基于粗糙集與神經(jīng)網(wǎng)絡的電力企業(yè)員工安全等級評價模型

東北電力大學信息工程學院 張國歌 李 琳 謝 巖

1.引言

電力行業(yè)是國民經(jīng)濟的基礎產(chǎn)業(yè)，它直接關系到經(jīng)濟發(fā)展和社會穩(wěn)定。然而，電力企業(yè)員工在生產(chǎn)過程中，由于知識、能力與經(jīng)驗的不足或者心理因素等原因，為了追求某些利益，從而導致人身事故、電網(wǎng)事故、設備事故和火災事故等人因事故[1]。據(jù)統(tǒng)計60%-70%電力生產(chǎn)事故是由人的失誤造成的，所以減少人因失誤是有效控制電力生產(chǎn)事故發(fā)生的關鍵[2-3]。

目前專門針對電力企業(yè)生產(chǎn)中人因失誤的研究成果還不是很豐富，對電力企業(yè)生產(chǎn)中人的不安全行只分析了其對電力系統(tǒng)的影響，提出了防范不安全行為的措施，并沒有對不安全行為的嚴重程度進行劃分。另外，一些地區(qū)已經(jīng)開始著手進行了員工等級的鑒定工作，但標準和方法不一致且過于簡單造成了結(jié)果的不具有可比性，并且存在著評價周期長、缺乏準確性等諸多弊端。所以，需要構建統(tǒng)一的電力企業(yè)員工安全等級評價模型。

2.電力企業(yè)員工安全等級評價模型的設計

電力企業(yè)中現(xiàn)行的管理經(jīng)驗和方法缺乏系統(tǒng)性和前瞻性，管理還比較粗放，特別是員工的習慣性違章仍屢禁不止，為了從根本上提高電力企業(yè)員工的安全意識，減少人因事故的發(fā)生，本文在充分研究電企中人因失誤問題的基礎上，基于粗糙集與BP神經(jīng)網(wǎng)絡設計了電力企業(yè)員工安全等級評價模型，模型框架如圖1所示。

評價前，首先要確定寬泛的評價屬性集，然后收集數(shù)據(jù)，界定屬性值語義，并對每個屬性界定屬性值，最后構建出屬性約簡決策表。構建員工屬性決策表是進行員工安全等級評價的首要問題，決策表是一類特殊而重要的知識表達系統(tǒng)，多數(shù)決策問題都可以用決策表形式來表達。

評價中，將粗糙集作為人工神經(jīng)網(wǎng)絡的前置系統(tǒng)，以減少神經(jīng)網(wǎng)絡的復雜性。

評價后，為了進一步檢驗評價模型的性能，評價結(jié)束后要對評價結(jié)果進行仿真分析。利用相關函數(shù)對網(wǎng)絡進行仿真，并計算輸出結(jié)果和目標輸出之間的誤差，從而作為網(wǎng)絡訓練結(jié)果優(yōu)劣的判別依據(jù)。

3.評價核心要素的提取方法

在評價過程中，為了解決人工神經(jīng)網(wǎng)絡當輸入的信息空間維數(shù)較大時，網(wǎng)絡結(jié)構復雜和訓練時間長的問題，所以在這里使用粗糙集作為神經(jīng)網(wǎng)絡的前置系統(tǒng)[4]。

3.1 連續(xù)屬性的離散化方法

粗糙集理論對決策表進行處理的數(shù)據(jù)必須是離散值，因此，在利用粗糙集理論的屬性約簡功能對人工神經(jīng)網(wǎng)絡的輸入端進行簡化之前，基于切割和布爾理論，將所有連續(xù)屬性值進行離散化處理，布爾函數(shù)f如公式(1)所示：

其中：

3.2 屬性約簡算法

粗糙集的屬性約簡就是指在保持原始決策表條件屬性和決策屬性之間的依賴關系不發(fā)生變化的前提下刪除冗余的屬性和屬性值[5]。粗糙集的屬性約簡算法有很多種，本文使用的是基于區(qū)分矩陣的約簡算法。算法具體如下：

（3）含量測定：根據(jù)“2.3.1（1）”項色譜條件，樣品中烏頭堿和脫氧烏頭堿分別為6.484 8、0.268 5 mg/g（n＝3）。烏頭堿和脫氧烏頭堿隨著炮制時間的變化曲線如圖10所示。

表1 電力企業(yè)員工安全等級評價指標

圖1 電力企業(yè)員工安全等級評價模型框架圖

圖2 BP神經(jīng)網(wǎng)絡的拓撲結(jié)構

圖3 網(wǎng)絡訓練結(jié)果

(1)計算區(qū)分矩陣，將區(qū)分矩陣的核賦給約簡后的集合；

(2)找出不含和指標的指標組合；

(3)將不包含和指標的指標集表示為合取范式；

(4)將合取范式轉(zhuǎn)換為析取范式的形式；

(5)根據(jù)需要選擇合理的指標組合。

4.BP神經(jīng)網(wǎng)絡的實現(xiàn)

人工神經(jīng)網(wǎng)絡是基于對人腦組織結(jié)構、活動機制的初步認識提出的一種新型信息處理體系方法，在實際問題的處理中，它有較好的容錯及抗干擾能力，所以將它與為對噪聲較敏感的粗糙集相結(jié)合來對電力企業(yè)員工安全等級進行評價。本模型使用的是三層BP神經(jīng)網(wǎng)絡對約簡后的員工屬性決策表進行訓練，最終得出等級評價結(jié)果。其拓撲結(jié)構如圖2所示。

表2 屬性決策表

表3 離散后的決策表

表4 約簡后的決策表

表5 網(wǎng)絡仿真誤差結(jié)果

輸入層神經(jīng)元個數(shù)為指標的數(shù)目，由于本模型是對每個員工安全等級的一個綜合評價，所以輸出層的個數(shù)是一個神經(jīng)元，隱含層單元個數(shù)確定公式為：

式中y、r、c、分別為隱含層、輸入層、輸出層的神經(jīng)元計算節(jié)點的個數(shù)，t為1-10之間的常數(shù)。

5.實例分析

電力企業(yè)安全生產(chǎn)中員工安全等級進行評價就是對電力企業(yè)的員工的基本素質(zhì)、工作特性、組織管理等三大方面進行等級評價。具體指標如表1所示。

選擇其中50組數(shù)據(jù)作為樣本數(shù)據(jù)進行分析。首先，界定屬性值語義，并對每個屬性界定屬性值，構建屬性決策表(見表2)，其中Dec表示電力企業(yè)員工安全等級值，0代表不安全，1代表安全。其次，基于切割和布爾理論確定最小取值空間的方法對屬性決策表進行離散化(見表3)。然后，利用粗糙集理論的屬性約簡功能進行約簡后，14個評價指標減少為A2、A3、A5、A7、B1、C1這6個指標，從而使得BP神經(jīng)網(wǎng)絡的輸入空間大幅降低，有利于簡化神經(jīng)網(wǎng)絡的結(jié)構、提高訓練效率，約簡后的決策表如表4所示。

根據(jù)表2中的50組原始樣本數(shù)據(jù)，將其中的45組作為BP神經(jīng)網(wǎng)絡的訓練樣本數(shù)據(jù)，余下的5組作為檢測樣本數(shù)據(jù)對BP神經(jīng)網(wǎng)絡進行檢測。采用三層BP神經(jīng)網(wǎng)絡結(jié)構，輸入層為14個神經(jīng)元，由公式(3)計算出隱含層節(jié)點數(shù)為5，輸出層為1個神經(jīng)元。由于“trainlm”采用Levenberg-Marquardt算法進行網(wǎng)絡學習，對初始值的選取不敏感，能夠?qū)崿F(xiàn)計算精度和收斂速度的最佳結(jié)合，所以筆者在這里使用trainlm作為網(wǎng)絡訓練函數(shù)，訓練次數(shù)定義為1000，學習精度ε=0.0001，學習速率=0.01，經(jīng)過6次訓練后，網(wǎng)絡性能已經(jīng)達到設定誤差要求(見圖3)。

為了進一步檢驗神經(jīng)網(wǎng)絡的性能，對訓練結(jié)果進行仿真分析。模型輸出數(shù)值與真實值之間的誤差如表5所示。

對測試結(jié)果分析，神經(jīng)網(wǎng)絡評價值和真實值之間的誤差非常小，神經(jīng)網(wǎng)絡最大誤差僅為0.0106。

6.結(jié)論

筆者在綜合分析國內(nèi)外相關研究基礎上，提出了電力企業(yè)員工安全等級的概念，并基于粗糙集與人工神經(jīng)網(wǎng)絡設計了電力企業(yè)生產(chǎn)中員工安全等級評價模型，模型將粗糙集作為神經(jīng)網(wǎng)絡的前置系統(tǒng)，用以縮減神經(jīng)網(wǎng)絡學習時的訓練樣本，可達到簡化神經(jīng)網(wǎng)絡結(jié)構、提高評價模型工作效率的目的，同時BP神經(jīng)網(wǎng)絡能夠有效減少噪聲對粗糙集評價過程的影響。最后，通過實例對模型進行應用，仿真結(jié)果說明，該網(wǎng)絡能夠較好地對電力企業(yè)員工安全等級進行評估。

[1]袁周.電力生產(chǎn)事故人因分析與預防簡明問答[M].北京:中國電力出版社,2007.

[2]馬京源,李哲,何宏明,鐘定珠.電氣誤操作事故人因因素分析與控制[J].中國電力,2010(5):72-76.

[3]林杰.安全行為科學理論在電力生產(chǎn)中的應用研究[D].貴州:貴州大學碩士論文,2006.

[4]趙靜,許祥秦,張凱.基于神經(jīng)網(wǎng)絡的高新技術企業(yè)吸收能力評估[J].計算機仿真,2009(12):257-260.

[5]楊傳健,葛浩,汪志圣.基于粗糙集的屬性約簡方法研究綜述[J].計算機應用研究,2012(1):16-19.