基于历史事故数据的液化天然气工厂设备风险事故预测研究

针对液化天然气工厂内设备的风险事故预测问题,研究引入基于差分自回归移动平均(ARIMA)、最小二乘支持向量机(LS-SVM)以及BP神经网络(BPNN)的组合模型,首先对液化天然气工厂内设备风险事故预测的难点进行分析,在此基础上,以我国某液化天然气工厂为例,进行基于组合模型的液化天然气工厂设备风险事故预测实例研究。研究表明:基于差分自回归移动平均、最小二乘支持向量机以及BP神经网络的组合模型可以对液化天然气工厂内设备风险事故历史序列进行很好的拟合,组合模型的预测精度相对较高;同时,组合模型在短期内的预测值与实际风险事故变化趋势一致,预测结果处于可接受的范围。该组合模型可用于液化天然气工厂设备运行安全变化趋势判断,也可以为液化天然气工厂制定设备运行风险防控方案提供指导。