-
题名语义识别驱动的化工泄漏事故事前预防研究
- 1
-
-
作者
刘勤明
董宏霖
孔得朝
-
机构
上海理工大学管理院
上海理工大学智慧应急管理学院
-
出处
《安全与环境学报》
CAS
CSCD
北大核心
2024年第12期4734-4742,共9页
-
基金
国家重点研发计划青年科学家项目(2021YFF0900400)
上海市2021度“科技创新行动计划”宝山转型发展科技专项项目(21SQBS01404)。
-
文摘
化工泄漏事故报告蕴含事故信息量大,但利用度低,仅依赖传统的事故分析理论和方法对事故后果进行分析统计难以实现事前预防、控制损失最小化的目的,因此,构建了语义识别驱动的化工泄漏事故事前预防研究框架,基于潜在狄利克雷分配(Latent Dirichlet Allocation,LDA)主题模型提取化工泄漏事故致因主题及关键词,利用关键词共现网络分析进行致因中心性和关联度分析,使用因子分析进行致因影响因子的计算,实现了对化工泄漏事故报告潜在信息的挖掘和有效分析。结果表明:通过LDA模型可以计算得到化工泄漏事故致因主题,得出安全意识缺失、物料逸出、设备故障等5个聚类;基于改进点互信息(Pointwise Mutual Information,PMI)的关键词共现网络可以得到事故的关键致因、环节、场所和事故类型,其中最重要且关联度较高的致因是人员操作不当和现场管理不力;最后,通过因子分析得到影响后果最严重的致因是危险作业环境,其次是违规操作或操作不当。提出的研究框架在更深入挖掘利用海量事故致因信息的同时,减少了事故致因评价指标的主观性,为结构复杂、非单一标准的事故报告文本信息提取提供了新的思路,同时将语义识别拓展到化工泄漏事故预防领域,有助于化工泄漏事故的风险识别、预测与防控。
-
关键词
安全社会工程
化工事故
文本挖掘
语义识别
词频逆文档频率算法
潜在狄利克雷分配主题模型
-
Keywords
safety social engineering
chemical accident
text mining
semantic recognition
term frequency-inverse document frequency algorithm
latent dirichlet allocation topic model
-
分类号
X928.5
[环境科学与工程—安全科学]
-