文献类型：期刊文章

作　　者：乔卫亮[1] 刘阳[2] 周群[3] 马晓雪[4]

QIAO Wei-liang;LIU Yang;ZHOU Qun;MA Xiao-xue(Marine Engineering College,Dalian Maritime University,Dalian 116026,Liaoning,China;School of Maritime Economic and Management,Dalian Maritime University,Dalian 116026,Liaoning,China;Yantai Vocational College,Yantai 264670,Shandong,China;Public Administration and Humanities College,Dalian Maritime University,Dalian 116026,Liaoning,China)

机构地区：[1]大连海事大学轮机工程学院,辽宁大连116026 [2]大连海事大学航运经济与管理学院,辽宁大连116026 [3]烟台职业学院,山东烟台264670 [4]大连海事大学公共管理与人文艺术学院,辽宁大连116026

出　　处：《安全与环境学报》

基　　金：国家重点研发计划项目(2019YFB1600600);国家社会科学基金项目(19BZZ104);中央高校基本科研业务费专项(3132019190)。

年　　份：2021

卷　　号：21

期　　号：4

起止页码：1405-1411

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、JST、PROQUEST、ZGKJHX、核心刊

摘　　要：针对安全风险的复杂性、不确定性和不可预见性特征愈加明显的发展趋势,提出了一种基于模糊人工神经网络的风险评估模型。在传统事故树分析方法的基础上,引入模糊集理论和层次分析法,利用三角模糊数收集、整理专家的专业性判断语言,然后通过聚类分析和去模糊化处理得到事故树中基本事件的发生概率。将基本事件作为人工神经网络的输入层神经元,顶上事件作为输出层神经元,形成事故树嵌入人工神经网络的方法,提出该人工神经网络的构建、训练及测试方法。以沿海航行船舶的沉船事故作为风险评估案例应用该风险评估模型,结果表明,该模型的计算误差(均方误差)在0.013~0.014,精度符合应用要求,与传统事故树计算方法得到的结果相比,二者差值绝对值的平均值、最大值及均方误差分别为0.0093、0.0196和0.0052,二者计算结果的一致性较好。所构建的风险评估模型在自我优化、使用便捷性和动态适用性方面优势明显。

关 键 词：安全工程 人工神经网络 模糊理论  事故树 风险评估

分 类 号：X951[安全科学与工程类]