冶金动态安全评价及预测技术研究

郭洋 许佳（辽宁省安全科学研究院，辽宁省标准化研究院，辽宁 沈阳 110004）

冶金行业在国民经济发展中起着十分重要的作用，安全评价实际上就是一种对生产过程中的安全风险防范的评价过程，它的主要目的是为了对生产系统中可能存在的安全隐患进行定性和定量的分析，继而能够及时找出相对应的反应措施，去避免这种危险。安全评价技术目前获得广泛的生产企业的应用，许多冶金生产企业也采取了安全评价技术来实现对生产过程中的安全风险控制。常见的安全评价方法有安全检查法、故障假设与分析法、专家评价法、故障树分析法等。

1 动态安全评价方法及预测技术概述

在冶金生产过程中，较为宽泛使用的安全评价方法实际上为专家评价法、故障假设与分析法等定性分析。虽然这些方法的使用虽然在一定程度上避免了一些安全事故，但实际上其评价的精准有所欠缺。由于冶金作业的安全风险具有很强的复杂性和随机性，采用量化风险存在很大的困难，因此，一般采用定性分析方法，对安全隐患做出方向性的评价。这对于进一步提高我国冶金行业发展是极其不利的。

安全评价是安全生产的必须，动态安全评价相较于常见的安全评价方法，其优势主要体现在其在评价范围是整个生产过程，而不是某一个生产点。也就是说，动态安全评价范围是贯穿生产整个过程的，是涵盖了对安全生产工艺因素、生产人员因素、生产环境因素等多维度的安全评价，同时安全动态评价方法通过建立相关的评价体系，设定较为全面的安全评价指标，对于冶金生产过程中隐藏着的安全风险进行量化和定性的双重分析，从而对当前状态下的生产安全作出准确的推论，制定出相对应的解决策略，使得当前生产状态被评价为安全，达到生产的相对安全，以提高生产效率，降低安全事故发生率。

2 冶金动态安全评价模型构建

冶金工程具有工艺复杂、设备重量大、安装难度大、生产隐藏性危险较高的特点。对其开展动态安全评价，需要做好安全评价指标选取、建立数据模型两个方面的工作

2.1 安全评价指标选取原则

安全评价指标实际上就是反应生产安全状态的一个量化因子，生产行业不同其安全评价指标则不同。在安全评价指标选取过程中需要把握以下几个原则：

科学性原则：针对冶金行业的特性，所选取的安全评价指标必须能够反映冶金生产过程中整体安全状况，指标体系详略要得当，大小要适宜，整个评级指标体系应该简单明了。

适应性原则：评价指标必须具有很强的生产行业适应性，在冶金生产过程中，对于炼铁系统、连铸系统、炼钢系统不同的生产工艺要设定不同的安全评价指标，既要表现不同的安全生产特性，同时还需要表现整体生产安全状态。指标体系之间既要有通用性，又要有特异性，才能保证指标对于冶金生产的适应性。

2.2 数学模型选择

动态安全评价法要依靠于精准的动态计算模型来实现对生产过程中的安全风险量化。因此，选取适合冶金生产的数学模型至关重要。通过对冶金生产的综合分析，采用特定的数学函数来对生产过程进行描述，并结合安全指标体系，构成动态安全评价模型。目前，在冶金行业较为广泛使用的是基于神经网络的安全评价模型，主要采用误差反向传播算法来实施对数据的压缩、处理、计算、分类等。

2.3 动态监控的硬件环境

实施动态安全评价，就必须要掌握生产过程中各生产线、生产设备的实时情况，而采用人为的方法去获取这些数据基本是不可行的，因此需要获得一定的硬件条件支持。在冶金生产过程中，动态安全评价的硬件环境大致由传感器、中间变换器以及显示仪表等组成。

传感器主要对冶金生产过程中各设备的相关参数进行信号采集，而中间变换器主要是将传感器所采集到的数字信号进行放大，并且过滤各种干扰成分，保证显示仪器、仪表纪录的准确性。

3 冶金安全预测技术研究

对于冶金安全生产的预测技术实质上是对时间数据的预计与分析处理工作，是非线性系统，一般采用NARMA模型进行预测，结合神经网络用于非线性系统模型的构建与识辨，更利于给出可行的算法。

3.1 冶金安全预测参数的选取

可反映冶金安全状况的因素较多，但对于动态安全评价的预测参数一般以时间为序列进行预测，百万吨死亡率一直是目前大型工业生产企业公认的生产安全预测的有力依据，可以作为冶金安全预测参数。

3.2 预测技术模型

基于神经网络下的误差反向传播法来作为构建安全预测技术模型的基础，在使用BP神经网络算法进行相关数据计算和传输。

3.3 预测误差值的测量

用己经完成训练的神经网络来对时间序列进行预测，对训练过的网络性能进行评价时要用检验时间序列来进行评价。

4 结语

冶金行业在我国重工业生产行业中占有重要的比重，是我国国民经济发展的重要助力。安全生产对于冶金行业生产运营至关重要，采用动态安全评价方法以及预测技术能够更好的监测生产过程中可能出现的安全隐患，并且对安全进行有效的量化分析和定性分析，找出与之相对的解决措施，对现代冶金企业安全生产具有重要的意义。

[1]赵红梅，陈开岩，王超.关于我国煤矿百万吨死亡率的灰色预测探讨[J].矿业安全与环保，2012，4：38-40.

[2]杨智懿，熊亚选，张乾林.工作面瓦斯涌出量的神经网络模型预测研究[J].煤炭工程，2013，10：73-75.

[3]贵武.权重信息不完全的多属性决策的灰色关联分析法[J].数学的实践与认识，2013，19：45-46.