面向化工企業(yè)事故的根原因關聯(lián)分析
發(fā)布時間：2021-07-03 21:59
化工事故發(fā)生的根原因多是由人的不安全行為、機械或物的不安全狀態(tài)等引發(fā),其本質是企業(yè)管理上的缺陷。挖掘根原因間、根原因與事故間的關聯(lián)關系是預防事故、提升企業(yè)安全管理水平的關鍵。由于事故調研根原因分析與安全管理指標體系存在稀疏關聯(lián)現象,難以挖掘管理缺陷與事故演化間的關聯(lián)關系。為此,本文通過協(xié)同過濾算法填補事故調研中缺失的評分數據;基于加權支持度計數的關聯(lián)規(guī)則算法挖掘事故根原因間、根原因與事故屬性間的強關聯(lián)規(guī)則。實驗結果表明,基于加權支持度的關聯(lián)分析算法相比于現有的算法,能推薦更多危險程度高的企業(yè)潛在安全隱患及安全隱患與事故間的演化關聯(lián),從而能科學指導企業(yè)安全生產,實現面向生產過程的風險預警和事故預防。
【文章來源】：計算機與現代化. 2020,(10)
【文章頁數】：6 頁
【部分圖文】：
根原因與事故類型的關聯(lián)分析結果
圖1 根原因與事故類型的關聯(lián)分析結果由類型分布圖可看出，由于在調研的事故中爆炸事故所占比例最大，通過關聯(lián)分析得出指標與事故類型的關聯(lián)規(guī)則中，Top20的規(guī)則與爆炸類型有關。通過上述規(guī)則前件指標排序得出指標5.2.5不合格最大概率地引起爆炸事故的發(fā)生。同樣，一般化工企業(yè)類型事故達到59%，選取Top20的關聯(lián)規(guī)則，可得出此類企業(yè)出現2.3.1指標不合格最多，從而可以有依據、有針對性地加強對此類企業(yè)的安全評估。在評估企業(yè)安全風險時可有針對性地向所指企業(yè)推薦安全隱患較大的指標，重點評估，指導企業(yè)安全生產。
加權關聯(lián)規(guī)則挖掘算法與加權支持度計數方式密切相關，不同的計算方式會產生不同的挖掘算法。為此不少學者針對權重提出加權方法，其中張智軍等[21]提出了基于具體問題的水平加權計算方法，每一項都設有權值來衡量重要程度，廣泛應用于實際問題中。結合事故根原因均具有權重的特點，本文分別利用基于傳統(tǒng)支持度計數的算法、水平加權關聯(lián)規(guī)則挖掘算法與本文提出的加權支持度計數的關聯(lián)規(guī)則挖掘算法進行結果比較。設置支持度閾值為42%，置信度閾值為90%。挖掘的關聯(lián)規(guī)則總數和級別相同的指標間的關聯(lián)規(guī)則數目如圖3所示，結果表明，加權關聯(lián)規(guī)則算法產生的規(guī)則數明顯減少，本文提出的加權支持度計數的關聯(lián)規(guī)則挖掘算法能夠排除相對多的冗余關聯(lián)規(guī)則，算法準確率有了明顯的提高。在算法的運行效率方面，本文將置信度設為90%，當支持度從30%變化到45%時，由圖4可以看出，本文方法具有最少的執(zhí)行時間，挖掘效率相對較高�；趥鹘y(tǒng)支持度計數的算法認為各個項的重要程度相同，交易項很多因此執(zhí)行時間較長。而水平加權關聯(lián)規(guī)則挖掘算法雖然能發(fā)揮權值的作用但是失去了傳統(tǒng)關聯(lián)規(guī)則算法中利用頻繁集向下封閉的性質，使得降低了挖掘關聯(lián)規(guī)則的效率，運行時間過長。
【參考文獻】：
期刊論文
[1]改進的頻繁模式挖掘算法[J]. 魏恩超,張德生,安平平. 計算機系統(tǒng)應用. 2019(09)
[2]化工企業(yè)安全管理體系研究[J]. 鄭霽. 化工管理. 2019(24)
[3]結合TF-IDF的企業(yè)生產隱患關聯(lián)預警及可視化研究[J]. 胡瑾秋,張曦月,吳志強. 中國安全科學學報. 2019(07)
[4]對化工企業(yè)安全管理發(fā)展的探討[J]. 朱曉春. 信息記錄材料. 2019(04)
[5]Apriori算法在預測礦井火災事故中的應用[J]. 游先中. 能源與環(huán)保. 2018(08)
[6]基于關聯(lián)規(guī)則的交通事故影響因素的挖掘[J]. 賈熹濱,葉穎婕,陳軍成. 計算機科學. 2018(S1)
[7]基于興趣度度量的正負關聯(lián)規(guī)則挖掘方法研究[J]. 馬彥勤,武彤,鄧烜堃. 計算機技術與發(fā)展. 2018(05)
[8]化工安全生產及管理模式探討[J]. 王濤. 化工管理. 2018(01)
[9]海因里希安全理論的學術影響分析[J]. 李杰,陳偉炯. 中國安全科學學報. 2017(09)
[10]基于評分預測的協(xié)同過濾推薦算法[J]. 周海平,黃湊英,劉妮,周洪波. 數據采集與處理. 2016(06)
本文編號：3263431
【文章來源】：計算機與現代化. 2020,(10)
【文章頁數】：6 頁
【部分圖文】：
根原因與事故類型的關聯(lián)分析結果
圖1 根原因與事故類型的關聯(lián)分析結果由類型分布圖可看出，由于在調研的事故中爆炸事故所占比例最大，通過關聯(lián)分析得出指標與事故類型的關聯(lián)規(guī)則中，Top20的規(guī)則與爆炸類型有關。通過上述規(guī)則前件指標排序得出指標5.2.5不合格最大概率地引起爆炸事故的發(fā)生。同樣，一般化工企業(yè)類型事故達到59%，選取Top20的關聯(lián)規(guī)則，可得出此類企業(yè)出現2.3.1指標不合格最多，從而可以有依據、有針對性地加強對此類企業(yè)的安全評估。在評估企業(yè)安全風險時可有針對性地向所指企業(yè)推薦安全隱患較大的指標，重點評估，指導企業(yè)安全生產。
加權關聯(lián)規(guī)則挖掘算法與加權支持度計數方式密切相關，不同的計算方式會產生不同的挖掘算法。為此不少學者針對權重提出加權方法，其中張智軍等[21]提出了基于具體問題的水平加權計算方法，每一項都設有權值來衡量重要程度，廣泛應用于實際問題中。結合事故根原因均具有權重的特點，本文分別利用基于傳統(tǒng)支持度計數的算法、水平加權關聯(lián)規(guī)則挖掘算法與本文提出的加權支持度計數的關聯(lián)規(guī)則挖掘算法進行結果比較。設置支持度閾值為42%，置信度閾值為90%。挖掘的關聯(lián)規(guī)則總數和級別相同的指標間的關聯(lián)規(guī)則數目如圖3所示，結果表明，加權關聯(lián)規(guī)則算法產生的規(guī)則數明顯減少，本文提出的加權支持度計數的關聯(lián)規(guī)則挖掘算法能夠排除相對多的冗余關聯(lián)規(guī)則，算法準確率有了明顯的提高。在算法的運行效率方面，本文將置信度設為90%，當支持度從30%變化到45%時，由圖4可以看出，本文方法具有最少的執(zhí)行時間，挖掘效率相對較高�；趥鹘y(tǒng)支持度計數的算法認為各個項的重要程度相同，交易項很多因此執(zhí)行時間較長。而水平加權關聯(lián)規(guī)則挖掘算法雖然能發(fā)揮權值的作用但是失去了傳統(tǒng)關聯(lián)規(guī)則算法中利用頻繁集向下封閉的性質，使得降低了挖掘關聯(lián)規(guī)則的效率，運行時間過長。
【參考文獻】：
期刊論文
[1]改進的頻繁模式挖掘算法[J]. 魏恩超,張德生,安平平. 計算機系統(tǒng)應用. 2019(09)
[2]化工企業(yè)安全管理體系研究[J]. 鄭霽. 化工管理. 2019(24)
[3]結合TF-IDF的企業(yè)生產隱患關聯(lián)預警及可視化研究[J]. 胡瑾秋,張曦月,吳志強. 中國安全科學學報. 2019(07)
[4]對化工企業(yè)安全管理發(fā)展的探討[J]. 朱曉春. 信息記錄材料. 2019(04)
[5]Apriori算法在預測礦井火災事故中的應用[J]. 游先中. 能源與環(huán)保. 2018(08)
[6]基于關聯(lián)規(guī)則的交通事故影響因素的挖掘[J]. 賈熹濱,葉穎婕,陳軍成. 計算機科學. 2018(S1)
[7]基于興趣度度量的正負關聯(lián)規(guī)則挖掘方法研究[J]. 馬彥勤,武彤,鄧烜堃. 計算機技術與發(fā)展. 2018(05)
[8]化工安全生產及管理模式探討[J]. 王濤. 化工管理. 2018(01)
[9]海因里希安全理論的學術影響分析[J]. 李杰,陳偉炯. 中國安全科學學報. 2017(09)
[10]基于評分預測的協(xié)同過濾推薦算法[J]. 周海平,黃湊英,劉妮,周洪波. 數據采集與處理. 2016(06)
本文編號：3263431
本文鏈接：http://www.sikaile.net/kejilunwen/huaxuehuagong/3263431.html
