油气场站火灾爆炸风险的神经支持决策树识别与预测

为了有效防控油气场站火灾爆炸事故,从影响因素之间因果关系的角度出发,提出利用神经支持决策树(Neural-Backed Decision Tree,NBDT)算法构建油气火灾爆炸可解释预测模型。该方法利用词频逆向文件频率(Term Frequency-Inverse Document Frequency,TF-IDF)算法从风险描述信息中提取出关键词并计算权重,整合得到64个风险二级因素,构建了油气场站的火灾爆炸数据集;采用神经支持决策树算法构建分类模型,对油气场站火灾爆炸事故进行预测和可解释分析,可以基于数据可视化地分析油气火灾爆炸事故的风险与诱因。结果表明,NBDT模型预测准确率为0.976,AUC为0.913,明显优于其他模型;模型可视化结果分别从单因素和多因素角度分析,确立7种二级风险主控因素和6种二级风险组合主控因素。13种风险主控因素的确立,可以为既有油气场站火灾爆炸预测和防控机制提供理论支撑。