本發(fā)明涉及生產(chǎn)安全評估領域，具體地涉及一種風險預測模型的訓練方法與裝置，以及風險預測方法與裝置。

背景技術：

1、煉化企業(yè)生產(chǎn)工藝流程復雜，工藝條件苛刻，具有易燃易爆、腐蝕嚴重、毒害性大、高溫高壓以及生產(chǎn)連續(xù)性強等特點，在連續(xù)運轉過程中，受工藝設備、人員操作水平、儀表設備可靠度等很多因素影響，容易發(fā)生生產(chǎn)安全事故。

2、目前，對煉化生產(chǎn)過程進行定量化的安全風險評估的方法，盡管滿足了結果的科學性，但是計算過程復雜，難以被方便應用。而且，針對化工安全評估體系環(huán)節(jié)復雜繁瑣，嚴重依賴人工經(jīng)驗且信息化程度不高，導致了評估結果有所偏差且時效性差。

技術實現(xiàn)思路

1、本發(fā)明實施例的目的是為了克服現(xiàn)有技術存在的煉化生產(chǎn)過程風險評估繁瑣復雜、嚴重依賴人工經(jīng)驗且信息化程度不高這一問題，提供一種風險預測模型的訓練方法與裝置，以及風險預測方法與裝置。

2、本技術第一方面提供了一種風險預測模型的訓練方法，用于煉化生產(chǎn)過程，方法包括：

3、獲取多個煉化生產(chǎn)過程的多個風險事件；

4、對每個風險事件進行初步風險量化，以獲得每個風險事件的量化指標；根據(jù)每個煉化生產(chǎn)過程的所有量化指標分別確定每個煉化生產(chǎn)過程的風險發(fā)生概率與風險后果程度；

5、利用風險發(fā)生概率與風險后果程度，對對應的量化指標進行標注，將標注完成后的所有量化指標作為訓練集；

6、利用訓練集對待訓練模型進行模型訓練，以獲得風險預測模型。

7、在本技術的一個實施例中，根據(jù)每個煉化生產(chǎn)過程的所有量化指標確定每個煉化生產(chǎn)過程的風險發(fā)生概率與風險后果程度，包括：

8、確定煉化生產(chǎn)過程包括的每個風險事件對應的風險因素類別；

9、根據(jù)所有的風險因素類別，利用層次分析法對量化指標進行修正，根據(jù)所有修正后的量化指標獲得風險發(fā)生概率；

10、根據(jù)所有的風險因素類別，利用層次分析法對量化指標進行修正，根據(jù)所有修正后的量化指標獲得風險后果程度。

11、在本技術的一個實施例中，風險因素類別包括一級類別與二級類別，二級類別隸屬于一級類別，根據(jù)所有的風險因素類別，利用層次分析法對量化指標進行修正，根據(jù)所有修正后的量化指標獲得風險發(fā)生概率，包括：

12、利用層次分析法確定所有的一級類別的發(fā)生概率權重，以及每個一級類別包括的所有二級類別的發(fā)生概率權重；

13、將每個二級類別的發(fā)生概率權重分別乘以對應的一級類別的發(fā)生概率權重，以獲得每個量化指標的發(fā)生概率修正權重；

14、將每個量化指標乘以對應的發(fā)生概率修正權重，并進行累加，獲得風險發(fā)生概率。

15、在本技術的一個實施例中，風險因素類別包括一級類別與二級類別，二級類別隸屬于一級類別，根據(jù)所有的風險因素類別，利用層次分析法對量化指標進行修正，根據(jù)所有修正后的量化指標獲得風險后果程度，包括：

16、利用層次分析法確定所有的一級類別的后果程度權重，以及每個一級類別包括的所有二級類別的后果程度權重；

17、將每個二級類別的后果程度權重分別乘以對應的一級類別的后果程度權重，以獲得每個量化指標的后果程度修正權重；

18、將每個量化指標乘以對應的后果程度修正權重，并進行累加，獲得風險后果程度。

19、在本技術的一個實施例中，對每個風險事件進行初步風險量化，以獲得每個風險事件的量化指標，包括：

20、利用數(shù)學模糊法對每個風險事件進行初步風險量化，以獲得每個風險事件的量化指標。

21、在本技術的一個實施例中，待訓練模型為bp神經(jīng)網(wǎng)絡模型。

22、本技術第二方面提供了一種風險預測方法，用于煉化生產(chǎn)過程，方法包括：

23、獲取待預測煉化生產(chǎn)過程的風險事件；

24、對每個風險事件進行初步風險量化，以獲得每個風險事件的量化指標；

25、將所有的量化指標集合為待預測數(shù)據(jù)集；

26、將待預測數(shù)據(jù)集輸入至風險預測模型，以獲得風險預測模型輸出的待預測煉化生產(chǎn)過程的風險發(fā)生概率與風險后果程度，其中，風險預測模型根據(jù)如本技術第一方面提供的風險預測模型的訓練方法獲得；

27、根據(jù)風險發(fā)生概率與風險后果程度，確定待預測煉化生產(chǎn)過程的風險等級。

28、在本技術的一個實施例中，方法還包括：

29、根據(jù)風險等級，確定風險等級對應的應急措施，并輸出應急措施。

30、本技術第三方面提供了一種風險預測模型的訓練裝置，用于煉化生產(chǎn)過程，裝置包括：

31、風險事件獲取模塊，用于獲取多個煉化生產(chǎn)過程的多個風險事件；

32、初步量化模塊，用于對每個風險事件進行初步風險量化，以獲得每個風險事件的量化指標；

33、概率與程度確定模塊，用于根據(jù)每個煉化生產(chǎn)過程的所有量化指標分別確定每個煉化生產(chǎn)過程的風險發(fā)生概率與風險后果程度；

34、標注模塊，用于利用風險發(fā)生概率與風險后果程度，對對應的量化指標進行標注，將標注完成后的所有量化指標作為訓練集；

35、模型訓練模塊，用于利用訓練集對待訓練模型進行模型訓練，以獲得風險預測模型。

36、本技術第四方面提供了一種風險預測裝置，用于煉化生產(chǎn)過程，裝置包括：

37、風險事件取得模塊，用于獲取待預測煉化生產(chǎn)過程的風險事件；

38、風險事件量化模塊，用于對每個風險事件進行初步風險量化，以獲得每個風險事件的量化指標；

39、待預測數(shù)據(jù)集確定模塊，用于將所有的量化指標集合為待預測數(shù)據(jù)集；

40、預測結果獲取模塊，用于將待預測數(shù)據(jù)集輸入至風險預測模型，以獲得風險預測模型輸出的待預測煉化生產(chǎn)過程的風險發(fā)生概率與風險后果程度，其中，風險預測模型根據(jù)如本技術第一方面提供的風險預測模型的訓練方法獲得；

41、風險等級確定模塊，用于根據(jù)風險發(fā)生概率與風險后果程度，確定待預測煉化生產(chǎn)過程的風險等級。

42、本技術第五方面提供了一種電子設備，包括處理器和存儲器，存儲器存儲有能夠被處理器執(zhí)行的機器可執(zhí)行指令，處理器可執(zhí)行機器可執(zhí)行指令以實現(xiàn)本技術第一方面提供的風險預測模型的訓練方法，或本技術第二方面提供的風險預測方法。

43、本技術第六方面提供了一種機器可讀存儲介質，機器可讀存儲介質上存儲有指令，該指令被處理器執(zhí)行時使得處理器實現(xiàn)本技術第一方面提供的風險預測模型的訓練方法，或本技術第二方面提供的風險預測方法。

44、通過上述技術方案，根據(jù)多個煉化生產(chǎn)過程的風險事件的量化指標，以及根據(jù)量化指標確定的煉化生產(chǎn)過程的風險發(fā)生概率與風險后果程度，可以建立用于訓練風險預測模型的訓練集，訓練完成獲得的用于煉化生產(chǎn)過程的風險預測模型可以根據(jù)待預測煉化生產(chǎn)過程的量化指標，對待預測量化生產(chǎn)過程的風險發(fā)生概率與風險后果程度進行準確預測，實現(xiàn)了煉化生產(chǎn)過程風險預測的量化、標準化、快速化，解決現(xiàn)有技術中存在煉化生產(chǎn)安全事故預警依賴于人工經(jīng)驗，故障發(fā)覺和報警時間不及時等問題。

45、本發(fā)明實施例的其它特征和優(yōu)點將在隨后的具體實施方式部分予以詳細說明。