数据挖掘在预测组织事故防控效果中的应用*

为进一步探索数据挖据技术在组织事故预防工作中的融入性与适用性，基于24Model构建事故预控基础模型,通过预测准确率数值及接受者操作特性曲线（ROC曲线）对比分析随机森林（RF）、支持向量机(SVM)、决策树（DT）与神经网络（NN）4种方法对组织事故防控效果的预测性能。结果表明:针对事故率控制（Y1）、职业危害预防（Y2）、财产损失3类预测目标（Y3），RF方法均能达到较高的准确率及稳定性，具有较优的预测性能。根据特征重要度（FI）排序，明确对组织事故水平影响最显著的因素为安全实践活动认知（SC5）及安全管理程序文件（SMS3），FI值均大于0.150 0。研究结果可为有效预测组织事故防控效果提供方法依据，同时为企业安全工作的规划设计提供思路。     

基于FTA-24Model的化工事故原因分析

为更有效地预防化工事故,选用科学的方法探究事故原因十分必要。基于FTA和24Model理论,结合各自特点构建了FTA-24Model事故原因分析框架,通过设定事故原因5步分析法,结合Why-Because方法制定出完整的事故原因逻辑分析程序,并以某典型化工事故为案例进行了实证研究,共识别出35项直接致因因素、17项间接致因因素、22项组织层面深层次致因因素,确定了173条关联路径并应用Gephi 0.9.2进行可视化展示,突出显示了安全重要程度(SC_2)、工艺过程规程及设备管理制度和要求(SMS_6)、遵法守规意识(HB_1)、变更管理方式■等因素的重要性。与案例事故报告信息相比,FTA-24Model框架分析方法可系统化地演绎事故原因间的逻辑关系,完整地展现出事故致因链条及其演变历程,使分析结果更加全面、具体,并最大程度地削弱了主观因素的影响。该框架分析方法可有效应用于化工事故原因的调查,其分析结果可为化工企业制定事故预防策略提供参考。     

危化品事故根本原因判定标准的构建及实证研究

为有效地预防危化品事故,提高企业安全生产标准化建设水平,基于AQ 3013—2008和GB/T 33000—2016两个现行标准,根据事故致因"2-4"模型,以事故分析为目的,通过对比分析两个标准的差异性并将关键要素整合,构建了危化品事故根本原因的判定标准,并应用该判定标准对2012—2017年间我国发生的8起危化品事故的根本原因进行分析即确定安全管理体系的缺欠项。结果表明:整合后的判定标准在确定危化品事故根本原因时更为全面,其中每起事故案例补充的判断标准项占总判断标准项数量的比例为25%～40%,平均值为32%。强调指出危化品企业必须注重安全管理体系的持续改进,加强安全生产预测预警系统、应急救援信息系统的建设,营造全员参与的良好安全文化氛围,以促进危化品企业的健康发展。     

基于24Model的不安全动作内在致因研究

为实现有效的不安全行为纠错,提升自我行为控制效果,基于24Model构建不安全动作的内在致因分析模型及分析程序,包含5项能力要素、15个维度因子和具有完整逻辑程序的4阶段步骤,并采用随机森林(RF)方法以煤矿安全专业人员为研究对象开展了不安全动作内在致因实证研究.结果 表明:对目标不安全动作影响最大的内在致因能力要素为...