[发明专利]一种化工事故风险预测方法及装置

权利要求书

1.一种化工事故风险预测方法，其特征在于，所述化工事故风险预测方法包括：

获取SVM事故风险预测模型；

通过PSO算法优化所述SVM事故风险预测模型，从而获取优化后的SVM事故风险预测模型；

对所述优化后的SVM事故风险预测模型进行训练，从而获取训练后的SVM事故风险预测模型；

获取待预测参数；

将所述待预测参数输入所述训练后的SVM事故风险预测模型从而获取预测风险值。

2.如权利要求1所述的化工事故风险预测方法，其特征在于，所述对所述优化后的SVM事故风险预测模型进行训练，从而获取训练后的SVM事故风险预测模型包括：

获取样本数据集，所述样本数据集包括训练集以及测试集；

通过所述训练集对所述优化后的SVM事故风险预测模型进行训练；

通过所述测试集对所述优化后的SVM事故风险预测模型进行测试，判断获取的结果是否满足预设精度，若是，则

获取训练后的SVM事故风险预测模型。

3.如权利要求2所述的化工事故风险预测方法，其特征在于，所述获取样本数据集包括：

获取各个化工安全生产事故的原始数据；

根据所述各个化工安全生产事故的原始数据生成所述样本数据集。

4.如权利要求3所述的化工事故风险预测方法，其特征在于，所述根据所述各个化工安全生产事故的原始数据生成所述样本数据集包括：

根据所述各个化工安全生产事故的原始数据获取致因因素特征，所述致因因素特征的数量为多个；

根据各个所述化工安全生产事故的原始数据获取每个致因因素特征的权重值；

根据所述原始数据、致因因素特征以及所述权重值获取样本数据集。

5.如权利要求4所述的化工事故风险预测方法，其特征在于，所述通过PSO算法优化所述SVM事故风险预测模型，从而获取优化后的SVM事故风险预测模型包括：

通过如下调整公式对所述SVM事故风险预测模型进行优化：

其中，

_i为粒子，_k是迭代次数，ω为惯性权重。c₁和c₂是学习因子，表示种群中个体和全局的性质；c₁和c₂为常数；r₁和r₂分布于[0,1]范围内的随机值。

6.一种化工事故风险预测装置，其特征在于，所述化工事故风险预测装置包括：

模型获取模块，所述模型获取模块用于获取SVM事故风险预测模型；

优化模块，所述优化模块用于通过PSO算法优化所述SVM事故风险预测模型，从而获取优化后的SVM事故风险预测模型；

训练模块，所述训练模块用于对所述优化后的SVM事故风险预测模型进行训练，从而获取训练后的SVM事故风险预测模型；

待预测参数获取模块，所述待预测参数获取模块用于获取待预测参数；

预测模块，所述预测模块用于将所述待预测参数输入所述训练后的SVM事故风险预测模型从而获取预测风险值。

7.如权利要求6所述的化工事故风险预测装置，其特征在于，所述训练模块包括：

样本数据集获取模块，所述样本数据集获取模块用于获取样本数据集，所述样本数据集包括训练集以及测试集；

训练集训练模块，所述训练集训练模块用于通过所述训练集对所述优化后的SVM事故风险预测模型进行训练；

测试集测试模块，所述测试集测试模块用于通过所述测试集对所述优化后的SVM事故风险预测模型进行测试，判断获取的结果是否满足预设精度；

训练后模型获取模块，所述训练后模型获取模块用于在所述判断为是时获取训练后的SVM事故风险预测模型。