東北電力大學(xué)信息工程學(xué)院 張國歌 李 琳 謝 巖

1.引言

電力行業(yè)是國民經(jīng)濟(jì)的基礎(chǔ)產(chǎn)業(yè)，它直接關(guān)系到經(jīng)濟(jì)發(fā)展和社會穩(wěn)定。然而，電力企業(yè)員工在生產(chǎn)過程中，由于知識、能力與經(jīng)驗(yàn)的不足或者心理因素等原因，為了追求某些利益，從而導(dǎo)致人身事故、電網(wǎng)事故、設(shè)備事故和火災(zāi)事故等人因事故[1]。據(jù)統(tǒng)計60%-70%電力生產(chǎn)事故是由人的失誤造成的，所以減少人因失誤是有效控制電力生產(chǎn)事故發(fā)生的關(guān)鍵[2-3]。

目前專門針對電力企業(yè)生產(chǎn)中人因失誤的研究成果還不是很豐富，對電力企業(yè)生產(chǎn)中人的不安全行只分析了其對電力系統(tǒng)的影響，提出了防范不安全行為的措施，并沒有對不安全行為的嚴(yán)重程度進(jìn)行劃分。另外，一些地區(qū)已經(jīng)開始著手進(jìn)行了員工等級的鑒定工作，但標(biāo)準(zhǔn)和方法不一致且過于簡單造成了結(jié)果的不具有可比性，并且存在著評價周期長、缺乏準(zhǔn)確性等諸多弊端。所以，需要構(gòu)建統(tǒng)一的電力企業(yè)員工安全等級評價模型。

2.電力企業(yè)員工安全等級評價模型的設(shè)計

電力企業(yè)中現(xiàn)行的管理經(jīng)驗(yàn)和方法缺乏系統(tǒng)性和前瞻性，管理還比較粗放，特別是員工的習(xí)慣性違章仍屢禁不止，為了從根本上提高電力企業(yè)員工的安全意識，減少人因事故的發(fā)生，本文在充分研究電企中人因失誤問題的基礎(chǔ)上，基于粗糙集與BP神經(jīng)網(wǎng)絡(luò)設(shè)計了電力企業(yè)員工安全等級評價模型，模型框架如圖1所示。

評價前，首先要確定寬泛的評價屬性集，然后收集數(shù)據(jù)，界定屬性值語義，并對每個屬性界定屬性值，最后構(gòu)建出屬性約簡決策表。構(gòu)建員工屬性決策表是進(jìn)行員工安全等級評價的首要問題，決策表是一類特殊而重要的知識表達(dá)系統(tǒng)，多數(shù)決策問題都可以用決策表形式來表達(dá)。

評價中，將粗糙集作為人工神經(jīng)網(wǎng)絡(luò)的前置系統(tǒng)，以減少神經(jīng)網(wǎng)絡(luò)的復(fù)雜性。

評價后，為了進(jìn)一步檢驗(yàn)評價模型的性能，評價結(jié)束后要對評價結(jié)果進(jìn)行仿真分析。利用相關(guān)函數(shù)對網(wǎng)絡(luò)進(jìn)行仿真，并計算輸出結(jié)果和目標(biāo)輸出之間的誤差，從而作為網(wǎng)絡(luò)訓(xùn)練結(jié)果優(yōu)劣的判別依據(jù)。

3.評價核心要素的提取方法

在評價過程中，為了解決人工神經(jīng)網(wǎng)絡(luò)當(dāng)輸入的信息空間維數(shù)較大時，網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜和訓(xùn)練時間長的問題，所以在這里使用粗糙集作為神經(jīng)網(wǎng)絡(luò)的前置系統(tǒng)[4]。

3.1 連續(xù)屬性的離散化方法

粗糙集理論對決策表進(jìn)行處理的數(shù)據(jù)必須是離散值，因此，在利用粗糙集理論的屬性約簡功能對人工神經(jīng)網(wǎng)絡(luò)的輸入端進(jìn)行簡化之前，基于切割和布爾理論，將所有連續(xù)屬性值進(jìn)行離散化處理，布爾函數(shù)f如公式(1)所示：

其中：

3.2 屬性約簡算法

粗糙集的屬性約簡就是指在保持原始決策表?xiàng)l件屬性和決策屬性之間的依賴關(guān)系不發(fā)生變化的前提下刪除冗余的屬性和屬性值[5]。粗糙集的屬性約簡算法有很多種，本文使用的是基于區(qū)分矩陣的約簡算法。算法具體如下：

（3）含量測定：根據(jù)“2.3.1（1）”項(xiàng)色譜條件，樣品中烏頭堿和脫氧烏頭堿分別為6.484 8、0.268 5 mg/g（n＝3）。烏頭堿和脫氧烏頭堿隨著炮制時間的變化曲線如圖10所示。

表1 電力企業(yè)員工安全等級評價指標(biāo)

圖1 電力企業(yè)員工安全等級評價模型框架圖

圖2 BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)

圖3 網(wǎng)絡(luò)訓(xùn)練結(jié)果

(1)計算區(qū)分矩陣，將區(qū)分矩陣的核賦給約簡后的集合；

(2)找出不含和指標(biāo)的指標(biāo)組合；

(3)將不包含和指標(biāo)的指標(biāo)集表示為合取范式；

(4)將合取范式轉(zhuǎn)換為析取范式的形式；

(5)根據(jù)需要選擇合理的指標(biāo)組合。

4.BP神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)

人工神經(jīng)網(wǎng)絡(luò)是基于對人腦組織結(jié)構(gòu)、活動機(jī)制的初步認(rèn)識提出的一種新型信息處理體系方法，在實(shí)際問題的處理中，它有較好的容錯及抗干擾能力，所以將它與為對噪聲較敏感的粗糙集相結(jié)合來對電力企業(yè)員工安全等級進(jìn)行評價。本模型使用的是三層BP神經(jīng)網(wǎng)絡(luò)對約簡后的員工屬性決策表進(jìn)行訓(xùn)練，最終得出等級評價結(jié)果。其拓?fù)浣Y(jié)構(gòu)如圖2所示。

表2 屬性決策表

表3 離散后的決策表

表4 約簡后的決策表

表5 網(wǎng)絡(luò)仿真誤差結(jié)果

輸入層神經(jīng)元個數(shù)為指標(biāo)的數(shù)目，由于本模型是對每個員工安全等級的一個綜合評價，所以輸出層的個數(shù)是一個神經(jīng)元，隱含層單元個數(shù)確定公式為：

式中y、r、c、分別為隱含層、輸入層、輸出層的神經(jīng)元計算節(jié)點(diǎn)的個數(shù)，t為1-10之間的常數(shù)。

5.實(shí)例分析

電力企業(yè)安全生產(chǎn)中員工安全等級進(jìn)行評價就是對電力企業(yè)的員工的基本素質(zhì)、工作特性、組織管理等三大方面進(jìn)行等級評價。具體指標(biāo)如表1所示。

選擇其中50組數(shù)據(jù)作為樣本數(shù)據(jù)進(jìn)行分析。首先，界定屬性值語義，并對每個屬性界定屬性值，構(gòu)建屬性決策表(見表2)，其中Dec表示電力企業(yè)員工安全等級值，0代表不安全，1代表安全。其次，基于切割和布爾理論確定最小取值空間的方法對屬性決策表進(jìn)行離散化(見表3)。然后，利用粗糙集理論的屬性約簡功能進(jìn)行約簡后，14個評價指標(biāo)減少為A2、A3、A5、A7、B1、C1這6個指標(biāo)，從而使得BP神經(jīng)網(wǎng)絡(luò)的輸入空間大幅降低，有利于簡化神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、提高訓(xùn)練效率，約簡后的決策表如表4所示。

根據(jù)表2中的50組原始樣本數(shù)據(jù)，將其中的45組作為BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本數(shù)據(jù)，余下的5組作為檢測樣本數(shù)據(jù)對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行檢測。采用三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，輸入層為14個神經(jīng)元，由公式(3)計算出隱含層節(jié)點(diǎn)數(shù)為5，輸出層為1個神經(jīng)元。由于“trainlm”采用Levenberg-Marquardt算法進(jìn)行網(wǎng)絡(luò)學(xué)習(xí)，對初始值的選取不敏感，能夠?qū)崿F(xiàn)計算精度和收斂速度的最佳結(jié)合，所以筆者在這里使用trainlm作為網(wǎng)絡(luò)訓(xùn)練函數(shù)，訓(xùn)練次數(shù)定義為1000，學(xué)習(xí)精度ε=0.0001，學(xué)習(xí)速率=0.01，經(jīng)過6次訓(xùn)練后，網(wǎng)絡(luò)性能已經(jīng)達(dá)到設(shè)定誤差要求(見圖3)。

為了進(jìn)一步檢驗(yàn)神經(jīng)網(wǎng)絡(luò)的性能，對訓(xùn)練結(jié)果進(jìn)行仿真分析。模型輸出數(shù)值與真實(shí)值之間的誤差如表5所示。

對測試結(jié)果分析，神經(jīng)網(wǎng)絡(luò)評價值和真實(shí)值之間的誤差非常小，神經(jīng)網(wǎng)絡(luò)最大誤差僅為0.0106。

6.結(jié)論

筆者在綜合分析國內(nèi)外相關(guān)研究基礎(chǔ)上，提出了電力企業(yè)員工安全等級的概念，并基于粗糙集與人工神經(jīng)網(wǎng)絡(luò)設(shè)計了電力企業(yè)生產(chǎn)中員工安全等級評價模型，模型將粗糙集作為神經(jīng)網(wǎng)絡(luò)的前置系統(tǒng)，用以縮減神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)時的訓(xùn)練樣本，可達(dá)到簡化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)、提高評價模型工作效率的目的，同時BP神經(jīng)網(wǎng)絡(luò)能夠有效減少噪聲對粗糙集評價過程的影響。最后，通過實(shí)例對模型進(jìn)行應(yīng)用，仿真結(jié)果說明，該網(wǎng)絡(luò)能夠較好地對電力企業(yè)員工安全等級進(jìn)行評估。

[1]袁周.電力生產(chǎn)事故人因分析與預(yù)防簡明問答[M].北京:中國電力出版社,2007.

[2]馬京源,李哲,何宏明,鐘定珠.電氣誤操作事故人因因素分析與控制[J].中國電力,2010(5):72-76.

[3]林杰.安全行為科學(xué)理論在電力生產(chǎn)中的應(yīng)用研究[D].貴州:貴州大學(xué)碩士論文,2006.

[4]趙靜,許祥秦,張凱.基于神經(jīng)網(wǎng)絡(luò)的高新技術(shù)企業(yè)吸收能力評估[J].計算機(jī)仿真,2009(12):257-260.

[5]楊傳健,葛浩,汪志圣.基于粗糙集的屬性約簡方法研究綜述[J].計算機(jī)應(yīng)用研究,2012(1):16-19.