【摘 要】
：
危险与可操作性分析（Hazard and operability analysis,HAZOP）是化工领域最常用的危险评估方法之一。然而,一方面传统HAZOP分析通过组建专家小组,以人工头脑风暴的形式进行,该方法虽然具有针对性,但其过程成本较高且依赖专家经验;另一方面,HAZOP报表中包含的大量数据会导致信息爆炸,且海量非结构化数据以纸质报表或电子文档的形式存储,使信息难以得到重用和共享,造成资源
论文部分内容阅读
危险与可操作性分析（Hazard and operability analysis,HAZOP）是化工领域最常用的危险评估方法之一。然而,一方面传统HAZOP分析通过组建专家小组,以人工头脑风暴的形式进行,该方法虽然具有针对性,但其过程成本较高且依赖专家经验;另一方面,HAZOP报表中包含的大量数据会导致信息爆炸,且海量非结构化数据以纸质报表或电子文档的形式存储,使信息难以得到重用和共享,造成资源浪费。对此,迫切需要采用自然语言处理技术对信息进行标准化处理,从而推动HAZOP分析向更加自动化和智能化的方向发展。化工领域信息抽取的难点在于:（1）由于缺乏可用的语料库,导致化工安全领域信息抽取技术发展缓慢;（2）由于HAZOP数据中存在大量多义词、专有词、复杂嵌套实体及关系,因此知识抽取难度较高。为解决上述问题,本文构建HAZOP领域语料库,并建立ELMo-DCNN-Bi LSTMCRF模型进行命名实体识别。以该模型为基础,基于参数共享的方法进行实体关系联合抽取模型构建,以抽取实体关系三元组。主要工作如下:（1）分析化工行业数据特征,划分数据集要素及层次,整理并定义6种实体类别和13种关系类别。在此基础上对数据进行处理,通过人工标注的方法构建细粒度、小规模领域语料库。（2）针对HAZOP文本中存在的一词多义和长距离文本识别难度较大等问题,使用ELMo预训练语言模型及双层卷积神经网络提取更为丰富的动态特征。搭建ELMo-DCNN-Bi LSTM-CRF深度学习模型进行命名实体识别,选取合适的激活函数进行模型训练,并通过实验对本文模型的有效性进行验证,其F1值达到91.64%。（3）构建模型进行实体关系联合抽取。为提高HAZOP文本中嵌套实体关系的识别精度,本文构建融合多头注意力机制的关系抽取模型,并基于参数共享的方法构建实体关系联合抽取模型,实现ELMo模型特征共享,从而加强模型间信息交互。在自标注的语料库上进行实验,结果表明,针对HAZOP文本实体关系三元组,本文所构建的联合抽取模型相较于其他模型,识别效果得到显著提升。
其他文献
表面等离子体共振（surface plasmon resonance,SPR）与荧光分析法作为生物检测领域的常用方法,各自具备显著的优势和自身检测原理所带来的短板,例如表面等离子体共振具有实时检测、免标记、高灵敏定量检测等优点,但特异性严重依赖所用生物试剂的特性;荧光分析法具有特异性强、耗样品量少和方法简单等优势,但荧光检测过程通常会受到背景荧光、荧光淬灭的干扰,导致难以进行定量分析。因此如何充分
合成孔径雷达（Synthetic Aperture Radar,SAR）可以排除自然环境和人类干扰的影响,实时对地球表面目标进行探测,具有优异的对地观测能力。SAR在军事情报勘察、情报搜集等方面应用广泛,其中SAR图像目标识别技术更是当前目标识别及遥感图像解译中的热点问题,是SAR图像解译中的重要环节,具有重要的价值和应用前景。近年来,深度学习以其显著的学习能力和分类能力,在SAR图像解译和目标识
课题面向桥墩病害检测无人机进行测距系统的设计。目前我国的许多桥梁桥墩的健康状况并不乐观,然而常用的人工桥墩病害检测方法需要耗费大量的人力物力,同时具有一定的安全隐患,桥墩病害检测始终缺乏安全可靠的检测手段。无人机技术的飞速发展为桥墩的病害检测提供了自由度更高的检测平台,其中避障问题是保障无人机在桥墩病害检测中安全、可靠飞行的重要前提。为了解决无人机在桥墩病害检测避障飞行中的距离测量问题,本文根据相
地方红色课程资源是存在于每个师生身边的“活教材”。巧妙运用好地方红色课程资源对于引领学生树立坚定的理想信念、完成思政课立德树人的根本目标具有重要的实践意义。笔者通过在高中思政课教学过程中切入地方红色课程资源，优化教学环节，使其与思政课深度融合，从而提升高中思政课教学的实践效果，培育高中学生核心素养，最终构建具有校本特色的高中思政课有效教学的基本模式，为提升学校教育教学质量服务。
化工生产在工业中占有重要位置,其生产过程具有高度的复杂性和危险性,一旦发生故障,便会造成巨大的财产损失和人员伤亡。及时发现并排除故障,是保障系统稳定可靠运行的关键。生产数据的特征提取对故障诊断精度的影响很大,如何提取更有效的特征成为提高诊断精度的重要因素。但化工生产数据具有高维度、非线性的特点,传统故障诊断方法难以挖掘和提取数据中隐藏的有用信息,因此,设计一种能够有效提取数据深层次特征的方法对提高
医师根据患者的CT影像绘制的器官轮廓决定了放射治疗的部位和剂量,在放射治疗计划中起着重要的作用。然而绘制水平的差异是放射治疗不确定性的主要原因之一,轮廓绘制过多会伤害其他正常器官,而绘制过少则疗效不好,绘制不良的器官轮廓可能会引发医疗事故。因此器官轮廓异常检测对于保障疗效是很有必要的,目前这部分工作主要是通过同行评审来完成,虽然能够有效降低发生医疗事故的风险,但是增加了医疗系统的负担,而且在某些医
随着社会经济的快速发展,人类对电的需求逐步扩大,但传统的风力光伏发电技术受到运输距离远、规模极大的限制,使得电力在传输过程中的成本极为昂贵,且电力系统并网点电压极为不稳定。模块化多电平换流器（Modular Multilevel Converter,MMC）具有开关损耗较小及输出电压谐波畸变风险小等显著优点,在新能源发电中使用极为宽泛。但MMC具有极多的子模块,每个子模块内部元器件都是隐藏的故障点
负荷预测对于新型电力系统发展的意义重大,随着智能电网的发展,分布式可再生能源和电力电子器件的整合分配,电力负荷数据变得愈发的复杂且波动,这给电力负荷的预测和分析提出了更高的要求。为了进一步追求模型的预测性能,本文结合智能优化算法以及深度学习对模型进行了改进,并将其应用到了短期电力负荷预测当中。论文的主要工作包括:（1）针对原始鲸鱼算法每代行为模式单一、后期易陷入局部最优等缺陷,从提升种群多样性,改
管道作为运输物料的重要方式之一,应用在工业工程,比如对于石油天然气的运输。为了能够高效作业,设计环境适应性强,可适应管径范围大,并能稳定检测和全面检测的管道机器人是我们研究的方向。本文针对具有管内壁全景检测和管径自适应性的管道机器人,结合工业环境和管道检测环境,根据自适应性和全面检测的研发功能需求,采取模块化设计理念进行管道机器人的设计,包括各部分机构和控制系统。在机械设计的基础上,对各部分机构电
近年来,人工智能的发展越来越快并已深入到诸多领域,比如自动驾驶、机器人以及医学图像等等。人工智能相关理论与技术的发展离不开基于深度学习相关视觉算法的推动。图像分割作为计算机视觉关键的预处理步骤,一直以来是人工智能领域的热门研究分支,而全景分割作为图像分割研究的一部分,能够对图像中背景和前景信息进行像素级别的处理,一方面填补了图像分割领域在语义和实例分割后研究的空白,另一方面也满足了当下机器人、自动