基于机器学习的石化装置事故预警指导系统构建方法

作     者：顾梧楠 

作者单位：北京化工大学 

学位级别：硕士

导师姓名：王峰

授予年度：2023年

学科分类：081702[工学-化学工艺] 08[工学] 0817[工学-化学工程与技术] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程] 

主      题：机器学习 自然语言处理 风险分析 事故预警 石化安全 

摘      要：近年来,我国的石化安全生产形势一直较为严峻,泄漏、火灾、爆炸等事故频发。其主要原因是石化企业生产过程中潜在的风险隐患较多,生产状态复杂多变,操作人员易发生误操作。利用风险分析方法预先辨识出生产过程中可能存在的风险是石化安全生产的重要保障。若在石化装置运行过程中可以依据风险分析的结果进行事故预警,并及时指导操作人员采取有效措施,则可以在很大程度上避免石化生产事故的发生。因此,研究石化装置风险分析与事故预警尤为重要。石化企业多年积累的已完成的风险分析报告作为对事故风险集中展示的材料,在提取石化事故风险因素以及挖掘事故发生规律具有重要参考价值。然而,大量已完成的风险分析报告并未得到充分利用。风险分析报告中潜在的事故规律未被充分挖掘,分析人员分析新生产工艺的风险时仍依赖于已有的经验知识,很少参考已完成的分析报告或事故案例;且难以将风险分析报告中的经验知识应用于石化装置事故预警。机器学习技术可以从大量的数据中挖掘隐藏的规律。因此,亟需研究利用机器学习技术对风险分析数据进行事故预警知识挖掘的方法,这将对提升风险分析水平、促进石化风险防控工作智能化、遏制重特大事故发生和保障生产安全需求具有重要意义。为了预防石化装置发生事故,本文提出了基于机器学习的石化装置事故预警指导系统构建方法,主要研究内容如下:(1)构建石化装置事故信息库:通过分析多种石化企业风险分析方法和石化装置事故记录,提出了石化装置事故信息库的构建方法,并以已完成的危险与可操作性分析报告和风险矩阵的评估结果为基础,构建了石化装置事故信息库。综合考虑风险分析报告与风险矩阵评估的结果,可以全面了解事故的信息,为基于机器学习的事故预警知识挖掘提供良好的数据基础。(2)基于机器学习的事故预警知识挖掘:基于已构建的石化装置事故信息库,利用LDA(Latent Dirichlet allocation)聚类模型构建事故因果聚类模型,挖掘风险分析中隐藏的原因和后果主题;基于词性标注算法构建主题信息提取模型,明确各原因主题与后果主题的主要内容;利用Apriori算法挖掘原因主题与后果主题间的关联规则,同时结合历史数据查询的结果,构建事故因果关联模型,建立事故因果双向推理关系,为构建基于文本数据的因果双向推理模块提供有效依据。通过对石化装置事故信息库中的数据进行深入的分析,对典型误操作进行汇总;结合自然语言处理技术提出了误操作分析方法,为构建典型误操作分析模块提供有效依据。针对石化装置事故信息库中设备分类后的数据,建立各类设备的事故因果聚类模型和分析内容关联模型,明确各项分析内容间的关联关系;并基于朴素贝叶斯模型构建风险预测模型,为构建石化设备的风险智能分析模块提供技术支持。(3)构建基于机器学习的石化装置事故预警指导系统:基于机器学习的事故预警知识挖掘的结果,构建基于文本数据的因果双向推理模块、典型误操作分析模块与石化设备智能风险分析模块,并构建基于机器学习的石化装置事故预警指导系统,实现基于石化生产现象描述的事故风险辨识与预警指导,辅助石化企业智能风险分析,为石化生产过程中风险分析、事故预警和应急救援指导提供参考。本文将风险分析与机器学习算法相结合,进行事故预警知识挖掘,并构建石化装置事故预警指导系统。该方法能够实现石化生产过程中的风险辨识与事故预警,最大程度上避免风险分析对分析人员经验的依赖,有助于实现石化企业安全风险分析信息化与智能化,并为减少和避免石化装置事故提供理论依据和技术支撑。