基于多标签学习BP神经网络的承压设备介质分类方法

合理的承压设备介质分类能够降低事故发生率,减少对人员、设施、环境等造成的损害。目前对于承压设备介质的分类依赖于领域专家,人工分类效率较低。提出了一种基于多标签学习反向传播(Backpropagation, BP)神经网络的承压设备介质分类方法,依据国家标准收集承压设备介质的危害特性数据,建立了承压设备介质危害特性数据库;构建了基于多标签学习BP神经网络的承压设备介质分类模型;采用承压设备介质危害特性数据库训练基于多标签学习BP神经网络的承压设备介质分类模型,实现了承压设备介质的多标签分类。试验结果表明,该方法能够综合考虑物理、健康和环境危害性,有效地实现承压设备介质的分类,为承压设备介质分类及管理标准制定提供了依据。     

危险化学介质承压设备法规标准分析

承压设备的设计制造及其材料兼容性选择与承载化学介质的危害特性密切相关,为确保承压设备的安全运行,国内外均制定了危险化学介质承压设备的法规标准.本文通过介绍和对比国内外危险化学介质承压设备的相关法规标准,结合对承压设备与化学介质危害程度分级标准的分析,指出完善我国危险化学介质承压设备相关法规标准的进一步工作内容.