一种基于卷积神经网络的化工企业风险预警方法及系统技术方案

本发明专利技术涉及化工企业风险评估技术领域，公开了一种基于卷积神经网络的化工企业风险预警方法及系统，具体方法包括：从人为

【技术实现步骤摘要】
一种基于卷积神经网络的化工企业风险预警方法及系统


[0001]本专利技术涉及化工企业风险评估
，是一种基于卷积神经网络的化工企业风险预警方法及系统
。

技术介绍

[0002]在化工企业的生产过程中，通过完善的风险等级评估体系和成熟的自动预警机制来对风险进行有效的控制，这对化工企业的安全稳定生产具有十分重要的作用
。
[0003]在现有已公开的专利技术技术中，如公开号为
CN113807715A
的专利公开了一种化工装置风险动态预警方法，主要针对的是化工企业的生产以及储运过程，采用
HAZOP
进行风险分析，筛选出主要风险因素再对主要风险因素划分等级，评定优先等级
。
[0004]又如公开号为
CN114022048A
的专利公开了一种化工园区风险预警平台的构建方法，包括园区信息采集模块
、
安全容量评估模块
、
风险等级评定模块，风险预警模块，园区可视化以及风险应急处置模块
。
通过构建企业与园区的基本信息数据库进行安全容量的等级评估
。
[0005]上述专利在风险评估过程中，潜在危险因素的数据存在不准确
、
不完整或不及时的问题；且危险因素的评估与风险等级的划分受到个人偏见
、
经验限制或认知偏差的影响，导致评估结果存在主观性，缺乏客观性和一致性
。

技术实现思路

[0006]本专利技术所要解决的技术问题是针对现有技术中，对潜在危险因素评估不全面和评估结果主观性强的问题，提出了一种基于卷积神经网络的化工企业风险预警方法及系统
。
[0007]为了达到上述目的，本专利技术一种基于卷积神经网络的化工企业风险预警方法的具体技术方案如下：
[0008]A1
：在化工企业各厂区的日常生产过程的视频监控画面和统计到的企业自身的生产信息中，从人为
、
机器
、
原料
、
生产工艺
、
生产环境五个方面，每半个小时进行一次潜在危险因素的采集；
[0009]A2
：确定人为
、
机器
、
原料
、
生产工艺
、
生产环境五大项中包含的风险指标项数值并进行二级赋权处理，获得每一项的历史具体风险指标的分数；
[0010]A3
：对数据分析与评分模块获得的历史具体风险指标的分数进行数据清洗处理，均衡每半个小时采集一次的历史具体风险指标的分数，因数据采集的时间先后问题，对数据清洗过程的影响；
[0011]A4
：构建卷积神经网络模型并对其进行训练，将实时具体风险指标的分数经训练成熟的卷积神经网络模型，分类输出实时的风险分数等级为特别重大风险级
、
重大风险级
、
一般风险级
、
轻微风险级或安全级，实时预测企业当前的风险等级；
[0012]A5
：实时公开各个厂区的五大潜在的危险因素的评分及各个危险因素的动态占比分布图；
[0013]A6
：对超过报警阈值的潜在的风险指标的分数进行标红
、
标黄和标绿的分色处理，并向厂区管理及生产人员的智联手机发送停止生产活动的警报，及时进行人员的疏散撤离
。
[0014]具体的，所述人为
、
机器
、
原料
、
生产工艺
、
生产环境五个方面的潜在的危险因素包括：
[0015]人为：视频捕捉到的员工行为
、
人员定位报警
、
特殊作业
、
隐患任务的排查
、
承包供应商的潜在问题以及员工教育培训；
[0016]机器：生产设备
、
安全设备
、
特种设备以及实时监测报警设备；
[0017]原料：可燃和有毒气体的监测报警
、
重大危险源以及危化品的管控；
[0018]生产工艺：危险工艺；
[0019]生产环境：自然天气
、
厂区风险分区
、
危险事故管理以及应急预案
。
[0020]具体的，所述对各项风险指标项数值的确定包括：
[0021]人为：视频捕捉到的员工行为的种违规行为的次数的项数值集为
、
人员定位报警的种违规情况的次数的项数值集为
、
特殊作业的种正在进行的作业数的项数值集为
、
隐患任务完成排查的项目数的项数值为
、
承包供应商的潜在问题的种违规情况次数的项数值集为以及员工教育培训合格的员工数的项数值为；
[0022]机器：生产设备定期保养检修的设备数的项数值为
、
安全设备定期保养检修的设备数的项数值为
、
特种设备定期保养检修的设备数的项数值为以及实时监测报警设备的4种警报情况分别出现次数的项数值集为；
[0023]原料：可燃和有毒气体浓度等级的监测报警的警报次数的项数值为
、
重大危险源的4个等级的危险源数量的项数值集为以及危化品的管控的5种监管等级的危化品数量的项数值集为；
[0024]生产工艺：正在进行的危险工艺数的项数值为；
[0025]生产环境：自然天气的6种天气情况的恶劣环境等级的项数值集为
、
厂区风险分区的4种风险区级的各个风险区数量的项数值集为
、
危险事故管理的2种管理方式的事故数量的项数值集为以及制订应急预案的项目数量的项数值为
。
[0026]具体的，所述对各项风险指标项数的一级赋权包括：
[0027]人为：视频捕捉到的员工行为的一级权重为
、
人员定位报警的一级权重为
、
特殊作业的一级权重为
、
隐患任务的排查的一级权重为
、
承包供应商的潜在问题的一级权重为以及员工教育培训的一级权重为；
[0028]机器：生产设备的一级权重为
、
安全设备的一级权重为
、
特种设备的一级权重为以及实时监测报警设备的一级权重为；原料：可燃和有毒气体的监测报警的一级权重为
、
重大危险源的一级权重为以及危化品的管控的一级权重为；
[0029]生产工艺：危险工艺的一级权重为；
[0030]生产环境：自然天气的一级权重为
、
厂区风险分区的一级权重为
、
危险事故管理的一级权重为以及应急预案的一级权重为
。
[0031]具体的，所述对各项风险指标项数的二级赋权包括：
[0032]人为：视频捕捉到的员工行为的种违规行为的二级权重集为
、
人员定本文档来自技高网...

【技术保护点】

【技术特征摘要】
个等级的危险源数量的项数值集为以及危化品的管控的5种监管等级的危化品数量的项数值集为；生产工艺：正在进行的危险工艺数的项数值为；生产环境：自然天气的6种天气情况的恶劣环境等级的项数值集为
、
厂区风险分区的4种风险区级的各个风险区数量的项数值集为
、
危险事故管理的2种管理方式的事故数量的项数值集为以及制订应急预案的项目数量的项数值为
。4.
根据权利要求3所述的一种基于卷积神经网络的化工企业风险预警方法，其特征在于，对各项风险指标项数的一级赋权包括：人为：视频捕捉到的员工行为的一级权重为
、
人员定位报警的一级权重为
、
特殊作业的一级权重为
、
隐患任务的排查的一级权重为
、
承包供应商的潜在问题的一级权重为以及员工教育培训的一级权重为；机器：生产设备的一级权重为
、
安全设备的一级权重为
、
特种设备的一级权重为以及实时监测报警设备的一级权重为；原料：可燃和有毒气体的监测报警的一级权重为
、
重大危险源的一级权重为以及危化品的管控的一级权重为；生产工艺：危险工艺的一级权重为；生产环境：自然天气的一级权重为
、
厂区风险分区的一级权重为
、
危险事故管理的一级权重为以及应急预案的一级权重为
。5.
根据权利要求4所述的一种基于卷积神经网络的化工企业风险预警方法，其特征在于，对各项风险指标项数的二级赋权包括：人为：视频捕捉到的员工行为的5种违规行为的二级权重集为
、
人员定位报警的5种违规情况的二级权重集为
、
特殊作业的8种作业情况的二级权重集为
、
隐患任务是否完成排查的二级权重为
、
承包供应商的潜在问题的4种情况的二级权重集为以及员工教育培训是否合格的二级权重为；机器：生产设备是否定期保养检修的二级权重为
、
安全设备是否定期保养检修的二级权重为
、
特种设备是否定期保养检修的二级权重为以及实时监测报警设备的4种情况的二级权重集为；
原料：可燃和有毒气体浓度等级的监测报警的二级权重为
、
重大危险源的4个等级的二级权重集为以及危化品的管控的5种监管等级的二级权重集为；生产工艺：危险工艺的二级权重为；生产环境：自然天气的6种天气情况的二级权重集为
、
厂区风险分区的4种风险区级的二级权重集为
、
危险事故管理的2种管理方式的二级权重集为以及是否制订应急预案的二级权重为
。6.
根据权利要求5所述的一种基于卷积神经网络的化工企业风险预警方法，其特征在于，具体风险指标分数的计算策略如下：人为的风险指标分数：；机器的风险指标分数：；原料的风险指标分数：；生产工艺的风险指标分数：；生产环境的风险指标分数：
。7.
根据权利要求1所述一种基于卷积神经网络的化工企业风险预警方法，其特征在于，所述数据清洗处理的具体步骤如下：
S71
：将采集到的风险指标的历史具体风险指标的分数进行数据清洗处理，其中时间点为的风险指标的分数被清洗剔除的概率的计算策略如下：；其中，为输入的风险指标的各项分数权重构成的权重系数矩阵；为风险指标的分数在清洗过程中产生的偏置误差向量；
为时间点为时，输入清洗端的风险指标的分数；为前一个时间点为时，经过数据清洗端处理后的输出风险指标的分数；为函数；
S72
：将经数据清洗剔除处理后的风险指标的分数输入中介端，其中时间点为的输出风险指标的分数的计算策略如下：；其中，为输入中介端的风险指标的各项分数权重构成的权重系数矩阵；为风险指标的分数通过中介端产生的偏置误差向量；表示矩阵间的元素逐个相乘；为时间点为时，输入中介端的风险指标的分数；为前一个时间点为时，经过中介端处理后的输出风险指标的分数；为函数；
S73
：将经过中介端记忆存储后的数据，获得在时间点为时输出的风险指标的分数的计算策略如下：
。8.
根据权利要求7所述一种基于卷积神经网络的化工企业风险预警方法，其特征在于，卷积神经网络处理具体风险指标的分数的具体步骤如下：
S81

【专利技术属性】
技术研发人员：张明广，钱城江，张瑜，潘文洁，张勇，郭静，
申请(专利权)人：南京南工应急科技有限公司，
类型：发明
国别省市：