【技术实现步骤摘要】
一种基于python的粉尘爆炸风险评估方法和系统
[0001]本专利技术属于计算机和安全工程
,具体涉及一种基于python的粉尘爆炸风险评估方法和系统。
技术介绍
[0002]随着我国各行各业生产发展水平越来越快,安全生产管理水平也需要进一步的提升。在容易发生粉尘爆炸的行业尤其需要对其加以控制。然而仅仅依靠人力对粉尘涉爆企业进行评估,其速度往往是缓慢的,在效果上也很难达到要求。
技术实现思路
[0003]本专利技术要解决的技术问题是:提供一种基于python的粉尘爆炸风险评估方法和系统,用于提高对木材加工行业粉尘爆炸风险的评估效率。
[0004]本专利技术为解决上述技术问题所采取的技术方案为:一种基于python的粉尘爆炸风险评估方法,包括以下步骤:
[0005]S1:采用层次分析法划分评估指标,具体步骤为:
[0006]S11:构造层次分析结构,由高到低依次包括目标层、准则层和方案层;
[0007]S12:两两比较各层的元素,构造判断矩阵,用于在本层与上一层有关因素之间进行相对重要性的比较;
[0008]S13:对判断矩阵进行一致性检验以保证应用层次分析法分析得到的结论合理;
[0009]S14:进行层次单排序,采用迭代法计算判断矩阵的近似的最大特征根和对应的特征向量,求得某层次的元素相对于上一层次中某一元素的相对重要性;
[0010]S15:进行层次总排序,由上而下逐层计算,得到最低层的元素相对于最高层的总目标的相对重要性或相对优劣的 ...
【技术保护点】
【技术特征摘要】
1.一种基于python的粉尘爆炸风险评估方法,其特征在于:包括以下步骤:S1:采用层次分析法划分评估指标,具体步骤为:S11:构造层次分析结构,由高到低依次包括目标层、准则层和方案层;S12:两两比较各层的元素,构造判断矩阵,用于在本层与上一层有关因素之间进行相对重要性的比较;S13:对判断矩阵进行一致性检验以保证应用层次分析法分析得到的结论合理;S14:进行层次单排序,采用迭代法计算判断矩阵的近似的最大特征根和对应的特征向量,求得某层次的元素相对于上一层次中某一元素的相对重要性;S15:进行层次总排序,由上而下逐层计算,得到最低层的元素相对于最高层的总目标的相对重要性或相对优劣的排序值;S2:采用层次分析法计算评估指标的权重,具体步骤为:S21:创建层次机构模型,输入决策目标、中间层要素和备选方案,创建木材加工行业粉尘爆炸风险指标体系;S22:输入判断矩阵;S23:计算并显示指标权重的群决策计算结果。2.根据权利要求1所述的一种基于python的粉尘爆炸风险评估方法,其特征在于:所述的步骤S11中,目标层是某一行业粉尘爆炸指标体系;准则层包括一阶指标和二阶指标;方案层是没有下属指标的底层方案。3.根据权利要求1所述的一种基于python的粉尘爆炸风险评估方法,其特征在于:所述的步骤S12中,具体步骤为:S121:设上一层次的元素B
k
为准则且对下一层元素C1,C2,
…
,C
n
有支配关系,在准则B
k
下按重要性赋予C1,C2,
…
,C
n
相应的权重;重要性包括年龄、职称、工龄和从事相关行业时长;设C
ij
表示因素i和因素j相对于目标的重要值,对n个元素进行两两比较得到判断矩阵C=(c
ij
)n
×
n,取如下形式:取如下形式:判断矩阵C中,C
ij
>0;C
ij
=1/C
ji
,i≠j;C
ii
=1;S122:在层次分析法中,采用1~9标度法定量化决策判断以形成数值判断矩阵;若无法确定C
ij
在两个重要性等级之间属于哪个等级,则取两标度之间的偶数值;判断矩阵的标度含义为:标度为1的重要性等级为i、j两元素同等重要,C
ij
赋值为1;
标度为2的重要性等级为i元素比j元素稍重要,C
ij
赋值为3;标度为3的重要性等级为i元素比j元素明显重要,C
ij
赋值为5;标度为4的重要性等级为i元素比j元素强烈重要,C
ij
赋值为7;标度为5的重要性等级为i元素比j元素极端重要,C
ij
赋值为9;标度为6的重要性等级为i元素比j元素稍不重要,C
ij
赋值为1/3;标度为7的重要性等级为i元素比j元素明显不重要,C
ij
赋值为1/5;标度为8的重要性等级为i元素比j元素强烈不重要,C
ij
赋值为1/7;标度为9的重要性等级为i元素比j元素极端不重要,C
ij
赋值为1/9。4.根据权利要求3所述的一种基于python的粉尘爆炸风险评估方法,其特征在于:所述的步骤S13中,具体步骤为:S131:根据矩阵理论,若λ1,λ2,
…
,λ
n
是矩阵A的特征根,满足式Ax=λx,并且对于所有a
ii
=1有当矩阵A具有完全一致性时,λ1=λ
max
=n,其余特征根均为零;当矩阵A不具有完全一致性时,λ1=λ
max
>n,其余特征根λ2,λ3,
…
,λ
n
有如下关系S132:在层次分析法中引入判断矩阵的最大特征根以外的其余特征根的负平均值作为度量判断矩阵的一致性指标CI:CI值越大,表明判断矩阵偏离完全一致性的程度越大;CI值越小、接近于0,表明判断矩阵的一致性越好;S133:引入判断矩阵的平均随机一致性指标RI值;当判断矩阵的阶数为2时,判断矩阵具有完全一致性;当判断矩阵的阶数大于2时,设判断矩阵的一致性指标CI与同阶判断...
【专利技术属性】
技术研发人员:周德红,李昊宸,王伦平,刘洋,李维东,肖振航,王妮,常林,代婷伟,谢斌,彭诗雨,
申请(专利权)人:武汉工程大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。