文献类型：期刊文章

作　　者：刘晋[1,2] 程彦斌[1] 齐东川[3] 蒋晋[1] 王文和[1,2]

LIU Jin;CHENG Yanbin;QI Dongchuan;JIANG Jin;WANG Wenhe(College of Safety Engineering,Chongqing University of Science&Technology,Chongqing 401331,China;Chongqing Academy of Safety Science and Technology,Chongqing 401121,China;Southwest Armaments Chongqing Environmental Protection Research Institute Co.,Ltd.,Chongqing 400042,China)

机构地区：[1]重庆科技学院安全工程学院,重庆401331 [2]重庆市安全生产科学研究院,重庆401121 [3]西南兵工重庆环境保护研究所有限公司,重庆400042

出　　处：《中国安全生产科学技术》

基　　金：教育部人文社会科学研究青年基金项目(20YJCZH096);国家应急管理部安全生产重大事故防治关键技术科技项目(chongqing-0004-2018AQ);重庆市教育委员会科学技术研究项目(KJZD-K202101501);油气生产安全与风险控制重庆市重点实验室开放基金项目(cqsrc202114);重庆市璧山区科学技术局科研项目(BSKJ20210027)。

年　　份：2022

卷　　号：18

期　　号：12

起止页码：154-161

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为解决现阶段基于风险分级的安全评价方法仍存在着高维数据处理不当、评价智能化程度不高等问题,创建支持向量机的安全评价模型,利用核函数解决安全评价因子分类问题,粒子群算法(PSO)寻找最适合模型的正则项C,进一步提升安全评价模型的正确率,形成适用高维数据的化工工艺安全评价方法。研究结果表明:该模型与经典支持向量机模型和BP神经网络评价模型相比具有更高的正确率,研究结果对借用机器学习来创新安全评价理论及工程应用具有现实意义及理论价值。

关 键 词：化工工艺 安全评价 风险分级  支持向量机

分 类 号：X937[安全科学与工程类]