基于人工神经网络的化工安全评价分析

郭春丽(杭州安全生产科学技术有限公司，浙江 杭州 310000)

0 引言

人工神经网络构建化工安全评价模型，对安全生产管理具有一定的指导意义，提高化工企业安全评价质量，确保安全生产，加强危险源防范，减少事故发生几率，减少财产损失和人员伤亡，具有重要意义。人工神经网络的优点也很凸显，可以模拟人脑活动，并且自学习、大规模并行处理、具有强非线性、自组织和容错等优点。将神经网络理论应用于系统安全评估，可以克服传统的安全评估结果。这将为企业控制提供快速、科学和安全生产管理的决策信息，以便及时控制和预测事故，减少事故损失[1]。

1 人工神经网络概论及特征

1.1 人工神经网络概论

神经网络的核心工作是确定权重并建立模型。一般来说，有正向型和反馈型两种网络结构。神经网络的训练和学习一般需要在选择训练函数、通过网络模型和传递函数，来传递出输入数据和输出数据，计算输出结果后，并根据期望输出与实际输出之间的误差修正权值。当网络判断时，只需要输入数据而不需要期望的输出结果。神经网络的一个非常重要的能力是通过不断调整神经元的权值和阈值，使其网络能够从环境中学习，直到网络的输出误差达到预设的结果，网络训练预示着结束。

人工神经网络的网络系统非常复杂，它是由诸多且单一的基本单元神经元组成，神经元在模拟人脑神经处理信息，并相互间连接，进行着非线性变换并进行信息处理，也突出着人类大脑的某些特征。通过训练信息样本，将人工神经网络信息处理信息输入到神经网络中，使其具有人类大脑的记忆能力和识别功能，并将各种信息处理完成。人工神经网络具有良好的非线形变换能力、并行处理能力、自学习和自适应能力以及良好的联想记忆能力，也避免了复杂的数学推导，保证了在样本缺陷和参数漂移的情况下能保证稳定的输出。人工神经网络受到了学术界的广泛研究和高度重视，尤其是在模拟人脑智能，并在许多领域得到了成功的应用。如人工智能、优化计算、模式识别、虚拟现实、智能控制、图像处理、语音识别等领域[2]。

人工神经网络还具有初步的自组织和自适应能力。在训练或学习过程中，突触重量wij 值会发生变化，以满足周围环境的要求。同一个网络学习内容和方法的不同也有着不同的功能，人工神经网络可以发展知识，是一个超越设计者原有知识水平的且具有超强学习能力的系统。一般来说，它的学习(或训练)方法可以分为有监督学习和无监督学习两类，其中有监督学习是在既定的标准或者样本下，进行的分类或者模仿的学习方式；无监督学习知识将规则和方法进行规定，具体的学习内容能自动发现规律和环境的特征，主要还是取决于系统环境，这种情况与人脑的功能是比较相似。对于这样一个单输出、多输入的基本单元，我们可以进一步从数学生、电学、物化学等方面总结并给出描述其功能的模型。对于人工神经网络的应用和设计中，常常要考虑到网络的学习和训练、神经元之间的连接形式和神经元的激活功能三个方面。

1.2 人工神经网络特征

人工神经网络是非线性自适应信息处理系统，由大量处理单元组成的。该系统的剔除，是在现代神经科学研究成果的基础上进行建立的，通过神经网络处理的方式，来通过大脑的记忆信息进行信息模拟。主要有如下特征：

非线性，是普遍存在自然界的一种特征，非线性现象就好比是大脑的智慧一样。人工神经元处于两种不同的抑制或激活状态，神经网络具有更好的性能，能够将网络的存储能力大幅的提高，并且减少网络的容错性。

非局限性，神经网络通常由许多神经元组成。单个神经元的特性可以决定着整个系统的行为，还取决于各单元之间互相作用的结果。通过各单元之间的连接来模拟大脑，典型的例子如联想记忆。

非常定性，神经网络处理的信息以及非线性动力系统都在不断的发生着变化。迭代过程通常用来描述动态系统的演化过程。

非凸性，通常是指特定的状态函数，在一定的条件下，作用非凸系统的演化方向。例如，系统的相对稳定状态与能量函数的极值相对应。而非凸函数则意味着其有多个极值，因此，系统具有多个稳定的平衡态，这样导致系统演化为多样性[3]。

2 人工神经网络的分类

人工神经网络按照结构来讲可以分为反馈网络和正向网络，按照性能可以分为随机网络或是确定网络，也可称为离散网络和连续网络；也可以按照学习的方法分为管理网络和自由网络；按照连接的性质可分为一阶线性关联网络和高阶非线性关联网络。本文重点对拓扑结构的人工神经网络进行分析。

(1)反馈网络：反馈网络主要有BAM、Hamming、Hopfield等。神经元之间存在反馈的反馈网络可以用无向完全图来表示。改神经网络的在信息处理方面的状态是变换的，可以使用动态的系统理论来进行处理。系统的联想技能功能与系统的稳定性有着较为紧密的联系，Boltzmann 机器和Hopfield 网络是属于这种类型。

(2)正向网络包括BP、多层感知器、单层感知器、自适应线性网络等。在前向网络中，网络中的每个神经元接收来自前一级的输入并将其输出到下一级。网络中可以用有向无环图来表示，是没有反馈的。该网络将信号从输入空间转换到输出空间，其信息处理能力的多重组合来源于简单非线性函数。网络结构易于实现，也较为简单。反向传播网络是一种典型的前向网络。

3 现阶段化工安全生产评价体系

化工是国民经济的支柱产业之一，满足人们日常生活的需要，保持经济的稳定增长，对于促进工业生产的发展，提高人们的生活质量有这种重大的意义。化工生产具有易燃易爆、强腐蚀性的特点，在操作过程中存在一定的风险。首先，化工行业安全事故的发生概率是由企业性质和生产特点所决定的。其次，企业管理和监督不力，安全意识薄弱是最为主观的问题形态。企业安全生产投入资金过少，为了追求利润最大化，导致使用大量不合格的安全生产设备，而且对操作人员缺乏教育培训。化学品安全事故的发生不仅会破坏了周边乃至区域的生态环境，还将对人民生命财产造成严重的损失。采用科学的安全生产评价方法，可以保证安全生产，预防各种安全事故，对维护人民生命财产安全，提高安全效益具有积极意义。

化工生产系统是一个复杂而庞大的综合系统，对化工生产系统的安全生产状况进行评价，其中所涉及的内容十分广泛，需要考虑的因素很多。常用的评价方法有指标评价法(陶氏化学公司火灾爆炸风险指标评价法、蒙德火灾爆炸毒性指标评价法等)、安全检查表法、故障类型与影响分析、事件树分析、故障树分析、风险前分析、风险与可操作性研究、LEC 评价法和日本劳动部价格法中的化工企业六阶段安全评价属于指数评价法，具有简单明了的优点，但都存在一定的缺陷，不能准确地发挥安全评价的作用。

4 人工神经网络在化工企业安全评价体系中的体现

(1)人工神经网络最基本的单元就是神经元，是通过模拟人类大脑的活动方式，运用网络连接起来并实现数据信息的处理，这些信息的处理是并行实施的，其网络结构进行着非线性信息的传输和处理。人工精神网络是在接收到外界的信息后开始训练，就像是人类的大脑一样。这些神经网络模型可同时进行记忆、联想、学习和适应各种环境，这些仿真的神经网络模型是在数学模型并不完善的情况下实现了分析效果，这也是避免了复杂的数学运算[4]。

(2)BP 神经网络结构中BP 神经网络模式的体现是通过评价系统的设计实现的。它是最常用的神经网络拓扑结构。BP 网络模型由自训练模型、计算误差模型、转换函数模型和输入输出模型四个模型组成。主要在安全系统评估中应用于：首先确定神经网络的隐藏层、输出层和输入层的节点数以及结构层次、拓扑结构，使信息具体化。神经网络与安全管理评价系统中的相关参数相关联，建立与具有拓扑结构相应的关系，如神经网络与安全评价系统相关的参数的类型，(参见图1)、数量和特性，确定系统中表达方式管理评价体系和各参数的状态。选择学习样本为训练提供神经网络，尝试采集综合样本，样本越多，它们对神经网络学习就越全面，尝试选取多种样本并具有代表性，在企业安全生产过程中，也是以各自的安全状态下，由样本为代表的说呈现的，样本的训练过程实际上是网络节点间权值修正和误差缩小的过程。

图1 神经网络与安全评价之间评价关系

为了降低整个网络的责任水平，在处理函数的选择方面，一般神经网络的函数选择会以复杂度低的和非线性函数为主，尽量避免选择难度大的函数。安全评价体系建立的核心是安全评价知识库。而安全评价知识库是由隐藏节点、输出节点、输入节点三个核心部分组成。其中，安全评价知识库的组成部分也包括网络节点的权重，系统安全评价知识库也是由这些要素所构成，为神经网络活动提供支持。神经网络的安全生产，是不能脱离实际情况的。在学习和训练过程中，需要将实际仿真过程的特征值导入到神经网络中。

5 结语

化工企业的规模越大，涉及到的财产及问题的范围就越广，这是一个高风险的行业，必须要建立行之有效的企业安全管理评价体系，有助于把握企业安全管理的发展趋势和为相关部门的政策决策提供依据，运用新型人工神经网络技术，完善安全管理评价体系结构，使化工企业管理更加的系统化、科学化和规范化，使化工企业走上健康发展的展示之路。