从上世纪40年代至今,国内外LNG储备库共发生数十余次事故,包含事故信息的安全管理数据十分缺乏,可直接利用的安全管理文本较少;且仅靠人力难以准确、客观、快速地从非结构化的安全管理文本中提取价值知识。为了提高LNG储备库运行过程中的安全性,实现LNG储备库事故智能预警与安全保障决策推荐,本文利用知识图谱结构化文本表征方式和信息集成能力,将LNG储备库安全管理文本中隐藏因果规律信息有效整合,开展了以下三方面的研究:（1）针对人工处理文本效率低、领域性强的问题,为解决LNG储备库安全管理文本的小样本问题与深度学习方法之间的矛盾,本文提出了一种基于文本增强的LNG储备库风险因素因果关系抽取模型。通过加入特征加强层与词句拼接层,通过向神经网络中输入更多中文字词文本特征与长文本信息,使得因果关系抽取方法的特征提取能力与预测结果的准确性提高。本文以LNG储备库相关真实事故文本为例对所提方法进行应用,与不同抽取方法相比,本文提出方法的准确度提高了17.40%、召回率提高了15.78%、F1值提高了17.41。（2）针对常规文本泛化方法对无法较好表征LNG储备库安全管理文本语义的问题,减小由于中文分词误差对抽象知识图谱构建的影响,本文提出了一种基于字-词特征的LNG储备库风险因素演化知识图谱构建方法。通过加入字-二元词组的特征,优化了文本的特征表示,保留了更多有效的语义信息。以LNG储备库风险因素文本为例应用此方法,与其他泛化方法相比,各类风险因素泛化效果得到了0.81%～25.21%不同程度的提高。（3）针对常见事故预警方法无法有效集成因果关系、依赖先验知识等问题,同时为获取更加长期的事故预警与安全保障决策支持,本文提出了基于知识图谱的LNG储备库事故智能预警方法,并开发了LNG储备库事故演化预警及安全决策推荐系统。基于LNG储备库风险因素演化知识图谱,结合文本匹配与路径推理方法,实现了LNG储备库事故演化的多节点预测;并于系统中实现LNG储备库事故一键智能预警与安全保障决策推荐两个主要分析功能。案例结果表明,本文所提方法与系统在3个案例中的预警结果符合实际;相比于传统安全管理模式,本系统耗时短,人力消耗少,流程简便,实用性强。