[发明专利]一种化工事故风险预测方法及装置

说明书

本申请提供了一种化工事故风险预测方法及装置。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。本申请解决了化工事故预测技术中事故数据即样本数据稀少的问题，使事故风险值预测精度更高。

技术领域

本申请属于化工事故风险预测技术领域，特别涉及一种化工事故风 险预测方法以及化工事故风险预测装置。

背景技术

化工生产过程极易发生生产安全事故，一旦发生事故，后果非常严 重，因此需要做好事故预测、预防工作。就目前而言，对于化工生产过 程中事故风险的预测多基于DCS系统和传感器所采集工况数据，通过设置 阈值判定方式进行风险预测，缺点包括：一是风险预测依据的数据源单 一，不能够预测生产过程中的系统性风险；二是风险预测具有滞后性， 只有过了某一阈值才能发出警报，此时异常已经出现。很有可能工作人 员来不及进行，或者异常情况己经给化工安全带来损失。

因此，希望有一种技术方案来克服或至少减轻现有技术的至少一个 上述缺陷。

发明内容

本申请的目的是提供了一种化工事故风险预测方法，以解决上述至 少一方面的问题。

在本申请的第一方面，一种化工事故风险预测方法，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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，