基于AHP-BP神经网络法的石油化工企业安全性预警研究*

黄志胜 邬长福 陈祖云 段文杰 刘家进

(1. 江西理工大学资源与环境工程学院 江西赣州 341000； 2. 江西省矿冶环境污染控制重点实验室 江西赣州 341000； 3.中国医科大学 沈阳 110000)

0 引言

目前石油化工行业安全生产形势十分严峻，各种火灾、爆炸、泄漏事故时有发生。石油化工工艺十分复杂，加氢裂化技术是石油炼制过程之一，它是通过加热、高氢压和催化剂等方式对原油进行加工，使重质馏分油发生裂化反应，转化为轻质燃料油[1]。加氢裂化的液体产品收率高达98%，与催化裂化相比其产品质量也较高，加氢裂化工艺是现代石油化工工艺的重要手段[2]。目前，我国对石油化工危险源安全方面仍存在自动化及监测监控设施不完善、监控预警信息化水平低、政府安全监督管理困难、事故状态下无法及时获取有关信息等问题，特别是对危险源的监控信息化整体水平比较低，监控基础设施缺乏、政府和企业的信息网络不畅通、综合安全性预警能力不足等情况日益突出，因此需要建立综合安全性预警机制。

高峰等[3]针对金属矿山地表沉陷灾害，建立矿山沉陷评价预警模型，为我国金属矿山的地表沉陷预警提供了一个新思路。范秋芳[4]最先应用层次分析法和BP神经网络方法对中国石油安全预警进行了探索性的应用研究，确定了中国石油安全预警指标的评价标准，并从资源、供需、进口、市场等4个方面构建了中国石油安全监测预警指标体系，根据石油安全预警的特点，在此基础上运用层次分析法确定指标权重，应用BP神经网络模型建立了中国石油安全预警系统体系，为我国石油安全预警方法奠定了基础。ISHIZAKA A等[5]在AHP模型的进一步效益分析过程中，认为在层次分析法的应用中，由于判断矩阵不满足一致性，在实际应用中会出现系统性偏差。

本文在现有国内外安全性预警的基础上，以石油化工企业为研究对象，根据加氢裂化装置在生产过程中的众多危险因素构建了预警指标体系，并计算了其预警警度，建立一套适用于加氢裂化装置的预警程序。

1 预警指标体系的建立

1.1 预警指标初选

本文根据石油化工行业特点，结合《企业职工伤亡事故分类标准》(GB 6441—86)、《生产过程危险和有害因素分类与代码》(GB/T 13861—2009)等相关标准规范，从人、物、环境、管理4个一级指标分析，将4个一级指标初步划分为33个二级指标，具体见图1。

图1 初选预警指标体系

1.2 筛选预警指标

本文为综合考虑石油化工企业安全性预警系统中预警指标的确定性和准确性，对4个一级指标和33个二级指标进行筛选。采用专家调研法，使用问卷调查的形式采访了高校化工专业教授2名、安全专业教授2名、安全专家2名、企业安全管理人员2名与现场技术人员2名，对初选出的指标打分，打分表采用1—9标度法制作，整理专家对指标的评分结果，得到各级指标的判断矩阵。

通过AHP法对所得判断矩阵进行一致性分析，为弱化由于矩阵不满足一致性而产生的偏差，使用区间估计的方法对指标进行筛选，将弱权重指标剔除，只使用权重强的指标构建安全性预警指标体系，从而简化并提高预警的准确度。

(1)

(2)

根据AHP法的权向量归一化原则，此时权重wi的区间估计上下限问题转换为线性规划的最大、最小值问题。其最大值作为区间估计的上限，最小值作为区间估计的下限。

表1 预警指标体系权重

续表1

2 预警模型的建立

2.1 安全性预警警度的划分

本文将预警警度划分为5个等级：巨警、重警、中警、轻警、无警，分别对应红色、橙色、黄色、蓝色和绿色。系统整体预警值以100分为最高值，0分为最低值，根据预警指标权重和预警指标标准化后的赋值，将其线性加权转化为百分制数值作为警度的具体数值，安全性预警警度含义见表2。

表2 安全性预警警度含义

(3)

式中，F为预警值，wi为一级指标对目标层的权重，wij为二级指标对于一级指标的权重，rij为二级指标的赋值。

2.2 BP神经网络法

人工神经网络从信息处理的角度模拟了人脑神经元网络，它的特点是能够模仿人脑思维，具有自我学习和调整的能力，能够较好地处理历史数据少、指标间为非线性关系的数据。

(1)确定网络层次。根据加氢裂化装置的生产工艺，选取了3层BP神经网络模型作为安全性预警的训练模型。

(2)确定输入层、输出层节点。输入层是预警指标输入值，输入节点直接对应预警指标，输入层节点数等于预警指标数，输入值为预警指标标准化值。根据所建立的安全性预警指标体系，二级预警指标共有31个，因此输入层节点数为31。输出层即为安全性预警值，每次预警只能输出1个预警警度值，因此输出层节点数为1。

(4)确定激励函数。激励函数的选择是构建BP神经网络过程中的重要环节。

3 实际应用

本文以某石油化工企业为例进行研究，该企业加氢裂化装置由反应、分馏、热工和公用工程等部分组成,加氢裂化装置使用单段双剂串联一次通过工艺，催化剂采用干法硫化工艺，反应部分采用炉前混氢流程，原料油缓冲罐采用低压燃料气保护，防止其与空气接触，分馏脱气塔采用分馏进料加热炉和常压塔出柴油方案。

3.1 预警指标的量化处理

研究所需数据通过统计企业管理数据与生产数据，抽样调查职工、作业现场调查等方式获得，以构建的安全性预警指标为采集目标，以月为调查数据周期，共采集1—9月共9个月的数据。

所构建的预警指标体系中大部分指标是定量指标，只有少部分是定性指标。其中定量指标可以通过监测设备的直接输出、数据统计等手段获得，而定性指标如职工受教育水平、职工身体状况、作业空间布局合理性等指标可以使用德尔菲法进行处理，根据多个专家对样本的打分，再将分数求平均值即可获得定性指标化的定量化数值。

3.2 预警指标数值的标准化

本文所选指标中含有极大型指标、极小型指标、居中型指标、区间型指标，结合其特点，本文采用梯形隶属度函数[7]作为数据标准化处理的方法。

设各个指标的论域为v=(v1,v2,...,vm)，其共有n个样本，m个指标，其中i=(1,2,...,m)，j=(1,2,...,m)。则各样本的因素指标向量ui=(u1i,u2i,...,uni)，设b为ui中的最大值，a为ui中的最小值，x为ui中的变量，可以构建隶属度函数。

对于指标值越大越好的极大型指标，其隶属度函数为

(4)

对于指标值越小越好的极小型指标，其隶属度函数为

(5)

对于指标值处于区间中某个位置最好的居中型指标，其隶属度函数为

(6)

式中，λ为指标x的最佳值。

对于指标处于某个区间范围内最好的区间型指标，其隶属度函数为

(7)

式中，[q1,q2]为指标x的最佳区间。

本文研究的内容是安全性预警，不妨将隶属度函数定义为危险性隶属度函数，将所有非极小型指标转换为极小型指标，得到的指标量化数值越大则系统的危险程度越高，安全程度越低；指标量化数值越小则危险程度越低，安全程度越高。

根据德尔菲法，对职工的学历水平进行赋值，赋值见表3。

表3 学历水平赋值

职工的整体受教育水平可由期望值表示E=a+2b+2.5c+4d，对其使用梯形隶属度函数进行处理：

(8)

式中，x为职工受教育水平的期望。

职工身体状况可以通过采样法，再使用德尔菲法进行赋值，获得职工的平均身体状况E=b+2c+4d+5e，其赋值见表4。

表4 身体状况赋值

对其使用梯形隶属度函数进行处理：

(9)

(10)

将原始数据经隶属度函数标准化处理后可得标准化分值及实际警度值，详细数据见表5。

表5 某石油化工预警指标数据标准化分值

3.3 预警警度的计算

利用式(8)将各指标加权汇总，得到各数组的预警值F′。其中，ai表示各指标权重；xi表示各指标的预警数值得分。

(11)

将数据作为样本代入MATLAB软件BP神经网络预警模型中进行训练，设置其迭代次数为1 000次，期望误差为0.000 01，网络学习效率0.01。训练完成后，预测5月—9月预警警度值。其回归分析结果如图2所示。

(a)output=0.99×Target-0.0084

(b)output=1.3×Target-0.0061

(c)output=0.9×Target-0.021

(d)output=0.9×Target-0.012

训练完成后，预测5—9月预警警度值，结果见表6。

表6 BP神经网络法预警警度值与实际警度值

其决定系数R2=0.904 05，模型性能较好，预测警度较为接近实际结果。

3.4 结果分析与建议

结合各指标权重和安全性预警值，针对人、物、环境、管理4个方面提出以下安全生产对策：

(1)职工技术水平较为不足，应及时发现技术水平较差的职工，增加职业技术培训时长，加强技术培训质量，加强技术考核，全面提高职工技术水平。

(2)加强对缓冲罐液面、高压分离器液面高度的监控，设置液面自动控制装置，避免带液现象的发生；加强原料控制，保证装置进料符合要求；设备故障率问题很大程度上与缓冲罐和高压分离器的液面高度有关，通过控制液面高度可以达到降低故障率的效果，除此之外，加强对加氢裂化装置各接口、阀门、法兰等关键部位的排查与定期保养，可以有效降低设备故障率。

(3)加氢裂化生产工艺工作环境易产生高温，可以通过增强环境通风，加设空调等方式调整作业环境温度，及时给职工补充水分，防止职工中暑。

(4)补全安全生产管理制度，完善应急救援机制，加强对安全生产的管理，提高管理层对安全生产管理制度和应急救援机制的重视程度，降低事故可能会造成的损失。

4 结论

(1)建立了基于AHP-BP神经网络法的石油化工企业安全性预警模型，上述方法能够较为全面、客观地反映和预测石油化工企业运行状态和危险程度。

(2)以某石油化工企业为例，应用安全性预警模型进行研究。使用MATLAB软件对预警过程进行计算，得到了无警的预警结果，结果与实际相符。