說，有正向型和反饋型兩種網絡結構。神經網絡的訓練和學習一般需要在選擇訓練函數、通過網絡模型和傳遞函數，來傳遞出輸入數據和輸出數據，計算輸出結果后，并根據期望輸出與實際輸出之間的誤差修正權值。當網絡判斷時，只需要輸入數據而不需要期望的輸出結果。神經網絡的一個非常重要的能力是通過不斷調整神經元的權值和閾值，使其網絡能夠從環境中學習，直到網絡的輸出誤差達到預設的結果，網絡訓練預示著結束。

人工神經網絡的網絡系統非常復雜，它是由諸多且單一的基本單元神經元組成，神經元在模擬人腦神經處理信息，并相互間連接，進行著非線性變換并進行信息處理，也突出著人類大腦的某些特征。通過訓練信息樣本，將人工神經網絡信息處理信息輸入到神經網絡中，使其具有人類大腦的記憶能力和識別功能，并將各種信息處理完成。人工神經網絡具有良好的非線形變換能力、并行處理能力、自學習和自適應能力以及良好的聯想記憶能力，也避免了復雜的數學推導，保證了在樣本缺陷和參數漂移的情況下能保證穩定的輸出。人工神經網絡受到了學術界的廣泛研究和高度重視，尤其是在模擬人腦智能，并在許多領域得到了成功的應用。如人工智能、優化計算、模式識別、虛擬現實、智能控制、圖像處理、語音識別等領域[2]。

人工神經網絡還具有初步的自組織和自適應能力。在訓練或學習過程中，突觸重量wij 值會發生變化，以滿足周圍環境的要求。同一個網絡學習內容和方法的不同也有著不同的功能，人工神經網絡可以發展知識，是一個超越設計者原有知識水平的且具有超強學習能力的系統。一般來說，它的學習(或訓練)方法可以分為有監督學習和無監督學習兩類，其中有監督學習是在既定的標準或者樣本下，進行的分類或者模仿的學習方式；無監督學習知識將規則和方法進行規定，具體的學習內容能自動發現規律和環境的特征，主要還是取決于系統環境，這種情況與人腦的功能是比較相似。對于這樣一個單輸出、多輸入的基本單元，我們可以進一步從數學生、電學、物化學等方面總結并給出描述其功能的模型。對于人工神經網絡的應用和設計中，常常要考慮到網絡的學習和訓練、神經元之間的連接形式和神經元的激活功能三個方面。

1.2 人工神經網絡特征

人工神經網絡是非線性自適應信息處理系統，由大量處理單元組成的。該系統的剔除，是在現代神經科學研究成果的基礎上進行建立的，通過神經網絡處理的方式，來通過大腦的記憶信息進行信息模擬。主要有如下特征：

非線性，是普遍存在自然界的一種特征，非線性現象就好比是大腦的智慧一樣。人工神經元處于兩種不同的抑制或激活狀態，神經網絡具有更好的性能，能夠將網絡的存儲能力大幅的提高，并且減少網絡的容錯性。

非局限性，神經網絡通常由許多神經元組成。單個神經元的特性可以決定著整個系統的行為，還取決于各單元之間互相作用的結果。通過各單元之間的連接來模擬大腦，典型的例子如聯想記憶。

非常定性，神經網絡處理的信息以及非線性動力系統都在不斷的發生著變化。迭代過程通常用來描述動態系統的演化過程。

非凸性，通常是指特定的狀態函數，在一定的條件下，作用非凸系統的演化方向。例如，系統的相對穩定狀態與能量函數的極值相對應。而非凸函數則意味著其有多個極值，因此，系統具有多個穩定的平衡態，這樣導致系統演化為多樣性[3]。

2 人工神經網絡的分類

人工神經網絡按照結構來講可以分為反饋網絡和正向網絡，按照性能可以分為隨機網絡或是確定網絡，也可稱為離散網絡和連續網絡；也可以按照學習的方法分為管理網絡和自由網絡；按照連接的性質可分為一階線性關聯網絡和高階非線性關聯網絡。本文重點對拓撲結構的人工神經網絡進行分析。

(1)反饋網絡：反饋網絡主要有BAM、Hamming、Hopfield等。神經元之間存在反饋的反饋網絡可以用無向完全圖來表示。改神經網絡的在信息處理方面的狀態是變換的，可以使用動態的系統理論來進行處理。系統的聯想技能功能與系統的穩定性有著較為緊密的聯系，Boltzmann 機器和Hopfield 網絡是屬于這種類型。

(2)正向網絡包括BP、多層感知器、單層感知器、自適應線性網絡等。在前向網絡中，網絡中的每個神經元接收來自前一級的輸入并將其輸出到下一級。網絡中可以用有向無環圖來表示，是沒有反饋的。該網絡將信號從輸入空間轉換到輸出空間，其信息處理能力的多重組合來源于簡單非線性函數。網絡結構易于實現，也較為簡單。反向傳播網絡是一種典型的前向網絡。

3 現階段化工安全生產評價體系

化工是國民經濟的支柱產業之一，滿足人們日常生活的需要，保持經濟的穩定增長，對于促進工業生產的發展，提高人們的生活質量有這種重大的意義。化工生產具有易燃易爆、強腐蝕性的特點，在操作過程中存在一定的風險。首先，化工行業安全事故的發生概率是由企業性質和生產特點所決定的。其次，企業管理和監督不力，安全意識薄弱是最為主觀的問題形態。企業安全生產投入資金過少，為了追求利潤最大化，導致使用大量不合格的安全生產設備，而且對操作人員缺乏教育培訓。化學品安全事故的發生不僅會破壞了周邊乃至區域的生態環境，還將對人民生命財產造成嚴重的損失。采用科學的安全生產評價方法，可以保證安全生產，預防各種安全事故，對維護人民生命財產安全，提高安全效益具有積極意義。

化工生產系統是一個復雜而龐大的綜合系統，對化工生產系統的安全生產狀況進行評價，其中所涉及的內容十分廣泛，需要考慮的因素很多。常用的評價方法有指標評價法(陶氏化學公司火災爆炸風險指標評價法、蒙德火災爆炸毒性指標評價法等)、安全檢查表法、故障類型與影響分析、事件樹分析、故障樹分析、風險前分析、風險與可操作性研究、LEC 評價法和日本勞動部價格法中的化工企業六階段安全評價屬于指數評價法，具有簡單明了的優點，但都存在一定的缺陷，不能準確地發揮安全評價的作用。

4 人工神經網絡在化工企業安全評價體系中的體現

(1)人工神經網絡最基本的單元就是神經元，是通過模擬人類大腦的活動方式，運用網絡連接起來并實現數據信息的處理，這些信息的處理是并行實施的，其網絡結構進行著非線性信息的傳輸和處理。人工精神網絡是在接收到外界的信息后開始訓練，就像是人類的大腦一樣。這些神經網絡模型可同時進行記憶、聯想、學習和適應各種環境，這些仿真的神經網絡模型是在數學模型并不完善的情況下實現了分析效果，這也是避免了復雜的數學運算[4]。

(2)BP 神經網絡結構中BP 神經網絡模式的體現是通過評價系統的設計實現的。它是最常用的神經網絡拓撲結構。BP 網絡模型由自訓練模型、計算誤差模型、轉換函數模型和輸入輸出模型四個模型組成。主要在安全系統評估中應用于：首先確定神經網絡的隱藏層、輸出層和輸入層的節點數以及結構層次、拓撲結構，使信息具體化。神經網絡與安全管理評價系統中的相關參數相關聯，建立與具有拓撲結構相應的關系，如神經網絡與安全評價系統相關的參數的類型，(參見圖1)、數量和特性，確定系統中表達方式管理評價體系和各參數的狀態。選擇學習樣本為訓練提供神經網絡，嘗試采集綜合樣本，樣本越多，它們對神經網絡學習就越全面，嘗試選取多種樣本并具有代表性，在企業安全生產過程中，也是以各自的安全狀態下，由樣本為代表的說呈現的，樣本的訓練過程實際上是網絡節點間權值修正和誤差縮小的過程。

圖1 神經網絡與安全評價之間評價關系

為了降低整個網絡的責任水平，在處理函數的選擇方面，一般神經網絡的函數選擇會以復雜度低的和非線性函數為主，盡量避免選擇難度大的函數。安全評價體系建立的核心是安全評價知識庫。而安全評價知識庫是由隱藏節點、輸出節點、輸入節點三個核心部分組成。其中，安全評價知識庫的組成部分也包括網絡節點的權重，系統安全評價知識庫也是由這些要素所構成，為神經網絡活動提供支持。神經網絡的安全生產，是不能脫離實際情況的。在學習和訓練過程中，需要將實際仿真過程的特征值導入到神經網絡中。

5 結語

化工企業的規模越大，涉及到的財產及問題的范圍就越廣，這是一個高風險的行業，必須要建立行之有效的企業安全管理評價體系，有助于把握企業安全管理的發展趨勢和為相關部門的政策決策提供依據，運用新型人工神經網絡技術，完善安全管理評價體系結構，使化工企業管理更加的系統化、科學化和規范化，使化工企業走上健康發展的展示之路。