基于BP神經網絡的煤化工園區安全預警機制研究＊

徐曉東

（煤炭科學技術研究院有限公司，北京市朝陽區，100013）

煤化工園區內易燃易爆、有毒有害危險品聚集，事故災害后果嚴重的產業特點以及煤化工園區大集群、大規模、大流通的區域產業特性，決定了此區域是一個安全風險極高、潛在安全問題突出的區域。如何預測煤化工園區內的各種危險源，預防重大突發安全事件，并能科學高效應對重大突發安全事件，建立完善的預警機制，成為煤化工園區構建安全管理長效機制的重大措施。

為提高煤化工園區的安全預警能力，首先必須確定影響安全預警的因素。但煤化工園區發生緊急突發事件的種類復雜多變，影響煤化工園區安全的因素繁多，且在預警過程中大多數傳統的應急管理指揮系統不能適應日益增多的緊急突發事件處置的需要，因此必須針對煤化工產業的安全風險特征構建具有預警評估和預防預測的應急管理體系。這就需要按照 “平戰結合、平災結合、以防為主，準確預報，快速反應，措施有效”的原則，建立和健全煤化工園區基于安全預警機制的應急信息系統平臺，提高煤化工園區整體防災抗毀和應急處置能力，確保煤化工園區運行安全。

1 煤化工園區安全預警指標體系

1.1 安全預警指標體系的建立

煤化工園區的安全涉及方面非常廣，只有明確定位事故原因、做好事故防范，才能提高煤化工園區整體防災抗毀和應急處置能力，確保煤化工園區運行安全。所以，本文主要從致故原因和安全防備防線兩方面來考慮煤化工園區的安全預警指標。

致故原因主要考慮的是煤化工園區中安全生產時存在的各種客觀因素，例如物料的危險、設備的危險、生產工藝的危險等。同時，園區是集聚各大企業的工業基地，是一個不可分的整體，還要承擔社會對園區經濟發展的需求，如環境管理部門對環境質量的要求、安全管理部門對事故發生率的要求、經濟發展部門對園區經濟增長的要求，這些因素都在一定的程度上影響著園區的安全。安全防備防線主要是園區為保證安全生產采取的政策、法規、技術等對策。但事故發生涉及環境、設備、管理制度、人等各個方面的因素，要準確快速識別出這些危險源，就必須建立煤化工園區安全預警指標體系。

本文通過對39個煤化工園區安全現狀的調查分析，并結合煤化工園區的自身特性，建立了如表1所示的安全預警指標體系。

1.2 安全預警指標體系權重的確定

如表1所示，影響安全預警的指標很多，但每個預警指標的重要程度并不一樣，所以對預警指標進行定量的分析，能夠幫助預警系統更快、更準確做出預警決策。本文選擇層次分析方法 （AHP）來確定各個預警指標的權值。AHP的基本思想是：根據各個因素間的關聯關系和隸屬關系，將這些因素進行不同層次組合，形成一個多層次的分析模型，最后根據不同層次因素的重要程度，將低層到高層相對重要的權值按順序排列出來，這個結果將作為決策的依據。由于煤化工園區安全預警很復雜，傳統的AHP需要對各個因素的重要程度進行兩兩比較，最終難以形成統一的預警決策，所以本文采用改進的AHP來確定預警指標的權值。

下面將以要素層X 的指標為例，用AHP確定各指標權重的步驟如下：

（1）確定指標的量化標準。本文采用三分制比例標度法對相鄰兩層之間指標的相對重要性進行判斷。三分制比例標度法的具體含義見表2。

表1 煤化工園區安全預警指標體系

表2 三分制比例標度法

（2）建立初始判斷矩陣。采用專家打分的形式來確定各個預警指標的積分，這個積分將作為分層的標準。要素層X 的各個指標積分如表3所示。

表3 要素層X 各指標初始判斷矩陣及積分

由表3可知，要素層X 的積分行矩陣為：

（3）計算判斷矩陣。將要素層X 的積分行矩陣值輸入到Matlab中，計算得到矩陣X 對應的權值向量為：

（4）檢驗判斷矩陣的一致性。為了保證AHP法計算得到的結果基本合理，用隨機一致性比率CR 來衡量最終得到的判斷矩陣是否有滿意的一致性。CR 計算如下：

式中：CR——隨機一致性比率；

λmax—— 判斷矩陣的最大特征值；

n——矩陣階數 （n=6）；

RI——隨機一致性指標值，只有當CR＜0.10時，得到的判斷矩陣才有滿意的一致性，計算的結果才可以用于后邊的評估。

根據步驟 （3）中得到的值，由公式 （1）計算得到CR=0，滿足一致性要求。以上是單個專家的權重取值，重復上述步驟得到多個專家對每個指標的權值計算，最后計算平均值即為指標的最終權值。

同理，計算要素層和指標層各指標的權值。計算得到的結果如圖1和圖2所示。

圖1 要素層各指標權重值

由圖1可知，要素層中對煤化工園區安全影響排前六位的因素是X5，X6，X4，Y1，Y4，Y2。也就是說致故原因中的企業生產危險性、企業間的相互影響以及園區整體規劃對園區的安全有著至關重要的影響；安全防備防線中安全監管、設備安全監管以及安全管理體制對煤化工園區的安全也起著極為重要的作用。圖1中要素層相對應指標層中各具體指標的權重值如圖2所示，其中各企業間的多米諾事故發生概率對園區安全起著致命性作用，一旦園區發生多米諾連鎖事故，引起群死群傷，將會給園區帶來災難性影響。其他各個指標的權值可參考圖2，權值大小基本與目前煤化工園區現對安全管理指標的力度相當，符合現實需求。

圖2 指標層各指標權重值

2 煤化工園區安全預警模型

煤化工園區安全預警評估采用實地考察、調查問卷和專家咨詢相結合的方式為預警指標賦值，以安全規程要求的安全狀態設定監控預警指標，本文采用神經網絡模型中應用較為廣泛的BP 模型來構建煤化工園區安全預警的評估模型，根據評估模型結果來確定監控信號，從而做出相應的應急預案，進一步將安全隱患降到可控范圍。

2.1 安全預警模型的網絡結構

根據上述構建的煤化工園區安全預警指標體系，采用BP 模型來構建煤化工園區安全預警的模型，其拓撲結構包括輸入層、隱含層和輸出層三部分。輸入層輸入預警指標，經隱含層進行傳播，最后輸出層獲取輸入指標的預警響應；如果預警響應值不是所期望的輸出，則進行誤差反向傳播，反向傳播的輸入值是實際輸出值與期望輸出值的差，反向傳播時不斷調整權值來使誤差最小，最終使實際輸出接近期望輸出，這就是BP 神經網絡的正向和反向學習過程。

BP 神經網絡的具體學習過程：

（1）輸入層A 上任意點ai和輸出層B 上任意點bj之間的連接權值記為ωij，同理B 到C 的任意兩點bj和ck的權值記為νjk，B 層節點閾值設為βj，C 層節點閾值設為θk。給以上4 個變量隨機賦個較小的初值。

（2）正 向 計 算B 層 每 個 節 點bj（j=1，2，...，n）和C 層每個節點ck（k=1，2，...，n）的輸出。

（3）計算輸出層C 層的實際輸出ck和期望輸出之間的誤差值dk，并向將誤差值ej向B 層反向分配。

（4）調整C 層的節點閾值θk及B 層與C 層之間的權值νjk。

（5）同理，調整B 層的節點閾值βj 及B 層與A 層之間的權值ωij。

（6）不斷重復 （2）到 （5），直到誤差E 小到滿足要求。

本文使用BP 神經網絡的算法流程如圖3所示。

2.2 安全預警模型的建立

據圖3可知，建立完整的安全預警模型分為3個階段：數據準備、訓練學習、結果驗證。其中數據準備是最關鍵的階段，因為輸入輸出層節點數、隱含層節點數都直接影響BP 算法性能。

圖3 安全預警模型的BP 神經網絡算法流程

（1）確定輸入輸出節點。輸入層的節點數是由輸入向量的維數來確定的，根據表1建立的預警指標體系可得，煤化工園區的安全預警指標一共有39個，考慮到輸入節點數太多的問題，本文采用要素層的12個指標作為模型的輸入節點，指標層的39個指標的打分及對應權重的乘積作為要素層的輸入值。

輸出層的節點數就是預警模型的預警結果，根據煤化工園區安全預警等級表以及安全隱患的警情情況，將警級設定為5種程度：預警輸出值為0～0.2時，無警；預警輸出值為0.2～0.4時，輕警；預警輸出值為0.4～0.6時，中警；預警輸出值為0.6～0.8 時，重警；預警輸出值為0.8～1.0 時，巨警。因此，輸出層節點數為1，輸出值是0到1之間的任何數。

（2）確定隱含層節點。隱含層節點數對BP 算法的性能影響非常重要，但是目前還沒有特別準確可行且又不影響算法性能的方法來確定隱含層節點數，因為隱含層節點數過多或是過少都會對BP 神經網絡的訓練時間、訓練精度或是其他方面產生必要的影響。所以，本文為了選取合理的隱含層節點數，采用反復試驗獲取最佳的節點值，節點選取的參考式為：

式中：h——所求的隱含層節點個數；

m——輸入節點數；

n——輸出節點數；

a——常數，且a∈［1，10］。

在本文中m=12，n=1，a取多個值進行反復訓練。最后當a=6，則h=10 時，使得預警誤差最小且訓練時間最短，即隱含層節點個數為10。

2.3 模型驗證分析

為保證驗證結果的可靠性及實用性，預警模型采用的原始數據是通過調查問卷以及專家打分獲取，經過數據處理得到指標層各個指標的打分情況，由指標層各指標的打分乘以相應的權重得到要素層指標的打分，要素層的輸入值是其打分與權重的乘積，表4是部分樣本數據的輸入值。

表4 預警模型輸入的部分樣本數據

表5 預警模型的測試結果

本實驗共調查了8 個省的36 個煤化工園區，其中的22組數據作為訓練數據，從剩下的數據中隨機選取7組數據作為測試數據。BP 神經網絡學習過程中選取訓練精度ξ=0.001，迭代學習2001次后，誤差收斂率已達到最小，此時結束神經網絡的整個學習過程。然后將7組測試數據使用訓練好的BP 神經網絡對煤化工園區的安全風險進行預警測試，測試結果如表5所示，與其對應的預測誤差趨勢如圖4所示。

圖4 預測誤差趨勢圖

由表5和圖4可知，測試結果的誤差值很小，實際輸出值與期望值近乎一致，也就是說建立的基于BP 神經網絡的安全預警模型應用在煤化工園區中有較好的實用效果，將此模型應用在煤化工園區可以準確快速進行安全預警，以提高煤化工園區的安全管理力度。

3 煤化工園區安全措施建議

3.1 提高安全應急管理的技術水平

從煤化工園區的預警指標體系中可知，目前園區對安全生產教育以及安全生產監管力度投入都較為完善，但是對安全生產技術的投入并不大。我們應該意識到先進技術對安全生產起著很重要的保障作用，各個企業應該加強先進應急技術的開發應用與推廣。

（1）煤化工園區中的重點企業應增強與科研單位、高校之間的交流合作，將先進的應急技術應用到園區應急管理平臺中。

（2）加強與全國各個優秀的化工園區之間交流合作，以園區的安全生產和整個園區的經濟效益為基礎，相互探討學習、取長補短，形成自己獨特的安全技術。

（3）應加強與發達國家間的技術交流，學習國外先進的應急技術。

3.2 完善園區應急救援體系

預警是應急救援的前提，做好預警防范工作可降低事故發生率，但在事故發生時的應急救援工作同時也能降低事故的嚴重程度。為完善救援體系，主要從以下兩方面著手：一方面在原有救援隊伍的基礎上加強輔助救援隊的建設， 另一方面制定與園區現狀相符的、切實可行的應急預案，相關部門進行嚴格的監督控制，協調好各部門工作，以完善救援體系。

3.3 加強園區的安全信息化網絡建設

在應急水平都達到一定程度、應急體系也相對完善時，必須加強整個園區的安全信息化建設，充分發揮信息網絡對事故的監控和應對作用，降低事故率、減少災難發生。加強園區的信息化建設主要從以下兩方面進行。

（1）拓寬園區安全信息的搜集渠道。通過調查、互動、溝通等形式來掌握各類安全信息，拓寬園區安全信息來源，保障安全信息的準確性和及時性。

（2）加強園區的信息網絡建設。依靠現代通訊技術、計算機網絡技術、信息處理與集成技術，為園區提供一個高效的安全信息管理平臺，通過網絡傳遞及時有效的獲取園區的安全信息，同時通過網絡的圖形數據更能形象的反應整個園區的安全狀態。完善的信息網絡能保障安全信息的實時性和準確性，為園區的進一步工作提供正確的導向和依據。

［1］ 陳國華，段偉利.基于免疫機理的化工園區安全生產預警研究 ［D］.華南理工大學，2011

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

［3］ 范維唐，杜銘華.中國煤化工發展戰略意義 ［R］.中國煤炭工業協會，2006

［4］ 許乃中等.工業園區循環經濟績效評價方法研究［J］.中國人口資源環境，2010（3）

［5］ 金鈮.煤礦安全管理中外對比分析 ［J］ .中國煤炭，2010 （6）

［6］ 范磊，呂保和.我國化工園區安全監管存在問題及對策研究 ［J］.工業安全與環保，2009 （8）

［7］ 張吉苗.煤礦事故致因理論及安全管理對策 ［J］.中國煤炭，2013 （6）

［8］ 周忠科，王立杰.基于BP 神經網絡的煤礦安全預警評估機制研究 ［J］ .中國安全生產科學技術，2011 （4）

［9］ 曾康生.我國煤礦安全評價方法的應用現狀及其改進 ［J］.中國煤炭，2008 （11）

［10］ 蔡琢，蔣軍成，丁曉曄.化工園區安全及環境危險性分析 ［J］.工業安全與環保，2008 （1）

［11］ 吳宗之，許銘.化工園區土地利用安全規劃優化方法 ［J］.化工學報，2011 （1）