随着科学技术和现代工业的高速发展,安全评价工作成为现代安全生产和安全管理的重要环节。安全评价方法的选择是安全评价工作的关键,直接关系到评价的深度和准确度,影响评价的效果。对安全评价手段和方法的要求也越来越高。研究新的评价方法提高安全评价的质量对当前的安全生产有着重要意义。 人工神经网络技术具有很强的非线性映射能力和自适应、自学习能力,特别适用于解决因果关系复杂的非确定性推理、判断、预测和分类等问题。安全评价的对象就是许多定性因素穿插交融的复杂系统,既含有确定因素又含有不确定因素。神经网络技术恰可以在安全评价中得到应用。神经网络技术通过对已有安全系统及其评价结果的学习,可获得隐含其中的人的经验、知识及对各种因素重要性的看法等直觉思维。一旦用来评价时,网络便可以再现这些经验、知识及思维,对复杂问题作出合理的判断。 本文尝试将神经网络技术引入定量安全评价方法的工作中,在伤亡事故预测和蒙德法的危险度分级方面做了具体的应用研究。 在介绍神经网络的基本理论之后,利用MATLAB中的神经网络工具箱,建立了对伤亡事故预测的三层BP神经网络。以英国1985年至2002年的工业伤亡人数统计资料为训练样本,采用不同的神经元数目和不同的训练函数,对其2003年的事故伤亡人数作了预测。对比实际伤亡人数,分析了各神经网络预测结果及传统回归法和灰色系统方法预测的结果。可以看出,神经网络的事故预测模型之预测结果较其他方法更为准确。 本文同时进行了蒙德法中火灾、爆炸危险度分级的神经网络模型的研究。采用在已知参数范围内随机选取足够的样本的方法来训练危险度分级的神经网络模型。具体对其中的DOW/ICI总指标D进行了训练建模和实测分级。分级结果表明,在样本足够大的前提下,神经网络分级模型是准确、可靠和快捷的。 神经网络技术在安全评价中的应用是具有理论研究意义和实用价值的课题。本论文在此方面做了初步探索。还有更多的工作需要在今后的研究中进一步完善。