面向化工企业事故的根原因关联分析

发布时间：2021-07-03 21:59

　　化工事故发生的根原因多是由人的不安全行为、机械或物的不安全状态等引发,其本质是企业管理上的缺陷。挖掘根原因间、根原因与事故间的关联关系是预防事故、提升企业安全管理水平的关键。由于事故调研根原因分析与安全管理指标体系存在稀疏关联现象,难以挖掘管理缺陷与事故演化间的关联关系。为此,本文通过协同过滤算法填补事故调研中缺失的评分数据;基于加权支持度计数的关联规则算法挖掘事故根原因间、根原因与事故属性间的强关联规则。实验结果表明,基于加权支持度的关联分析算法相比于现有的算法,能推荐更多危险程度高的企业潜在安全隐患及安全隐患与事故间的演化关联,从而能科学指导企业安全生产,实现面向生产过程的风险预警和事故预防。 

【文章来源】：计算机与现代化. 2020,(10)

【文章页数】：6 页

【部分图文】：

根原因与事故类型的关联分析结果

图1 根原因与事故类型的关联分析结果由类型分布图可看出，由于在调研的事故中爆炸事故所占比例最大，通过关联分析得出指标与事故类型的关联规则中，Top20的规则与爆炸类型有关。通过上述规则前件指标排序得出指标5.2.5不合格最大概率地引起爆炸事故的发生。同样，一般化工企业类型事故达到59%，选取Top20的关联规则，可得出此类企业出现2.3.1指标不合格最多，从而可以有依据、有针对性地加强对此类企业的安全评估。在评估企业安全风险时可有针对性地向所指企业推荐安全隐患较大的指标，重点评估，指导企业安全生产。

加权关联规则挖掘算法与加权支持度计数方式密切相关，不同的计算方式会产生不同的挖掘算法。为此不少学者针对权重提出加权方法，其中张智军等[21]提出了基于具体问题的水平加权计算方法，每一项都设有权值来衡量重要程度，广泛应用于实际问题中。结合事故根原因均具有权重的特点，本文分别利用基于传统支持度计数的算法、水平加权关联规则挖掘算法与本文提出的加权支持度计数的关联规则挖掘算法进行结果比较。设置支持度阈值为42%，置信度阈值为90%。挖掘的关联规则总数和级别相同的指标间的关联规则数目如图3所示，结果表明，加权关联规则算法产生的规则数明显减少，本文提出的加权支持度计数的关联规则挖掘算法能够排除相对多的冗余关联规则，算法准确率有了明显的提高。在算法的运行效率方面，本文将置信度设为90%，当支持度从30%变化到45%时，由图4可以看出，本文方法具有最少的执行时间，挖掘效率相对较高。基于传统支持度计数的算法认为各个项的重要程度相同，交易项很多因此执行时间较长。而水平加权关联规则挖掘算法虽然能发挥权值的作用但是失去了传统关联规则算法中利用频繁集向下封闭的性质，使得降低了挖掘关联规则的效率，运行时间过长。

【参考文献】：
期刊论文
[1]改进的频繁模式挖掘算法[J]. 魏恩超,张德生,安平平.  计算机系统应用. 2019(09)
[2]化工企业安全管理体系研究[J]. 郑霁.  化工管理. 2019(24)
[3]结合TF-IDF的企业生产隐患关联预警及可视化研究[J]. 胡瑾秋,张曦月,吴志强.  中国安全科学学报. 2019(07)
[4]对化工企业安全管理发展的探讨[J]. 朱晓春.  信息记录材料. 2019(04)
[5]Apriori算法在预测矿井火灾事故中的应用[J]. 游先中.  能源与环保. 2018(08)
[6]基于关联规则的交通事故影响因素的挖掘[J]. 贾熹滨,叶颖婕,陈军成.  计算机科学. 2018(S1)
[7]基于兴趣度度量的正负关联规则挖掘方法研究[J]. 马彦勤,武彤,邓烜堃.  计算机技术与发展. 2018(05)
[8]化工安全生产及管理模式探讨[J]. 王涛.  化工管理. 2018(01)
[9]海因里希安全理论的学术影响分析[J]. 李杰,陈伟炯.  中国安全科学学报. 2017(09)
[10]基于评分预测的协同过滤推荐算法[J]. 周海平,黄凑英,刘妮,周洪波.  数据采集与处理. 2016(06)



本文编号：3263431