典型文献
PSO-SVM模型在化工事故风险预测中的应用研究
文献摘要：
为了减少化工事故的发生,提高化工生产过程中事故风险预测的准确性,研究了粒子群优化算法与支持向量机(PSO-SVM)模型在事故风险预测中的应用.首先,统计分析近5年化工生产安全事故致因因素,得出化工事故风险因素统计特征,结合层次分析法,建立化工事故风险预测指标体系并确定各指标因素的权重值;然后,基于MATLAB计算生成的化工事故风险程度样本数据,利用PSO算法优选SVM回归预测模型的惩罚因子和核函数参数,建立PSO-SVM相耦合的化工事故风险回归预测模型;最后,将预测指标值样本数据代入模型得到对应预测事故风险值.对比PSO-SVM模型预测风险值和实际计算风险值,可知PSO-SVM模型预测精度良好,预测结果与实际结果较为吻合,表明该模型能有效处理小样本数据回归预测问题,可解决化工生产安全系统各等级风险的异常样本数据稀少问题,模型适用于化工事故风险预测.
文献关键词：
化工事故;风险预测;支持向量机回归模型;粒子群优化
中图分类号：
作者姓名：
吴红;王晓明;王斌;顾翩
作者机构：
江苏省安全生产科学研究院 南京210009
文献出处：
引用格式：
[1]吴红;王晓明;王斌;顾翩-.PSO-SVM模型在化工事故风险预测中的应用研究)[J].工业安全与环保,2022(04):70-73
A类：
B类：
PSO,化工事故,事故风险,化工生产过程,粒子群优化算法,生产安全事故,事故致因因素,统计特征,结合层,风险预测指标,预测指标体系,指标因素,权重值,风险程度,算法优选,回归预测模型,惩罚因子,核函数,函数参数,指标值,代入,风险值,测风,计算风险,小样本数据,安全系统,稀少,支持向量机回归模型
AB值：
0.243369
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
