王 佳，陳 勛

（1.中國(guó)軟件評(píng)測(cè)中心，北京 100048；2.中國(guó)電子科技網(wǎng)絡(luò)信息安全有限公司，四川 成都 610000）

0 引 言

報(bào)警優(yōu)先級(jí)評(píng)估是報(bào)警管理系統(tǒng)的一項(xiàng)重要內(nèi)容，主要用來(lái)表達(dá)不同過(guò)程變量超越報(bào)警閾值的危害性，能夠幫助工廠操作人員有針對(duì)性地處理實(shí)時(shí)產(chǎn)生的報(bào)警，采取更加有效的措施[1-6]。報(bào)警變量?jī)?yōu)先級(jí)的確定應(yīng)該同時(shí)考慮對(duì)工廠和系統(tǒng)的實(shí)時(shí)危害程度和響應(yīng)的緊急程度[7]。

風(fēng)險(xiǎn)危害程度一般有定性和定量?jī)煞N分析方法[8]。定性的分析方法有危害和可操作分析（Hazards and operability Analysis）、過(guò)程危害分析（Process Hazards Analysis）、傳統(tǒng)的失效模式與影響分析（Failure Mode and Effects Analysis）以及復(fù)合有向圖等[9-10]；定量方法包括建立故障樹(shù)分析模型[11]、馬爾可夫模型以及因果關(guān)系分析圖等。此外，隨著安全分析理論的進(jìn)一步發(fā)展，涌現(xiàn)出貝葉斯（Bayesia）網(wǎng)絡(luò)、復(fù)雜網(wǎng)絡(luò)模糊映射等與多學(xué)科相結(jié)合的分析方法。上述方法能夠?qū)ψ兞康娘L(fēng)險(xiǎn)進(jìn)行描述和建模，但是主要依靠專家經(jīng)驗(yàn)，并且由于變量不確定性，不能從實(shí)時(shí)狀態(tài)變化的角度給出變量的風(fēng)險(xiǎn)轉(zhuǎn)移過(guò)程。Chang[12]等通過(guò)建立危險(xiǎn)發(fā)生概率、潛在危險(xiǎn)影響和過(guò)程安全時(shí)間的綜合模型，對(duì)整個(gè)過(guò)程的安全報(bào)警進(jìn)行優(yōu)先級(jí)評(píng)估來(lái)減少報(bào)警的數(shù)量，但是需要依靠專家經(jīng)驗(yàn)，不能有效運(yùn)行過(guò)程中檢測(cè)的數(shù)據(jù)，“實(shí)時(shí)性”明顯不足。Foong[13]等結(jié)合整個(gè)過(guò)程中的數(shù)據(jù)和專家知識(shí)，利用模糊推理對(duì)產(chǎn)生的報(bào)警變量進(jìn)行優(yōu)先級(jí)排序，但是欠缺對(duì)報(bào)警發(fā)生時(shí)間的考慮。由于隨機(jī)不確定性因素的影響，各個(gè)時(shí)刻之間的狀態(tài)轉(zhuǎn)移可用Markov過(guò)程描述，但是轉(zhuǎn)移概率不能直接測(cè)量獲取具有時(shí)變的特征，每一時(shí)刻的轉(zhuǎn)移概率值不是固定的。目前，粒子濾波對(duì)非齊次轉(zhuǎn)移概率的估計(jì)不受過(guò)程噪聲和測(cè)量噪聲限制。相比Kalman濾波，主要利用一系列離散采樣值近似實(shí)現(xiàn)轉(zhuǎn)移概率的最大后驗(yàn)估計(jì)，得到狀態(tài)的估計(jì)值[14-15]。

因此，考慮到變量的不確定性因素，本文針對(duì)報(bào)警風(fēng)險(xiǎn)狀態(tài)轉(zhuǎn)移過(guò)程中的狀態(tài)和時(shí)間兩個(gè)方面進(jìn)行分析，建立幅值裕度和時(shí)間裕度定量性分析指標(biāo)。由于受到外界的干擾轉(zhuǎn)移概率的隨機(jī)時(shí)變性，建立動(dòng)態(tài)Markov狀態(tài)轉(zhuǎn)移模型描述報(bào)警狀態(tài)轉(zhuǎn)移和時(shí)間變化過(guò)程，通過(guò)粒子濾波估計(jì)狀態(tài)轉(zhuǎn)移矩陣，得到系統(tǒng)狀態(tài)變化的估計(jì)值，由此提出了一個(gè)新的報(bào)警優(yōu)先級(jí)評(píng)價(jià)的系統(tǒng)優(yōu)化方法。

1 報(bào)警風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)

1.1 幅值裕度指標(biāo)

一般情況下，工業(yè)過(guò)程報(bào)警狀態(tài)是從低報(bào)警到高報(bào)警狀態(tài)進(jìn)行演化的，因此在對(duì)報(bào)警危害的嚴(yán)重程度進(jìn)行評(píng)價(jià)時(shí)，可以選用計(jì)算簡(jiǎn)單、反映經(jīng)濟(jì)指標(biāo)或者物理變化過(guò)程的幅值裕度作為評(píng)價(jià)指標(biāo)。

實(shí)時(shí)報(bào)警系統(tǒng)主要監(jiān)視過(guò)程變量的參數(shù)值，一旦超過(guò)給定的報(bào)警閾值，立即觸發(fā)報(bào)警。由于工藝的限制，不同工況下工藝參數(shù)的報(bào)警閾值不一樣，可以設(shè)置成定值或者是與工況相聯(lián)系的預(yù)先設(shè)定的變量。圖1為報(bào)警設(shè)定值的參數(shù)關(guān)系，其中符號(hào)A代表在參數(shù)正常運(yùn)行過(guò)程中擾動(dòng)值和報(bào)警整定值之間的差值，B代表為了克服擾動(dòng)帶來(lái)的干擾，擾動(dòng)值與采取保護(hù)動(dòng)作定值之間的差值。

圖1 報(bào)警整定值的設(shè)定

由于生產(chǎn)過(guò)程中報(bào)警的嚴(yán)重程度與產(chǎn)生的后果、變量的初始狀態(tài)和工況條件等因素有關(guān)，因此報(bào)警系統(tǒng)應(yīng)該充分考慮每一個(gè)報(bào)警變量的嚴(yán)重程度來(lái)對(duì)報(bào)警進(jìn)行優(yōu)先級(jí)劃分。它的危害度函數(shù)的定義如下：

其中：Sev(Tc)表示每個(gè)報(bào)警的嚴(yán)重度，Tc為實(shí)時(shí)狀態(tài)值，ρ為報(bào)警狀態(tài)轉(zhuǎn)移概率，Tn和Ts分別為報(bào)警的警戒閾值線和報(bào)警閾值線。幅值裕度指標(biāo)不僅用概率的動(dòng)態(tài)變化對(duì)報(bào)警進(jìn)行分析，還考慮了狀態(tài)的實(shí)時(shí)信息，指出了狀態(tài)變量與最嚴(yán)重程度的偏離程度，對(duì)不同變量所處同一概率狀態(tài)下的危害程度。

1.2 時(shí)間裕度指標(biāo)

對(duì)于報(bào)警系統(tǒng)來(lái)說(shuō)，超過(guò)報(bào)警之后有高報(bào)、高高報(bào)的情況下，為了更加明確報(bào)警狀態(tài)的轉(zhuǎn)移情況，在原有狀態(tài)下增加幾個(gè)安全報(bào)警狀態(tài)，在變量的容許范圍定義報(bào)警狀態(tài)轉(zhuǎn)移時(shí)間，分別為：正常狀態(tài)（0）到低報(bào)警狀態(tài)（1）的轉(zhuǎn)移時(shí)T0→1=T1-T0；低報(bào)警狀態(tài)（1）到中報(bào)警狀態(tài)（2）之間的轉(zhuǎn)移時(shí)T1→2=T2-T1；中報(bào)警狀態(tài)（2）到高報(bào)警狀態(tài)（3）之間的轉(zhuǎn)移時(shí) T2→3=T3-T2[16]。

根據(jù)定義的報(bào)警轉(zhuǎn)移時(shí)間裕度，時(shí)間風(fēng)險(xiǎn)指標(biāo)為：

圖2為風(fēng)險(xiǎn)指標(biāo)曲線，報(bào)警的風(fēng)險(xiǎn)值與時(shí)間有直接關(guān)系。報(bào)警狀態(tài)轉(zhuǎn)移時(shí)間越小，處理報(bào)警的時(shí)間越短，產(chǎn)生的后果也就越嚴(yán)重；報(bào)警狀態(tài)轉(zhuǎn)移時(shí)間越大，操作者處理報(bào)警的過(guò)程時(shí)間充裕，產(chǎn)生的風(fēng)險(xiǎn)也越小。

圖2 風(fēng)險(xiǎn)指標(biāo)曲線

2 基于Markov時(shí)變模型報(bào)警狀態(tài)轉(zhuǎn)移概率預(yù)測(cè)

2.1 建立馬爾科夫時(shí)變模型

根據(jù)變量的歷史數(shù)據(jù)和運(yùn)行條件預(yù)測(cè)狀態(tài)的發(fā)展趨勢(shì)，結(jié)合幅值裕度指標(biāo)中的報(bào)警狀態(tài)轉(zhuǎn)移概率，了解變量未來(lái)的某一時(shí)刻運(yùn)行狀態(tài)。

將Markov模型中，報(bào)警的狀態(tài)空間分成（0，1，2，3）四種元素狀態(tài)，其報(bào)警狀態(tài)轉(zhuǎn)移過(guò)程如圖3所示。通過(guò)分析報(bào)警狀態(tài)的轉(zhuǎn)移過(guò)程的狀態(tài)，進(jìn)一步分析報(bào)警變量的危害程度，降低誤報(bào)率和漏報(bào)率。報(bào)警狀態(tài)轉(zhuǎn)移的集合分別為：正常狀態(tài)（0）的狀態(tài)集合{0|x1,x2,…,xn0}到低報(bào)警狀態(tài)（1）{1|xn0+1,xn0+2,…,xn1}、低報(bào)警狀態(tài)（1）{1|xn0+1,xn0+2,…,xn1}到中報(bào)警狀態(tài)（2）{2|xn1+1,xn1+2,…,xn2}、中報(bào)警狀態(tài)（2）{2|xn1+1,xn1+2,…,xn2}到 高 報(bào) 警 狀 態(tài)（3）{3|xn2+1,xn2+2,…,xn3}。由Markov過(guò)程確定的狀態(tài)轉(zhuǎn)移概率模型包括過(guò)程狀態(tài)、轉(zhuǎn)移概率和初始概率分布情況[17-18]。狀態(tài)轉(zhuǎn)移概率為：

表示時(shí)刻t處于狀態(tài)i，經(jīng)過(guò)時(shí)刻t+1處于狀態(tài)j 的概率，初始概率用 π=[π1,π2,…,πn]來(lái)表示。

圖3 報(bào)警狀態(tài)網(wǎng)絡(luò)空間轉(zhuǎn)移過(guò)程

報(bào)警狀態(tài)的轉(zhuǎn)移規(guī)律可采用統(tǒng)計(jì)近似方法：

式中nij為從狀態(tài)i轉(zhuǎn)移到狀態(tài)j的樣本數(shù)，因此通過(guò)計(jì)算得到時(shí)刻t={0,1,2,3,…,m}，正常狀態(tài)（0）、低報(bào)警狀態(tài)（1）、中報(bào)警狀態(tài)（2）和高報(bào)警狀態(tài)（3）的狀態(tài)概率轉(zhuǎn)移矩陣pij(0:m)為：

根據(jù)馬爾科夫無(wú)后性和貝葉斯條件概率公式，有：

式（6）狀態(tài)轉(zhuǎn)移矩陣是不隨時(shí)間變化的，而在實(shí)際工業(yè)過(guò)程中，狀態(tài)轉(zhuǎn)移矩陣是時(shí)刻發(fā)生變化的，因此需要根據(jù)系統(tǒng)實(shí)時(shí)變化的狀態(tài)更新?tīng)顟B(tài)轉(zhuǎn)移概率矩陣，從而更準(zhǔn)確地估計(jì)風(fēng)險(xiǎn)狀態(tài)：

式中，第k個(gè)時(shí)刻的狀態(tài)為π(k)，由矩陣中最大的概率值確定當(dāng)前的報(bào)警狀態(tài)，其中狀態(tài)轉(zhuǎn)移矩陣P′的準(zhǔn)確程度是最關(guān)鍵的因素。

2.2 粒子濾波估計(jì)動(dòng)態(tài)狀態(tài)轉(zhuǎn)移矩陣

狀態(tài)轉(zhuǎn)移矩陣不能直接測(cè)量，通常是實(shí)驗(yàn)得到，因此存在很多不確定性。粒子濾波通過(guò)系統(tǒng)狀態(tài)條件分布產(chǎn)生一組隨機(jī)樣本，然后不斷調(diào)整修正粒子最初的條件分布。

假設(shè)P(xk(0))作為先驗(yàn)知識(shí)，那么P(xk(t)|yk(1:t))通過(guò)預(yù)測(cè)方程和概率的實(shí)時(shí)更新遞推得到，然后利用最新得到的值對(duì)后驗(yàn)概率密度進(jìn)行估計(jì)修正。

預(yù)測(cè)方程為：

更新方程為：

P(xk(t)|xk(1:t-1))由狀態(tài)轉(zhuǎn)移矩陣獲得，P(yk(t)|xk(t))由預(yù)測(cè)方程獲取。通過(guò)粒子濾波對(duì)預(yù)測(cè)方程和更新方程進(jìn)行計(jì)算，計(jì)算得到狀態(tài)轉(zhuǎn)移過(guò)程的狀態(tài)轉(zhuǎn)移序列。它的狀態(tài)轉(zhuǎn)移序列的概率越大，代表下一時(shí)刻將要發(fā)生的情況。

假設(shè)變量的采樣時(shí)間間隔為Δt，對(duì)于報(bào)警變量從時(shí)刻0運(yùn)行到時(shí)刻m的時(shí)間轉(zhuǎn)移過(guò)程的報(bào)警轉(zhuǎn)移時(shí)間的計(jì)算可分別得到如下內(nèi)容：

（1）r(tm)=0且r(tm+1)=1，系統(tǒng)從正常狀態(tài)轉(zhuǎn)移到低風(fēng)險(xiǎn)狀態(tài)的報(bào)警轉(zhuǎn)移時(shí)間為T0→1=m×Δt；

（2）r(tm)=1且r(tm+1)=2，系統(tǒng)從低風(fēng)險(xiǎn)狀態(tài)轉(zhuǎn)移到中風(fēng)險(xiǎn)狀態(tài)的報(bào)警狀態(tài)轉(zhuǎn)移時(shí)間為T1→2=m×Δt-T0→1；

（3）r(tm)=2且r(tm+1)=3，系統(tǒng)從中風(fēng)險(xiǎn)狀態(tài)轉(zhuǎn)移到高風(fēng)險(xiǎn)狀態(tài)的報(bào)警狀態(tài)轉(zhuǎn)移時(shí)間為T2→3=m×Δt-T1→2。

因此，通過(guò)已知的初始時(shí)刻和初始報(bào)警狀態(tài)，利用式（7）得到第k時(shí)刻處于哪種報(bào)警狀態(tài)空間（0，1，2，3）的概率情況，且得到處于不同報(bào)警狀態(tài)空間的統(tǒng)計(jì)時(shí)間，綜合發(fā)生的概率和時(shí)間對(duì)報(bào)警等級(jí)進(jìn)行排序。

3 報(bào)警優(yōu)先級(jí)評(píng)估計(jì)算

依據(jù)文中的報(bào)警幅值裕度指標(biāo)和時(shí)間裕度指標(biāo)，綜合分析對(duì)報(bào)警優(yōu)先級(jí)進(jìn)行劃分。流程如圖4所示，分為離線訓(xùn)練和在線監(jiān)測(cè)評(píng)價(jià)兩個(gè)部分。

圖4 報(bào)警優(yōu)先級(jí)評(píng)估流程

離線部分：

（1）設(shè)變量的采樣時(shí)間間隔為Δt，初始時(shí)刻為k=0，m=0；Δt=0所有的訓(xùn)練數(shù)據(jù)均正常，未發(fā)生報(bào)警事件；

（2）將歷史數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，得到初始的狀態(tài)轉(zhuǎn)移矩陣；

（3）根據(jù)馬爾科夫模型（4），得到各個(gè)狀態(tài)發(fā)生的概率，并且估計(jì)報(bào)警狀態(tài)的轉(zhuǎn)移時(shí)間，由此得到報(bào)警狀態(tài)的轉(zhuǎn)移時(shí)間；

（4）根據(jù)式（1）和式（2），得到訓(xùn)練數(shù)據(jù)的報(bào)警等級(jí)指標(biāo)；

（5）根據(jù)報(bào)警安全指標(biāo)，得到報(bào)警等級(jí)的分類條件。

在線評(píng)價(jià)：

（1）當(dāng)新樣本到來(lái)時(shí)，計(jì)算新樣本屬于的報(bào)警風(fēng)險(xiǎn)狀態(tài)，結(jié)合上一個(gè)報(bào)警狀態(tài)，求取當(dāng)前采樣點(diǎn)的報(bào)警等級(jí)指標(biāo)；

（2）判斷所處的報(bào)警等級(jí)，計(jì)算當(dāng)前的幅值和時(shí)間裕度，根據(jù)得到的裕度，預(yù)測(cè)下一時(shí)刻運(yùn)行狀態(tài)報(bào)警等級(jí)。

4 算例分析

以化工模型田納西-伊斯曼（Tennessee Eastman，TE）過(guò)程為例。整個(gè)過(guò)程有6種操作模式和反應(yīng)器、冷凝器、汽提塔、氣液分離器及壓縮機(jī)5個(gè)組成單元?；瘜W(xué)反應(yīng)方程式如下：

A(g)+C(g)+D(g)→G(liq)

A(g)+C(g)+E(g)→H(liq)

A(g)+E(g)→F(liq)

3D(g)+→2F(liq)

其中，A、C、D、E為4種所需的反應(yīng)氣體。當(dāng)惰性氣體B分別加入TE反應(yīng)器中進(jìn)行反應(yīng)時(shí)，產(chǎn)物分別為液體G、H和副產(chǎn)品F。

選取數(shù)據(jù)庫(kù)中5 500個(gè)采樣數(shù)據(jù)進(jìn)行分類劃分，得到正常狀態(tài)（0）、低報(bào)警狀態(tài)（1）、中報(bào)警狀態(tài)（2）和高報(bào)警狀態(tài)（3），統(tǒng)計(jì)采集的各個(gè)時(shí)刻的狀態(tài)數(shù)據(jù)轉(zhuǎn)移次數(shù)，得到反應(yīng)器進(jìn)料流量結(jié)果如表2所示。

表2 反應(yīng)器流量狀態(tài)轉(zhuǎn)移次數(shù)統(tǒng)計(jì)

根據(jù)統(tǒng)計(jì)結(jié)果計(jì)算狀態(tài)的轉(zhuǎn)移概率，得到的初始報(bào)警轉(zhuǎn)移概率矩陣如下：

假設(shè)起始時(shí)刻都處在正常狀態(tài)，初始狀態(tài)的概率為π(0)={1,0,0,0}，將π(1)=π(0)P作為當(dāng)前的狀態(tài)概率。表3給出了傳統(tǒng)的Markov狀態(tài)轉(zhuǎn)移變化結(jié)果。

表3 傳統(tǒng)的Markov預(yù)測(cè)結(jié)果

由于工業(yè)現(xiàn)場(chǎng)環(huán)境非常復(fù)雜，外界干擾元素影響多，具有不確定性，其每一個(gè)變量的狀態(tài)轉(zhuǎn)移概率很難保持不變，是實(shí)時(shí)發(fā)生變化的，因此固定的狀態(tài)轉(zhuǎn)移概率不能反映真實(shí)情況，可以將轉(zhuǎn)移矩陣更改為：

其中，φ=rand(0,1)為干擾變量，代表在區(qū)間[0，1]中產(chǎn)生的一系列隨機(jī)數(shù)。為了更加真實(shí)地反映變量的狀態(tài)情況，利用粒子濾波對(duì)變量的狀態(tài)轉(zhuǎn)移概率矩陣進(jìn)行估計(jì)預(yù)測(cè)，可以得到動(dòng)態(tài)的狀態(tài)轉(zhuǎn)移矩陣。圖5和圖6為采用3種濾波估計(jì)的仿真曲線圖，通過(guò)對(duì)比不敏感卡爾曼濾波（Unscented Kalman Filter，UKF）、粒子濾波（Particle Filter，PF）和擴(kuò)展卡爾曼濾波（Extended Kalmar Filter，EKF）3種方式對(duì)真實(shí)數(shù)值的估計(jì)曲線和誤差曲線，得出粒子濾波具有更小的誤差。

圖5 報(bào)警狀態(tài)轉(zhuǎn)移矩陣估計(jì)

由于傳統(tǒng)馬爾可夫預(yù)測(cè)未能真實(shí)反映狀態(tài)信息，導(dǎo)致預(yù)測(cè)結(jié)果和實(shí)際值有較大的誤差。但是，通過(guò)粒子濾波估計(jì)狀態(tài)轉(zhuǎn)移矩陣的狀態(tài)概率，使不確定性的轉(zhuǎn)移概率具有較強(qiáng)的魯棒性。其中，利用粒子濾波估計(jì)狀態(tài)轉(zhuǎn)移矩陣的狀態(tài)概率如表4所示。

圖6 估計(jì)誤差

根據(jù)馬爾科夫狀態(tài)轉(zhuǎn)移矩陣各個(gè)報(bào)警狀態(tài)的概率值大小來(lái)確定危害程度，對(duì)得到的報(bào)警進(jìn)行分類，確定當(dāng)前時(shí)刻實(shí)際的報(bào)警狀態(tài)是處在正常狀態(tài)（0）、低報(bào)警狀態(tài)（1）、中報(bào)警狀態(tài)（2）和高報(bào)警狀態(tài)（3）中的哪一類。

依據(jù)報(bào)警風(fēng)險(xiǎn)估計(jì)的預(yù)測(cè)結(jié)果，得到系統(tǒng)的報(bào)警風(fēng)險(xiǎn)狀態(tài)轉(zhuǎn)移時(shí)間分別為T0→1=m×Δt、T1→2=m×Δt-T0→1和T2→3=m×Δt-T1→2。對(duì)比各個(gè)報(bào)警狀態(tài)轉(zhuǎn)移時(shí)間的大小，可以得出處理變量的緊急程度。

利用上述方法，選擇化工TE仿真模型中模式一中的反應(yīng)器進(jìn)料量進(jìn)行評(píng)估，得到不同時(shí)刻的報(bào)警分類圖，如圖7所示。

表4 Markov時(shí)變模型預(yù)測(cè)結(jié)果

圖7 反應(yīng)器進(jìn)料量報(bào)警狀態(tài)

同理，圖8、圖9得到TE過(guò)程的反應(yīng)器壓力XMEAS8和反應(yīng)器液位XMEAS9得到的變量報(bào)警圖。如果變量所處的報(bào)警狀態(tài)危害程度發(fā)生的概率相同，通過(guò)比較報(bào)警狀態(tài)轉(zhuǎn)移時(shí)間的大小來(lái)確定報(bào)警狀態(tài)的處理的優(yōu)先級(jí)。t=20時(shí)刻下報(bào)警優(yōu)先級(jí)對(duì)比報(bào)警狀態(tài)和轉(zhuǎn)移時(shí)間得到同一時(shí)刻的報(bào)警排序結(jié)果，如表5所示。

圖8 反應(yīng)器壓力報(bào)警狀態(tài)

圖9 反應(yīng)器液位報(bào)警狀態(tài)

表5 t=20報(bào)警狀態(tài)等級(jí)劃分

5 結(jié) 語(yǔ)

報(bào)警分級(jí)評(píng)價(jià)模型能夠幫助工廠操作者引起對(duì)重要報(bào)警的注意，而不需要在誤報(bào)警和等級(jí)低的報(bào)警上花費(fèi)更多時(shí)間。本文定義了量化報(bào)警風(fēng)險(xiǎn)的幅值裕度和時(shí)間裕度指標(biāo)，考慮報(bào)警變量的危害程度和報(bào)警的轉(zhuǎn)移時(shí)間建立報(bào)警優(yōu)先級(jí)評(píng)估模型，綜合評(píng)價(jià)處于不同狀態(tài)的報(bào)警，以降低同時(shí)產(chǎn)生多個(gè)報(bào)警導(dǎo)致的重大損失。同時(shí)，考慮實(shí)際工況情況，降低外界不確定因素對(duì)變量的影響程度，利用粒子濾波估計(jì)Markov狀態(tài)轉(zhuǎn)移過(guò)程，預(yù)測(cè)報(bào)警狀態(tài)變量的狀態(tài)轉(zhuǎn)移概率，實(shí)時(shí)預(yù)測(cè)反應(yīng)狀態(tài)變量的變化。通過(guò)化工TE過(guò)程算例的計(jì)算結(jié)果表明，提出的風(fēng)險(xiǎn)量化指標(biāo)對(duì)報(bào)警狀態(tài)的排序和對(duì)報(bào)警狀態(tài)安全風(fēng)險(xiǎn)評(píng)估有一定的指導(dǎo)意義。由于報(bào)警系統(tǒng)的處理主要依靠專家經(jīng)驗(yàn)，具有一定的主觀性，在下一步的工作中，在實(shí)時(shí)報(bào)警等級(jí)管理系統(tǒng)中采用混合技術(shù)，通過(guò)自學(xué)習(xí)、自診斷修改模型來(lái)提高報(bào)警分類和預(yù)警的準(zhǔn)確性。