文献类型：期刊文章

作　　者：啜鹏杰[1] 王清清[3] 柳培忠[2] 陈建新[1] 林晖平[1] 黄富贵[1]

CHUAI Pengjie;WANG Qingqing;LIU Peizhong;CHEN Jianxin;LIN Huiping;HUANG Fugui(Laboratory and Equipment Management Department,Quanzhou 362000,Fujian,China;Institute of Technology,Huaqiao University,Quanzhou 362000,Fujian,China;Security Department,Huaqiao University,Xiamen 361000,Fujian,China)

机构地区：[1]华侨大学实验室与设备管理处,福建泉州362000 [2]华侨大学工学院,福建泉州362000 [3]华侨大学保卫处,福建厦门361000

出　　处：《实验室研究与探索》

年　　份：2022

卷　　号：41

期　　号：1

起止页码：306-311

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：为减少高校实验室安全事故的发生和提高实验室安全风险评估的准确率,使用层次分析法(AHP)建立实验室安全风险评价体系,然后利用主成分分析法(PCA)对评价指标的综合权重进行降维,再将降维后的特征信息作为GA-BP神经网络的输入层,建立一种基于主成分分析(PCA)、遗传算法(GA)和人工神经网络(BP)相结合的实验室安全风险评价模型。实验结果表明,与BP神经网络、PCA-BP神经网络模型和GA-BP网络模型相比,PCA-GA-BP神经网络的评价精度和准确率更高、收敛速度更快、学习能力更强,可用于实验室安全风险评价。

关 键 词：实验室安全 遗传算法  BP神经网络 主成分分析

分 类 号：X931.0[安全科学与工程类]