-
题名基于多标签学习BP神经网络的承压设备介质分类方法
被引量：1
- 1
-
-
作者
郭永奇
王建林
周新杰
陈艺文
邱科鹏
-
机构
北京化工大学信息科学与技术学院
-
出处
《安全与环境学报》
CAS
CSCD
北大核心
2022年第5期2624-2631,共8页
-
基金
国家重点研发计划项目(2017YFF0207101)。
-
文摘
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。
-
关键词
安全社会工程
多标签学习
承压设备介质分类
危害特性数据
-
Keywords
safety social engineering
multi-label learning
classification of pressure equipment media
physicochemical property data
-
分类号
X937
[环境科学与工程—安全科学]
-
