基于GA-BP神经网络的化工园区应急救援能力可靠性分析

提出一种基于遗传算法优化的BP神经网络(GA-BP)的化工园区应急救援能力可靠性分析模型。通过事故树分析对16家化工园区应急救援能力的可靠性进行量化,并作为GA-BP神经网络模型训练的输出值;以事故树中的28项基本事件为依据进行分类总结,建立化工园区应急救援能力层次分析评估指标体系,在日常生产状态下的应急系统维护与事故时的应急处置能力这两个准则层下分为要素层,包括应急系统硬件维护、应急救援人员管理、应急管理机构、应急预案与演练和信息传递、应急人员动员、现场处置、事故后恢复能力,指标层元素分别对应事故树的基本事件,并计算指标层元素相对于目标层的复合权重,再以调查问卷的方式邀请专家对化工园区的指标层元素进行打分,将每一园区的各项要素得分与复合权重相乘作为GA-BP神经网络模型的输入值;从样本组中选取12组作为训练样本、4组作为测试样本,验证建立的GA-BP神经网络模型的可行性,并与传统BP神经网络的分析数据进行对比。结果显示:GA-BP神经网络输出数据的平均误差为3.83%,均方误差为0.002;而BP神经网络输出数据的平均误差为8.13%,均方误差为0.004;GA-BP神经网络的分析结果与事故树的分析结果更为接近,且相对于事故树分析减少了复杂的建树过程,具有更高的易用性。     

遗传算法优化的BP神经网络在地震死亡人数评估中的应用

破坏性的地震灾害作为一种突发性自然灾害,往往会在短时间内造成大量的人员伤亡和财产损失。地震发生后若能有效地预测伤亡人数,可以更科学地组织人员救灾与配置救灾物资,对于减少震后的人员伤亡具有一定的指导作用。通过我国往期的地震数据信息,分析总结出对人员伤亡数目影响较大的7个因素,分别为地震等级、地震时间、震源深度、震中烈度、抗震设防烈度、震中烈度与抗震设防烈度之差(ΔL)、人口密度。鉴于这7个影响因素与地震时的死亡人数呈非线性关系,选用基于遗传算法(GA)优化的BP神经网络建立地震死亡人数预测模型。针对BP神经网络的局限性,利用遗传算法全局搜索最优值的特点,对BP神经网络的权值与阀值进行优化,防止BP神经网络陷入局部最优解,并且加快神经网络收敛速度,从而提高BP神经网络的预测精度。从我国1970年至2016年之间发生的地震灾害中,选取32组造成人员伤亡的地震数据,对初始数据进行处理后,利用遗传算法优化的BP神经网络预测模型进行训练并预测。选取27组样本作为训练样本,另外5组样本作为测试样本。预测分析结果表明,遗传算法优化的BP神经网络预测死亡人数与真实死亡人数相比平均误差为9.72%,均方误差为10.41,而BP神经网络的预测死亡人数的平均误差为17.61%,均方误差为18.02,因此GA-BP神经网络结果较为理想,相比传统的BP神经网络具有更高的逼近精度。