起爆具作为一种引爆钝感炸药的爆破器材,被广泛应用在基础建设中,在民用爆破中扮演着重要的角色,为经济建设做出了巨大的贡献。在起爆具能给企业带来巨大效益的同时,更要重视起爆具生产线的安全问题。如果没有对其生产线的安全问题进行严格把控和风险预测,一旦发生爆炸,将带来严重的后果。起爆具的生产工艺较为复杂,涉及到多项影响因素,使用传统的预测方法不能很好的解决起爆具生产线风险管控问题。因此,本文采用改进的遗传算法(GA)优化的Elman神经网络来建立风险预测模型,并基于该模型对起爆具生产线进行风险预测,最后在实验室环境下对此进行了分析与验证。本文主要研究内容如下:(1)首先介绍本文的研究背景与意义和国内外风险管理的发展趋势,综述风险管理的目的以及当前风险管理办法存在的不足,引出基于神经网络的风险预测解决思路,并给出起爆具生产线风险预测实现方案。(2)在Elman神经网络原有的结构上增加输入承接层和输出承接层,实现对输入层和输出层的前一刻信息进行保留。又考虑到遗传算法中种群的集中分散程度,对遗传算法的交叉概率和变异概率进行自适应改进。同时为了加快模型的寻优效果,将排序选择策略和最优保存策略相结合优化原有的选择算子操作。然后采用改进后的遗传算法对Elman神经网络结构中的权值和阈值进行优化,能很好的解决Elman神经网络的权值阈值陷入最小值的问题,并有效提高模型的训练效率。(3)然后在详细分析起爆具生产线工艺及设备的基础上,通过风险识别理论分析生产线中存在的风险因素,研究使用主成分分析法(PCA)对可控危险因素的数据样本进行降维处理,得到影响因子较大的几项作为预测模型的输入。并给出起爆具风险预测体系的具体实现方案。(4)建立基于改进GA-Elman神经网络的起爆具生产线风险预测模型,对遗传算法以及Elman神经网络结构进行参数选取,并使用改进的GA-Elman神经网络模型和传统的GA-Elman神经网络模型进行仿真对比试验,分析比较两种模型的训练性能以及预测结果,体现出改进后的GA-Elman神经网络预测准确率更高,网络模型训练速率较快。然后又进行改进的GA-Elman神经网络、改进的GA-BP神经网络和单一Elman神经网络三种模型的对比实验,分析仿真结果,更加体现改进GA-Elman神经网络模型的优越性。(5)最后对起爆具生产线风险预测系统从软硬件两个方面进行详细设计。硬件方面主要对传感器、控制器和工控机的选择。软件方面主要对系统实现界面进行设计,并模拟不同情况,验证预测系统的有效性。