李 聰，徐子烜，王雨情，許文博，楊 銳

(1.中國(guó)礦業(yè)大學(xué)(北京) 應(yīng)急管理與安全工程學(xué)院，北京 100083；2.清華大學(xué) 工程物理系公共安全研究院，北京 100084)

0 引言

目前，城市燃?xì)夤芫W(wǎng)普遍面臨著使用年限長(zhǎng)、老化嚴(yán)重、線路不清晰、管理混亂等問(wèn)題。根據(jù)中國(guó)城市燃?xì)鈪f(xié)會(huì)安全管理工作委員會(huì)發(fā)布的《全國(guó)燃?xì)馐鹿史治鰣?bào)告(2021年·第二季度報(bào)告暨半年綜述)》可知，管網(wǎng)事故占所有燃?xì)馐鹿实?5%，其中因第3方破壞及腐蝕導(dǎo)致的泄漏事故占管網(wǎng)事故的82.1%[1]。隨著燃?xì)夤芫W(wǎng)使用年限的不斷增加，燃?xì)夤芫W(wǎng)泄漏事故在未來(lái)一段時(shí)間仍將具有較大的發(fā)生可能性。在這種背景下，如何在事故發(fā)生后最短時(shí)間內(nèi)對(duì)燃?xì)夤芫W(wǎng)泄漏事故進(jìn)行快速準(zhǔn)確地分析研判，對(duì)于及時(shí)有效采取應(yīng)急處置策略，盡可能減少事故損失以及保障社會(huì)穩(wěn)定發(fā)展有著重要意義。

國(guó)內(nèi)外學(xué)者已經(jīng)采取多種方法對(duì)燃?xì)夤芫W(wǎng)事故進(jìn)行研究。黃忠宏等[2]提出燃?xì)夤艿劳暾栽u(píng)價(jià)指標(biāo)體系，對(duì)管道現(xiàn)狀全面評(píng)價(jià)并提出改進(jìn)建議；劉海云等[3]利用復(fù)雜網(wǎng)絡(luò)理論研究燃?xì)夤芫€破裂災(zāi)害鏈，探究災(zāi)害傳播實(shí)際情況；Alibek等[4]通過(guò)卷積網(wǎng)絡(luò)對(duì)天然氣管道泄漏進(jìn)行建模和預(yù)測(cè)。此外，相關(guān)研究利用事故樹、安全評(píng)價(jià)等方法分析燃?xì)夤芫W(wǎng)事故。王文和等[5]通過(guò)建立燃?xì)夤芫W(wǎng)泄漏火災(zāi)耦合度模型，分析其致災(zāi)因子及耦合過(guò)程；Shailesh等[6]對(duì)公路地下燃?xì)夤艿赖奈ｋU(xiǎn)指數(shù)進(jìn)行分析。但是上述研究方法尚不能有效揭示燃?xì)夤芫W(wǎng)災(zāi)害事故發(fā)生發(fā)展規(guī)律，厘清災(zāi)害事故鏈要素特征屬性和要素關(guān)系邏輯層次等問(wèn)題。

知識(shí)圖譜能夠顯著提升事故分析效率，提高事故標(biāo)準(zhǔn)化、規(guī)范化處理水平。該方法已應(yīng)用于電力[7]、文學(xué)[8]、鐵路[9]等方面，但在燃?xì)馐鹿史矫嫒源嬖谳^大空缺。

本文利用知識(shí)圖譜方法對(duì)城市燃?xì)夤芫W(wǎng)泄漏事故進(jìn)行研究。搜集93份國(guó)內(nèi)各省市區(qū)(不包括港澳臺(tái)，下同)的應(yīng)急管理局事故調(diào)查報(bào)告，總結(jié)出各案例的高頻關(guān)鍵詞。其次，分析事故鏈的發(fā)生發(fā)展機(jī)理，概括出事故實(shí)體、屬性及關(guān)系，并繪制燃?xì)夤芫W(wǎng)泄漏事故的知識(shí)圖譜。最后，基于知識(shí)圖譜的網(wǎng)狀結(jié)構(gòu)，結(jié)合BP神經(jīng)網(wǎng)絡(luò)對(duì)燃?xì)夤芫W(wǎng)泄漏事故進(jìn)行預(yù)測(cè)。研究結(jié)果有助于加深對(duì)燃?xì)夤芫W(wǎng)泄漏事故發(fā)生發(fā)展機(jī)理的認(rèn)識(shí)，并為事故分析和預(yù)防提供新的思路和方法。

1 知識(shí)圖譜構(gòu)建方法概述

1.1 圖數(shù)據(jù)庫(kù)概況

數(shù)據(jù)庫(kù)根據(jù)存儲(chǔ)方式不同，可以分為關(guān)系型數(shù)據(jù)庫(kù)和非關(guān)系型數(shù)據(jù)庫(kù)[10]。其中，關(guān)系型數(shù)據(jù)庫(kù)主要以二維的關(guān)系數(shù)據(jù)模型來(lái)呈現(xiàn)，因其具有便于理解和結(jié)構(gòu)性強(qiáng)的特點(diǎn)而得到廣泛使用。非關(guān)系型數(shù)據(jù)庫(kù)沒(méi)有固定模式，更具靈活性，彌補(bǔ)關(guān)系型數(shù)據(jù)庫(kù)擴(kuò)展能力的不足，更適應(yīng)互聯(lián)網(wǎng)環(huán)境。非關(guān)系型數(shù)據(jù)庫(kù)中以Neo4j應(yīng)用最為廣泛，它支持大部分圖算法以及不同數(shù)據(jù)庫(kù)之間的轉(zhuǎn)換，具有高度適用性。因此，本文選取Neo4j為平臺(tái)建立燃?xì)夤艿朗鹿手R(shí)圖譜。

Neo4j的數(shù)據(jù)存儲(chǔ)主要為節(jié)點(diǎn)、關(guān)系和屬性的形式，通過(guò)對(duì)三者的建立來(lái)表達(dá)事故各要素之間的相互作用關(guān)系。其中，節(jié)點(diǎn)為事故的主要數(shù)據(jù)要素，節(jié)點(diǎn)可具有1個(gè)或多個(gè)標(biāo)簽，具有多個(gè)屬性；關(guān)系連接2個(gè)節(jié)點(diǎn)，具有方向性；屬性一般不會(huì)呈現(xiàn)在圖中，但是可被檢索和編輯。標(biāo)簽可用于不同節(jié)點(diǎn)的分組，方便對(duì)節(jié)點(diǎn)進(jìn)行索引。本文對(duì)燃?xì)夤芫W(wǎng)泄漏事故中的常見(jiàn)要素、關(guān)系、屬性進(jìn)行分類整理，轉(zhuǎn)化為數(shù)據(jù)庫(kù)中的節(jié)點(diǎn)、關(guān)系、屬性，實(shí)現(xiàn)由知識(shí)向數(shù)據(jù)庫(kù)的轉(zhuǎn)變。

1.2 知識(shí)圖譜構(gòu)建方法

知識(shí)圖譜構(gòu)建按構(gòu)建方法分為自上而下的模式層構(gòu)建與自下而上的數(shù)據(jù)層構(gòu)建。模式層構(gòu)建主要以行業(yè)標(biāo)準(zhǔn)、概念定義、專家經(jīng)驗(yàn)為主，通過(guò)預(yù)先提出要素概念、實(shí)體、關(guān)系、屬性的類型，搭建事故知識(shí)要素框架，形成初步的知識(shí)體系；數(shù)據(jù)層構(gòu)建主要從事故案例、文獻(xiàn)資料、新聞報(bào)道等途徑知識(shí)抽取，所依賴的數(shù)據(jù)源數(shù)據(jù)量龐大。

模式層作為最初的框架構(gòu)建，為數(shù)據(jù)層構(gòu)建提供模板；數(shù)據(jù)層的更新為模式層提供反饋和修正。安全類型的知識(shí)圖譜專業(yè)性需求高，要求數(shù)據(jù)全面，重視數(shù)據(jù)間的關(guān)聯(lián)，因此需要人為對(duì)其進(jìn)行不斷調(diào)整優(yōu)化，以使知識(shí)圖譜更好地表達(dá)事故鏈以及事故潛在內(nèi)容。

針對(duì)上述分析，本文采用模式層構(gòu)建法，通過(guò)專家分析法分析若干事故調(diào)查報(bào)告、行業(yè)標(biāo)準(zhǔn)以及法律法規(guī)，概括提取出容易導(dǎo)致事故發(fā)生的若干要素及其相互作用的關(guān)系，作為模式層構(gòu)建的關(guān)鍵要素。分別從實(shí)體類型、關(guān)系類型、屬性類型3部分入手，構(gòu)建知識(shí)圖譜，具體流程如圖1所示。

圖1 基于模式層方法的知識(shí)圖譜構(gòu)建流程Fig.1 Construction process of knowledge graph based on schema-level method

2 燃?xì)馐鹿手R(shí)圖譜構(gòu)建

2.1 實(shí)體類型設(shè)計(jì)與構(gòu)建

本文語(yǔ)料提取自國(guó)內(nèi)各省市區(qū)應(yīng)急管理局官網(wǎng)發(fā)布的針對(duì)燃?xì)庑孤┦鹿实恼{(diào)查報(bào)告、《城鎮(zhèn)燃?xì)庠O(shè)計(jì)規(guī)范(2020年版)》(GB 50028—2006)、《城鎮(zhèn)燃?xì)饴竦劁撡|(zhì)管道腐蝕控制技術(shù)規(guī)程》(CJJ 95—2013)等技術(shù)規(guī)范，具備權(quán)威性。通過(guò)分析匯總所涉及的基礎(chǔ)語(yǔ)料，對(duì)其進(jìn)行語(yǔ)義消歧和分類，形成最終的實(shí)體、關(guān)系、屬性及其分類。

2.1.1 燃?xì)夤芫W(wǎng)泄漏事故實(shí)體類型構(gòu)建

燃?xì)庑孤┦鹿实膶?shí)體構(gòu)建圍繞事故發(fā)生機(jī)理展開，依據(jù)“人-物-環(huán)-管”理論，將事故劃分為4個(gè)部分分別研究，進(jìn)一步將“物”分為泄漏事故、管道、異常指標(biāo)，各部分相互影響關(guān)系如圖2所示。人在事故中的角色主要為工作人員、救援人員及受害人員；泄漏事故按泄漏部位可分為管體泄漏和零部件泄漏2個(gè)類型，常發(fā)生的事故種類作為實(shí)體部分；管道包含管體自身和安全防護(hù)2個(gè)部分，對(duì)管體自身缺陷，包括管道質(zhì)量、設(shè)計(jì)安裝、運(yùn)輸燃?xì)獾冗M(jìn)行全方位實(shí)體構(gòu)建，防護(hù)缺陷依據(jù)管道常用的防護(hù)設(shè)施，分為管溝、防腐、防應(yīng)力、人機(jī)工程4個(gè)方面，分別進(jìn)行實(shí)體構(gòu)建；指標(biāo)的異常通常能反映出管道泄漏的狀態(tài)，將泄漏事故中常見(jiàn)的指標(biāo)劃分為靜態(tài)和動(dòng)態(tài)2個(gè)類型。根據(jù)燃?xì)獠块T出具的數(shù)據(jù)顯示，管網(wǎng)泄漏事故常見(jiàn)原因包含第三方破壞、腐蝕、自然災(zāi)害、應(yīng)力破壞等，環(huán)境實(shí)體的劃分圍繞上述原因展開。燃?xì)夤芫W(wǎng)的安全管理實(shí)體劃分圍繞組織結(jié)構(gòu)、安全程序及安全文件展開。

圖2 泄漏事故發(fā)生機(jī)理示意Fig.2 Schematic diagram for occurrence mechanism of leakage accidents

根據(jù)6類一級(jí)實(shí)體分類，對(duì)燃?xì)庑孤┦鹿赎P(guān)鍵詞進(jìn)行梳理歸納。在6個(gè)一級(jí)指標(biāo)范疇內(nèi)，進(jìn)一步形成二、三級(jí)分類。最終根據(jù)要素的不同特點(diǎn)，羅列出燃?xì)庑孤┦鹿手兴婕暗娜繉?shí)體共130個(gè)，如表1所示。

表1 泄漏事故實(shí)體類型劃分Table 1 Classification on entity types of leakage accidents

表1(續(xù))

2.1.2 由泄漏引起的火災(zāi)爆炸事故實(shí)體類型構(gòu)建

燃?xì)庑孤┖罂赡軐?dǎo)致火災(zāi)、爆炸、窒息、氣云燃燒等多種次生事故，其中以火災(zāi)、爆炸最為常見(jiàn)，且兩者常常伴隨發(fā)生，造成更嚴(yán)重的事故。對(duì)由燃?xì)庑孤┮l(fā)的火災(zāi)爆炸事故進(jìn)行實(shí)體類型構(gòu)建。

泄漏的燃?xì)馀c空氣中的氧氣混合形成預(yù)混氣體，達(dá)到爆炸極限后，在點(diǎn)火源的作用下造成火災(zāi)或爆炸事故[12]，火災(zāi)爆炸產(chǎn)生的熱量、沖擊波等會(huì)引發(fā)一系列后續(xù)傷害，造成嚴(yán)重后果。

根據(jù)氣體燃燒3要素理論，分別從可燃物、點(diǎn)火源、環(huán)境的角度對(duì)燃?xì)庑孤┮鸬拇紊苌鸀?zāi)害的實(shí)體進(jìn)行分析，形成可燃物、能量源、人為制造火源、燃?xì)夥e聚4類實(shí)體一級(jí)分類。環(huán)境中常見(jiàn)的可燃物可分為固、液、氣、金屬、帶電可燃物5類；能量源是指使燃?xì)忸A(yù)混氣體達(dá)到燃點(diǎn)致使其燃燒爆炸的熱源，根據(jù)熱源的來(lái)源不同，分為管道外部的火源、管道內(nèi)部的自熱著火以及高溫環(huán)境；人為制造火源根據(jù)發(fā)生方式不同，分為明火、能產(chǎn)生熱量的高溫物體、堅(jiān)固物體碰撞產(chǎn)生的機(jī)械點(diǎn)火源、電氣設(shè)備使用過(guò)程中產(chǎn)生的電火花、利用凹凸鏡原理管線聚集生火5類；燃?xì)夥e聚是燃?xì)膺_(dá)到爆炸極限產(chǎn)生爆炸的必要條件，根據(jù)其場(chǎng)所的不同分為相對(duì)密閉環(huán)境和開放環(huán)境2大類。通風(fēng)不良場(chǎng)所均有機(jī)會(huì)形成相對(duì)密閉環(huán)境，泄漏的燃?xì)膺M(jìn)入相對(duì)密閉環(huán)境，積聚達(dá)到爆炸極限。4類實(shí)體相互關(guān)系如圖3所示，并提取和整理共60個(gè)燃?xì)夤芫W(wǎng)火災(zāi)爆炸事故相關(guān)實(shí)體如表2所示。

圖3 火災(zāi)爆炸事故發(fā)生機(jī)理示意Fig.3 Schematic diagram for occurrence mechanism of fire and explosion accidents

2.2 關(guān)系類型設(shè)計(jì)與構(gòu)建

在上文實(shí)體類型分析的基礎(chǔ)上，將關(guān)系類型分為邏輯關(guān)系詞和非邏輯關(guān)系詞2個(gè)部分進(jìn)行分析。

2.2.1 邏輯關(guān)系詞類型構(gòu)建

邏輯關(guān)系表示2個(gè)實(shí)體中1個(gè)實(shí)體的變更將會(huì)影響到另1個(gè)實(shí)體的關(guān)系，包含2個(gè)實(shí)體在概念、定義、時(shí)間、空間中存在的邏輯關(guān)系[13]。將事故中邏輯關(guān)系詞分為6類。因果關(guān)系多指危險(xiǎn)源和事故之間以及危險(xiǎn)源和危險(xiǎn)源之間的連鎖關(guān)系；條件關(guān)系指事故發(fā)生的條件或?qū)嶓w需要符合的規(guī)定；從屬關(guān)系一般用于企業(yè)和個(gè)人、企業(yè)和企業(yè)之間的結(jié)構(gòu)關(guān)系；包含關(guān)系主要包括管道零件、文件、場(chǎng)所中的父集子集之間的關(guān)系。表3展示不同關(guān)系類型及常用關(guān)系詞，共16個(gè)。

2.2.2 非邏輯關(guān)系詞類型構(gòu)建

非邏輯關(guān)系與邏輯關(guān)系相對(duì)，即2個(gè)實(shí)體間沒(méi)有明

表2 火災(zāi)爆炸事故實(shí)體類型劃分Table 2 Classification on entity types of fire and explosion accidents

表2(續(xù))

顯的邏輯關(guān)系如動(dòng)作詞、說(shuō)明解釋詞等。燃?xì)馐鹿史沁壿嬯P(guān)系詞的劃分圍繞實(shí)體類型進(jìn)行分類，不同實(shí)體類型的常用關(guān)系詞具有較大差別，表4展示了80個(gè)在燃?xì)夤芫W(wǎng)事故分析中常出現(xiàn)的非邏輯關(guān)系詞。

2.3 屬性類型設(shè)計(jì)與構(gòu)建

在燃?xì)夤芫W(wǎng)泄漏事故知識(shí)圖譜中，屬性是對(duì)實(shí)體的關(guān)鍵描述和補(bǔ)充。本文選取文件、氣體、管道及零部件、事故等8類實(shí)體，對(duì)其常見(jiàn)屬性進(jìn)行分類構(gòu)建。其中，文件屬性的劃分主要從相關(guān)規(guī)章制度入手；氣體屬性主要為常見(jiàn)指標(biāo)的變化；管道及零部件的屬性分為靜態(tài)指標(biāo)和動(dòng)態(tài)指標(biāo)；事故屬性主要包含事故的性質(zhì)及嚴(yán)重程度[14]。根據(jù)分類匯總101個(gè)燃?xì)夤芫W(wǎng)泄漏事故常見(jiàn)屬性，如表5所示。

表3 邏輯關(guān)系類型劃分Table 3 Classification of logical relationship types

表4 非邏輯關(guān)系類型劃分Table 4 Classification of non-logical relationship types

表4(續(xù))

表5 實(shí)體相關(guān)屬性Table 5 Classification of entity related attributes

表5(續(xù))

結(jié)合上述對(duì)實(shí)體、屬性、關(guān)系的描述，構(gòu)建模式層知識(shí)圖譜，部分如圖4所示。圖譜共包含180個(gè)節(jié)點(diǎn)，296個(gè)關(guān)系以及135個(gè)屬性，其中包含部分重復(fù)關(guān)系及屬性。依據(jù)實(shí)體的一級(jí)、二級(jí)分類，共建立10個(gè)標(biāo)簽，分別用深淺程度不同的圓圈表現(xiàn)。圖4涵蓋表1～5中全部?jī)?nèi)容。

圖4 燃?xì)夤芫W(wǎng)知識(shí)圖譜模式層(部分)Fig.4 Schema-levels of knowledge graph for gas pipeline network (partial)

3 知識(shí)圖譜在事故預(yù)測(cè)中的應(yīng)用

本文結(jié)合前饋型BP神經(jīng)網(wǎng)絡(luò)進(jìn)行應(yīng)用，理論上將某1段危險(xiǎn)管道與圖譜中實(shí)體對(duì)應(yīng)，建立神經(jīng)網(wǎng)絡(luò)模型，即可實(shí)現(xiàn)對(duì)下一個(gè)實(shí)體節(jié)點(diǎn)的預(yù)測(cè)[16]。以管溝缺陷為例，分別對(duì)其子類別，即回填土質(zhì)、土層疏松、邊坡角度、管溝施工、埋深5個(gè)方面進(jìn)行分析，通過(guò)對(duì)其危險(xiǎn)性評(píng)分預(yù)測(cè)出下一個(gè)最可能發(fā)生的實(shí)體類型。

3.1 BP神經(jīng)網(wǎng)絡(luò)模型建立

3.1.1 輸入輸出層設(shè)置

將管道缺陷的5個(gè)子類別作為神經(jīng)網(wǎng)絡(luò)的輸入層，管道缺陷的指向(防腐缺陷、應(yīng)力破壞)為輸出層，如圖5所示。分析60份與管溝缺陷相關(guān)的燃?xì)夤芫W(wǎng)泄漏事故案例，其中45份作為訓(xùn)練組數(shù)據(jù)，15份作為預(yù)測(cè)組數(shù)據(jù)。將管溝缺陷子類別按其危險(xiǎn)性大小依次進(jìn)行評(píng)分，評(píng)分范圍0～9，作為輸入層數(shù)據(jù)來(lái)源。根據(jù)管溝缺陷所引起的下一步事故記錄為輸出層數(shù)據(jù)，若主要引起防腐缺陷，則記為1；若引起應(yīng)力破壞，記為2。

圖5 管道缺陷相關(guān)實(shí)體Fig.5 Related entities of pipeline defect

3.1.2 節(jié)點(diǎn)設(shè)置

節(jié)點(diǎn)數(shù)一般是指輸入層、隱含層以及輸出層的不同類型數(shù)據(jù)的個(gè)數(shù)[17]。根據(jù)輸入層的5類參數(shù)，將輸入層節(jié)點(diǎn)數(shù)設(shè)置為5，輸出層節(jié)點(diǎn)數(shù)為1。隱含層節(jié)點(diǎn)數(shù)取值范圍由式(1)計(jì)算得出：

(1)

式中：l為隱含層節(jié)點(diǎn)個(gè)數(shù)；m，n分別為輸入、輸出層節(jié)點(diǎn)個(gè)數(shù)；a為0～10的任意實(shí)數(shù)。

根據(jù)計(jì)算，隱含層的節(jié)點(diǎn)數(shù)在3～12之間，通過(guò)替換各個(gè)節(jié)點(diǎn)數(shù)并尋找方差值最小的節(jié)點(diǎn)個(gè)數(shù)，發(fā)現(xiàn)節(jié)點(diǎn)數(shù)為11的隱含層節(jié)點(diǎn)數(shù)預(yù)測(cè)效果最好。因此確定網(wǎng)絡(luò)結(jié)構(gòu)為5-11-1的3層模型，數(shù)據(jù)在各層級(jí)之間的傳輸途徑如圖6所示，其中X表示管溝缺陷5個(gè)子類別的輸入?yún)?shù)，Y表示防腐缺陷和應(yīng)力破壞的輸出值。

圖6 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.6 Structure of BP neural network

3.1.3 函數(shù)及訓(xùn)練條件設(shè)置

默認(rèn)的trainlm函數(shù)具有快速收斂的特點(diǎn)，但其迭代次數(shù)和精度并不理想。因此，本文將trainlm函數(shù)轉(zhuǎn)換為traingd函數(shù)進(jìn)行訓(xùn)練。為獲得更高的準(zhǔn)確度，將訓(xùn)練精度設(shè)置為0.01。根據(jù)多次實(shí)驗(yàn)，在該訓(xùn)練精度下實(shí)際迭代次數(shù)最高100 000級(jí)，因此將最高訓(xùn)練次數(shù)設(shè)置為150 000。

3.2 基礎(chǔ)數(shù)據(jù)模擬

將所有數(shù)據(jù)導(dǎo)入Matlab中，進(jìn)行網(wǎng)絡(luò)訓(xùn)練以及預(yù)測(cè)，經(jīng)過(guò)106 870次迭代，輸出對(duì)15個(gè)預(yù)測(cè)組數(shù)據(jù)的預(yù)測(cè)值，并將其與實(shí)際應(yīng)得的真實(shí)值相比較，結(jié)果如圖7所示。輸出層預(yù)測(cè)值和真實(shí)值數(shù)據(jù)差值均在0.5以內(nèi)，該模型實(shí)際訓(xùn)練精度為0.01，最終擬合值R達(dá)到0.98較符合模擬前的預(yù)期值，表明預(yù)測(cè)結(jié)果較為準(zhǔn)確?？梢詫?shí)現(xiàn)通過(guò)燃?xì)夤芫W(wǎng)泄漏事故知識(shí)圖譜中某一層級(jí)實(shí)體的情況，來(lái)預(yù)測(cè)相關(guān)聯(lián)的其他實(shí)體或?qū)傩缘臓顟B(tài)。

圖7 預(yù)測(cè)組輸出結(jié)果Fig.7 Output results of prediction group

4 結(jié)論

1)在分析大量城市燃?xì)夤芫W(wǎng)泄漏事故案例的基礎(chǔ)上，進(jìn)行知識(shí)圖譜語(yǔ)料分析。針對(duì)燃?xì)庑孤┻^(guò)程以及次生衍生災(zāi)害事故，從人-機(jī)-環(huán)-管角度分別歸納梳理出相關(guān)實(shí)體，共總結(jié)燃?xì)庑孤┫嚓P(guān)實(shí)體類型130個(gè)，火災(zāi)爆炸事故實(shí)體類型60個(gè)。

2)將實(shí)體間關(guān)系分成邏輯關(guān)系和非邏輯關(guān)系，歸納非邏輯性關(guān)系詞80個(gè)，邏輯性關(guān)系詞16個(gè)；針對(duì)燃?xì)夤芫W(wǎng)泄漏事故實(shí)體，歸納梳理屬性共101個(gè)。采用模式層方法構(gòu)建了包含全部實(shí)體、關(guān)系和屬性語(yǔ)料的燃?xì)夤芫W(wǎng)泄漏事故知識(shí)圖譜。

3)基于燃?xì)夤芫W(wǎng)泄漏事故知識(shí)圖譜，構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型，在已知燃?xì)夤芫W(wǎng)泄漏事故某一層級(jí)實(shí)體具體狀態(tài)的基礎(chǔ)上，對(duì)相關(guān)聯(lián)的其他實(shí)體狀態(tài)進(jìn)行預(yù)測(cè)，經(jīng)驗(yàn)證準(zhǔn)確率較高。表明知識(shí)圖譜可用于預(yù)測(cè)燃?xì)夤芫W(wǎng)泄漏事故的發(fā)展態(tài)勢(shì)，為燃?xì)夤芫W(wǎng)泄漏事故分析和預(yù)測(cè)提供新的思路。