典型文献
基于PSO-BPNN的加油站雷电安全风险分级评价研究
文献摘要：
针对加油站雷电安全风险分级开展的评价工作,结合雷电安全事故致因理论和"人、物、管、环"四要素模型,提出了结合粒子群算法(PSO)与小波神经网络算法(BPNN)相结合的算法.该算法在传统的BP算法的权值调整的基础上,引入粒子群算法的权值修正量,并从防雷安全管理和生产现场防雷设施出发,选取12个参数因子构建雷电安全风险分级评价模型.神经网络模型克服了传统的BP神经网络算法的主要缺点,比如在计算时收敛速度慢和易导致局部极小的弊端.该模型精度较高,具有较好的广泛性和客观性,能有效避免专家评估主观因素的影响,可为加油站提供精准的雷电安全风险分级评价结果.
文献关键词：
加油站;雷电;安全;风险;分级;评价;粒子群算法(PSO);小波神经网络算法(BPNN)
中图分类号：
作者姓名：
殷启元;刘艺倩;万婧;吴景坛
作者机构：
广东省气象公共安全技术支持中心 广东广州 510640;萍乡市气象局 江西萍乡 337000;广东省安全生产科学技术研究院 广东广州 510640;汕尾市气象局 广东汕尾 516600
文献出处：
引用格式：
[1]殷启元;刘艺倩;万婧;吴景坛-.基于PSO-BPNN的加油站雷电安全风险分级评价研究)[J].石油库与加油站,2022(05):7-10
A类：
B类：
PSO,BPNN,加油站,雷电,电安全,安全风险分级,分级评价,评价工作,安全事故,事故致因理论,四要素,要素模型,粒子群算法,小波神经网络,神经网络算法,权值修正,防雷安全,生产现场,防雷设施,参数因子,如在,收敛速度,速度慢,和易,局部极小,模型精度,广泛性,专家评估,主观因素,供精
AB值：
0.319395
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。
