基于BP神经网络的煤化工园区安全预警机制研究＊

徐晓东

（煤炭科学技术研究院有限公司，北京市朝阳区，100013）

煤化工园区内易燃易爆、有毒有害危险品聚集，事故灾害后果严重的产业特点以及煤化工园区大集群、大规模、大流通的区域产业特性，决定了此区域是一个安全风险极高、潜在安全问题突出的区域。如何预测煤化工园区内的各种危险源，预防重大突发安全事件，并能科学高效应对重大突发安全事件，建立完善的预警机制，成为煤化工园区构建安全管理长效机制的重大措施。

为提高煤化工园区的安全预警能力，首先必须确定影响安全预警的因素。但煤化工园区发生紧急突发事件的种类复杂多变，影响煤化工园区安全的因素繁多，且在预警过程中大多数传统的应急管理指挥系统不能适应日益增多的紧急突发事件处置的需要，因此必须针对煤化工产业的安全风险特征构建具有预警评估和预防预测的应急管理体系。这就需要按照 “平战结合、平灾结合、以防为主，准确预报，快速反应，措施有效”的原则，建立和健全煤化工园区基于安全预警机制的应急信息系统平台，提高煤化工园区整体防灾抗毁和应急处置能力，确保煤化工园区运行安全。

1 煤化工园区安全预警指标体系

1.1 安全预警指标体系的建立

煤化工园区的安全涉及方面非常广，只有明确定位事故原因、做好事故防范，才能提高煤化工园区整体防灾抗毁和应急处置能力，确保煤化工园区运行安全。所以，本文主要从致故原因和安全防备防线两方面来考虑煤化工园区的安全预警指标。

致故原因主要考虑的是煤化工园区中安全生产时存在的各种客观因素，例如物料的危险、设备的危险、生产工艺的危险等。同时，园区是集聚各大企业的工业基地，是一个不可分的整体，还要承担社会对园区经济发展的需求，如环境管理部门对环境质量的要求、安全管理部门对事故发生率的要求、经济发展部门对园区经济增长的要求，这些因素都在一定的程度上影响着园区的安全。安全防备防线主要是园区为保证安全生产采取的政策、法规、技术等对策。但事故发生涉及环境、设备、管理制度、人等各个方面的因素，要准确快速识别出这些危险源，就必须建立煤化工园区安全预警指标体系。

本文通过对39个煤化工园区安全现状的调查分析，并结合煤化工园区的自身特性，建立了如表1所示的安全预警指标体系。

1.2 安全预警指标体系权重的确定

如表1所示，影响安全预警的指标很多，但每个预警指标的重要程度并不一样，所以对预警指标进行定量的分析，能够帮助预警系统更快、更准确做出预警决策。本文选择层次分析方法 （AHP）来确定各个预警指标的权值。AHP的基本思想是：根据各个因素间的关联关系和隶属关系，将这些因素进行不同层次组合，形成一个多层次的分析模型，最后根据不同层次因素的重要程度，将低层到高层相对重要的权值按顺序排列出来，这个结果将作为决策的依据。由于煤化工园区安全预警很复杂，传统的AHP需要对各个因素的重要程度进行两两比较，最终难以形成统一的预警决策，所以本文采用改进的AHP来确定预警指标的权值。

下面将以要素层X 的指标为例，用AHP确定各指标权重的步骤如下：

（1）确定指标的量化标准。本文采用三分制比例标度法对相邻两层之间指标的相对重要性进行判断。三分制比例标度法的具体含义见表2。

表1 煤化工园区安全预警指标体系

表2 三分制比例标度法

（2）建立初始判断矩阵。采用专家打分的形式来确定各个预警指标的积分，这个积分将作为分层的标准。要素层X 的各个指标积分如表3所示。

表3 要素层X 各指标初始判断矩阵及积分

由表3可知，要素层X 的积分行矩阵为：

（3）计算判断矩阵。将要素层X 的积分行矩阵值输入到Matlab中，计算得到矩阵X 对应的权值向量为：

（4）检验判断矩阵的一致性。为了保证AHP法计算得到的结果基本合理，用随机一致性比率CR 来衡量最终得到的判断矩阵是否有满意的一致性。CR 计算如下：

式中：CR——随机一致性比率；

λmax—— 判断矩阵的最大特征值；

n——矩阵阶数 （n=6）；

RI——随机一致性指标值，只有当CR＜0.10时，得到的判断矩阵才有满意的一致性，计算的结果才可以用于后边的评估。

根据步骤 （3）中得到的值，由公式 （1）计算得到CR=0，满足一致性要求。以上是单个专家的权重取值，重复上述步骤得到多个专家对每个指标的权值计算，最后计算平均值即为指标的最终权值。

同理，计算要素层和指标层各指标的权值。计算得到的结果如图1和图2所示。

图1 要素层各指标权重值

由图1可知，要素层中对煤化工园区安全影响排前六位的因素是X5，X6，X4，Y1，Y4，Y2。也就是说致故原因中的企业生产危险性、企业间的相互影响以及园区整体规划对园区的安全有着至关重要的影响；安全防备防线中安全监管、设备安全监管以及安全管理体制对煤化工园区的安全也起着极为重要的作用。图1中要素层相对应指标层中各具体指标的权重值如图2所示，其中各企业间的多米诺事故发生概率对园区安全起着致命性作用，一旦园区发生多米诺连锁事故，引起群死群伤，将会给园区带来灾难性影响。其他各个指标的权值可参考图2，权值大小基本与目前煤化工园区现对安全管理指标的力度相当，符合现实需求。

图2 指标层各指标权重值

2 煤化工园区安全预警模型

煤化工园区安全预警评估采用实地考察、调查问卷和专家咨询相结合的方式为预警指标赋值，以安全规程要求的安全状态设定监控预警指标，本文采用神经网络模型中应用较为广泛的BP 模型来构建煤化工园区安全预警的评估模型，根据评估模型结果来确定监控信号，从而做出相应的应急预案，进一步将安全隐患降到可控范围。

2.1 安全预警模型的网络结构

根据上述构建的煤化工园区安全预警指标体系，采用BP 模型来构建煤化工园区安全预警的模型，其拓扑结构包括输入层、隐含层和输出层三部分。输入层输入预警指标，经隐含层进行传播，最后输出层获取输入指标的预警响应；如果预警响应值不是所期望的输出，则进行误差反向传播，反向传播的输入值是实际输出值与期望输出值的差，反向传播时不断调整权值来使误差最小，最终使实际输出接近期望输出，这就是BP 神经网络的正向和反向学习过程。

BP 神经网络的具体学习过程：

（1）输入层A 上任意点ai和输出层B 上任意点bj之间的连接权值记为ωij，同理B 到C 的任意两点bj和ck的权值记为νjk，B 层节点阈值设为βj，C 层节点阈值设为θk。给以上4 个变量随机赋个较小的初值。

（2）正 向 计 算B 层 每 个 节 点bj（j=1，2，...，n）和C 层每个节点ck（k=1，2，...，n）的输出。

（3）计算输出层C 层的实际输出ck和期望输出之间的误差值dk，并向将误差值ej向B 层反向分配。

（4）调整C 层的节点阈值θk及B 层与C 层之间的权值νjk。

（5）同理，调整B 层的节点阈值βj 及B 层与A 层之间的权值ωij。

（6）不断重复 （2）到 （5），直到误差E 小到满足要求。

本文使用BP 神经网络的算法流程如图3所示。

2.2 安全预警模型的建立

据图3可知，建立完整的安全预警模型分为3个阶段：数据准备、训练学习、结果验证。其中数据准备是最关键的阶段，因为输入输出层节点数、隐含层节点数都直接影响BP 算法性能。

图3 安全预警模型的BP 神经网络算法流程

（1）确定输入输出节点。输入层的节点数是由输入向量的维数来确定的，根据表1建立的预警指标体系可得，煤化工园区的安全预警指标一共有39个，考虑到输入节点数太多的问题，本文采用要素层的12个指标作为模型的输入节点，指标层的39个指标的打分及对应权重的乘积作为要素层的输入值。

输出层的节点数就是预警模型的预警结果，根据煤化工园区安全预警等级表以及安全隐患的警情情况，将警级设定为5种程度：预警输出值为0～0.2时，无警；预警输出值为0.2～0.4时，轻警；预警输出值为0.4～0.6时，中警；预警输出值为0.6～0.8 时，重警；预警输出值为0.8～1.0 时，巨警。因此，输出层节点数为1，输出值是0到1之间的任何数。

（2）确定隐含层节点。隐含层节点数对BP 算法的性能影响非常重要，但是目前还没有特别准确可行且又不影响算法性能的方法来确定隐含层节点数，因为隐含层节点数过多或是过少都会对BP 神经网络的训练时间、训练精度或是其他方面产生必要的影响。所以，本文为了选取合理的隐含层节点数，采用反复试验获取最佳的节点值，节点选取的参考式为：

式中：h——所求的隐含层节点个数；

m——输入节点数；

n——输出节点数；

a——常数，且a∈［1，10］。

在本文中m=12，n=1，a取多个值进行反复训练。最后当a=6，则h=10 时，使得预警误差最小且训练时间最短，即隐含层节点个数为10。

2.3 模型验证分析

为保证验证结果的可靠性及实用性，预警模型采用的原始数据是通过调查问卷以及专家打分获取，经过数据处理得到指标层各个指标的打分情况，由指标层各指标的打分乘以相应的权重得到要素层指标的打分，要素层的输入值是其打分与权重的乘积，表4是部分样本数据的输入值。

表4 预警模型输入的部分样本数据

表5 预警模型的测试结果

本实验共调查了8 个省的36 个煤化工园区，其中的22组数据作为训练数据，从剩下的数据中随机选取7组数据作为测试数据。BP 神经网络学习过程中选取训练精度ξ=0.001，迭代学习2001次后，误差收敛率已达到最小，此时结束神经网络的整个学习过程。然后将7组测试数据使用训练好的BP 神经网络对煤化工园区的安全风险进行预警测试，测试结果如表5所示，与其对应的预测误差趋势如图4所示。

图4 预测误差趋势图

由表5和图4可知，测试结果的误差值很小，实际输出值与期望值近乎一致，也就是说建立的基于BP 神经网络的安全预警模型应用在煤化工园区中有较好的实用效果，将此模型应用在煤化工园区可以准确快速进行安全预警，以提高煤化工园区的安全管理力度。

3 煤化工园区安全措施建议

3.1 提高安全应急管理的技术水平

从煤化工园区的预警指标体系中可知，目前园区对安全生产教育以及安全生产监管力度投入都较为完善，但是对安全生产技术的投入并不大。我们应该意识到先进技术对安全生产起着很重要的保障作用，各个企业应该加强先进应急技术的开发应用与推广。

（1）煤化工园区中的重点企业应增强与科研单位、高校之间的交流合作，将先进的应急技术应用到园区应急管理平台中。

（2）加强与全国各个优秀的化工园区之间交流合作，以园区的安全生产和整个园区的经济效益为基础，相互探讨学习、取长补短，形成自己独特的安全技术。

（3）应加强与发达国家间的技术交流，学习国外先进的应急技术。

3.2 完善园区应急救援体系

预警是应急救援的前提，做好预警防范工作可降低事故发生率，但在事故发生时的应急救援工作同时也能降低事故的严重程度。为完善救援体系，主要从以下两方面着手：一方面在原有救援队伍的基础上加强辅助救援队的建设， 另一方面制定与园区现状相符的、切实可行的应急预案，相关部门进行严格的监督控制，协调好各部门工作，以完善救援体系。

3.3 加强园区的安全信息化网络建设

在应急水平都达到一定程度、应急体系也相对完善时，必须加强整个园区的安全信息化建设，充分发挥信息网络对事故的监控和应对作用，降低事故率、减少灾难发生。加强园区的信息化建设主要从以下两方面进行。

（1）拓宽园区安全信息的搜集渠道。通过调查、互动、沟通等形式来掌握各类安全信息，拓宽园区安全信息来源，保障安全信息的准确性和及时性。

（2）加强园区的信息网络建设。依靠现代通讯技术、计算机网络技术、信息处理与集成技术，为园区提供一个高效的安全信息管理平台，通过网络传递及时有效的获取园区的安全信息，同时通过网络的图形数据更能形象的反应整个园区的安全状态。完善的信息网络能保障安全信息的实时性和准确性，为园区的进一步工作提供正确的导向和依据。

［1］ 陈国华，段伟利.基于免疫机理的化工园区安全生产预警研究 ［D］.华南理工大学，2011

［2］ Matzinger P.The danger model：a renewed sense of self［J］.Science，2002 （5566）

［3］ 范维唐，杜铭华.中国煤化工发展战略意义 ［R］.中国煤炭工业协会，2006

［4］ 许乃中等.工业园区循环经济绩效评价方法研究［J］.中国人口资源环境，2010（3）

［5］ 金铌.煤矿安全管理中外对比分析 ［J］ .中国煤炭，2010 （6）

［6］ 范磊，吕保和.我国化工园区安全监管存在问题及对策研究 ［J］.工业安全与环保，2009 （8）

［7］ 张吉苗.煤矿事故致因理论及安全管理对策 ［J］.中国煤炭，2013 （6）

［8］ 周忠科，王立杰.基于BP 神经网络的煤矿安全预警评估机制研究 ［J］ .中国安全生产科学技术，2011 （4）

［9］ 曾康生.我国煤矿安全评价方法的应用现状及其改进 ［J］.中国煤炭，2008 （11）

［10］ 蔡琢，蒋军成，丁晓晔.化工园区安全及环境危险性分析 ［J］.工业安全与环保，2008 （1）

［11］ 吴宗之，许铭.化工园区土地利用安全规划优化方法 ［J］.化工学报，2011 （1）