文摘

发电厂的安全是一个重要的话题。近年来,交通事故引起的电力工厂员工不安全行为频繁。促进电力可持续发展和安全的植物,不安全行为的评估的研究变得越来越重要和紧迫。在这项研究中,事故统计分析,采用文献综述和专家调查选择更全面和准确评估指标在发电厂工人的不安全行为。数据指标和不安全行为是通过问卷调查,和27个指标作为输入,和不安全行为的输出作为反向传播(BP)神经网络建立不安全行为评价模型。评估指标体系对电厂工人的不安全行为由4个一级指标和建立了27个二级指标,确定了评估指标的权重。一个三层前馈BP神经网络评估模型,“27-13-1”层被发现一个合适的模型。该模型可以证明之间的复杂非线性关系的评估指标和电厂工人的不安全行为。模型可以帮助评估、预测和监测发电厂的安全性能。

1。介绍

电力行业的电气事故的工人可以致命的和致命的。尽管电气专业在中国的电气安全处理在高级别上,事故发生。此外,电气事故并不罕见的像许多小事故仍未报告的数据显示(1]。漏报原因缺乏现有的电气安全问题,防止信息相应的预防措施。只要事故发生,这意味着目前的措施提高电气安全不够有效。发展机械化、自动化和情报电厂设备故障造成的事故减少,而越来越多的交通事故源于人为错误和不安全行为2]。不安全行为包括错误操作,无知的警告,不使用安全设备,使用不安全设备,进入限制区域,未能达到着装标准。经营者为例,2021年5月,甘肃电力公司未能扣安全带,死于下降。2020年6月,广西电力公司的施工人员死于电击前没有停电检查(3]。分析表明,大多数事故的直接原因是员工的错误操作和不安全行为,这些事故都对企业产生负面影响,甚至对社会。因此,预防和控制具有重要意义电厂工人的不安全行为,减少人类的事故的发生(4]。

不安全行为的预防和控制需要全面、准确的评估。然而,由于不安全行为的不确定性和可重复性,评估变得复杂。目前许多学者对不安全行为的评估进行了相关研究。Malakoutikhah et al。5)使用扎根理论,并采访了40工人和半结构式访谈法。结果表明,组织因素在不安全行为的评估中发挥了重要作用。Mokarami et al。6]研究之间的关系公交司机的安全文化、安全行为,使用构建一个结构方程模型和交通事故。发现有一个消极的安全文化水平和事故之间的关系,频率和驾驶员的不安全行为和不安全行为发挥重要安全文化和事故之间的中间作用。作者Shin et al。7)建立了一个建筑工人的心理过程模型基于系统动力学(SD)方法,然后研究了反馈机制的安全态度和安全行为。不安全行为的评价因素体系和层次分析法模型提出的李et al。8]。行为安全数据的工人,量化的模糊评估法。通等。9)提出了一个风险评估模型,用蒙特卡罗方法计算的风险价值员工的不安全行为。Zhang et al。10)使用的计划行为理论,探讨了影响核电站工人的态度、观念和主观规范对不安全行为。Yu et al。11]使用鱼骨图,建立了评估模型的影响因素,煤矿工人的不安全行为从五个方面:个人、物理环境、安全领导、安全管理、组织和团体。此外,还有许多不安全行为的研究评估,指导后续研究。然而,现有的研究缺乏鲁棒性、相关性和分化不安全行为的评估指标。此外,收购的方法评估指标相对无效的和计算出的权重大多cause-to-effect方法如层次分析法、灰色关联度,专家调查法和熵权法的随机性和在评价过程中人为因素影响。

作为一个因果的方法,机器学习算法可以模仿人类思维模型和有效地处理非线性预测问题。近年来,机器学习算法,如反向传播(BP)神经网络已经被广泛应用领域的评估。利用BP神经网络,李和王(12)评估在建地铁建设项目的安全三个方面包括人为因素、管理因素和风险因素,然后预测事故发生的可能性。曾和罗13)开发了一个员工质量评估模型基于BP神经网络的评价性能通过员工绩效数据的收集和处理。汉et al。14)采用遗传算法来优化BP神经网络建模,建立了一个混合遗传BP模型,有效地评估和选择产品设计。同样,冯et al。15)确定可能的供应链的风险因素,构建风险评估指标体系基于优化的BP神经网络。Zhang et al。16)提出了一个评估指标体系的信息沟通度智库基于BP神经网络的微信公众平台从四个维度,包括智库电力、信息内容特征,公共平台的服务功能,用户的性能。尽管BP神经网络在许多领域取得了巨大成就,应用BP算法的评估电厂工人的不安全行为仍在初级阶段(17]。本研究采用事故统计分析、文献综述和专家调查方法选择更全面和准确评估指标的不安全行为。根据发电厂工人的不安全行为的数据在天津,银川,邹城市,和阳泉城市的中国,一个BP神经网络评价模型。评估指标的权重计算和分析,为预防和控制提供建议电厂工人的不安全行为,坚决帮助维护企业“安全第一”文化。

手稿的其余部分安排如下:部分2提供详细的数据收集和分析的过程。节3,结果说明。部分4是关于讨论和结论和局限性提出了节吗5。

2。材料和方法

2.1。研究过程

安全、可靠、廉价的电能是至关重要的世界经济和我们的生活方式。电力大国家里,办公室和行业,提供娱乐、医疗服务、各种技术和通信,权力。本研究旨在评估、预防和控制电厂工人的不安全行为基于实际问题。提出研究框架如图1。研究中有六个步骤:发现问题,选择评价指标,收集的数据,确定BP神经网络结构,模型仿真和讨论。通过这种方式,可以确定不安全行为评价指标的权重,并可以制定和实施预防和控制措施。这些步骤在随后的部分。

2.2。评价指标的选择

(我)事故统计分析。根据中国国家能源局的公共信息,中国应急管理和安全管理网络,在电力行业安全生产事故的数据从2015年到2019年被收集和整理,选择145人身伤害事故,包括39例的下降高度,26例电击,22例的对象,机械损伤,19例14例起重伤害,崩溃的13例,12例。在145年的事故,对象的不安全状态占总事故的37%,和人的不安全行为占63%。不安全行为是造成的事故统计分析,提取的不安全行为的影响因素,然后确定评估指标。(2)文献综述。使用“网络科学”、“爱思唯尔ScienceDirect”和“CNKI”作为文献检索数据库,关键字被选为“不安全行为”或“违法违规行为”或“危险行为”或“安全行为”或“危机的行为。”这个话题被选为“发电厂工人”或“电厂运营商”或“电力员工,”,检索时间仅限于2019 - 2021。1000多篇期刊论文被选中。通过阅读标题、摘要和关键词的文件,搜索标准进一步简化,我们终于121期刊论文。不安全行为的影响因素是澄清和总结。根据上面的方法获得的结果,评估指标的初始不安全行为是通过选择和分类,如表所示1。(3)专家调查法。指标的决心,这是一个相对成熟的方法可以促进匿名专家之间的沟通,整合意见,达成相对一致的视图(18]。根据专家的知识和经验,这个方法进行多次问卷调查和整理结果确定最终答案,具有很强的科学性。根据表1,本研究采用专家调查法,得分指标和咨询专家进一步补充和简化指标。

本研究的评估对象是电厂工人的不安全行为。为此,作者邀请8华电电力科学研究院的专家,天津大学、南开大学等企业和大学。所有的专家有安全管理领域的研究成果,有一定的对电厂工人的不安全行为的理解。三轮问卷。第一轮问卷收集(12张),和专家优化现有的指标。那么重要指标,如单调、准备、检查、生物危害、工作时间,和社会规范。情绪管理能力、安全意识、管理、安全监督和其他指标都高度认可。此外,专家将现有指标分成5个一级指标:个人、组织、设备、管理和环境。专家建议结合指标如高温、通风、可见性、和气味成一个单一的指标称为物理环境身体健康指标。专家认为,领导力和管理能力的三个指标,管理承诺和管理水平也有类似的含义,可以集体改为管理能力。 The results of the first round of questionnaires were collected and the second round of the survey was conducted.

第二轮调查问卷都是恢复,专家给的建议改善第一轮的结果。例如,一位专家认为安全的监管和奖惩重叠的意义和建议奖励和惩罚应该被省略了。一位专家建议增加心理临床服务的数量。另一位专家建议合并两个主要指标,组织和管理。专家还建议增加社会压力指示器。此外,专家们还修订个别指标的解释。第二轮问卷调查的结果进行了收集和分析。

第三轮问卷都是恢复,专家的意见往往是一致的。因此,最终的评估指标设置不安全行为的决心,结果如表所示2。

2.3。收集的数据

2.3.1。调查问卷设计

收集的数据指标和不安全行为的问卷调查。广泛的文献回顾后,测量工作者,和面试的专家,一个表27不安全行为二级评估指标。调查问卷包括以下三个部分。(我)调查员工的人口统计信息包括性别、年龄、工作时间。(2)过程中不安全行为指标评估,3为27个二级指标设置的选择。(3)有6项的调查不安全行为分数。每一项的得分越高,不安全行为的风险就越高。

在第二和第三部分,采用李克特5级量表方法。表3显示的设置问卷项目(19- - - - - -23]。

2.3.2。调查实施和数据分析

保持视图电厂在中国的地理分布和调查的可行性,本研究的范围覆盖四个电厂集中在天津地区,银川,邹城市,阳泉。通过电话、电子邮件、和现场研究,四个区域发电厂的领导人都联系了。使用随机抽样在不同的部门,线上和线下问卷进行电厂工人在这四个地区。在线调查的链接被送到联系人在电厂,调查链接通过电子邮件转发到工厂工人。线下的调查中,研究人员调查问卷发送到人在网站上,提供奖励措施。调查开始于2021年2月和2021年6月结束。共收集160份问卷被发出,143,和124年的有效回收86.71%都是有效的。人口数据的描述性统计如表所示4。

从表可以看出4、年龄、教育、“祖籍”,工作时间,和立场的受访者符合电厂工人的实际情况,调查数据符合实际需求。调查问卷数据整理和使用SPSS 21.0进行信度和效度分析。结果表明,克伦巴赫α所有维度的规模系数大于0.8,和克伦巴赫α总规模系数为0.845,表明量表的可靠性满足分析的要求。的KMO价值总表0.904,和所有的KMO价值维度的规模大于0.8。巴特利特球形测试的结果意义重大,表明规模有效性是好的。

2.4。构建BP神经网络模型和确定评估指标权重

BP神经网络是一个多层前馈神经网络训练基于误差反向传播算法,包括两个学习过程:信号的正向传播和误差的反向传播。BP神经网络由输入层、隐藏层和输出层,每一层由多个神经元节点。隐藏层可能是一个或多个输入和输出之间的层。首先,网络传播从向前传播。然后,输入信号作用于通过输入层和隐层传递到输出层。经过一系列的非线性变化,实际产出。当有一个大区别实际输出和期望输出,它进入反向传播过程。然后,输出错误信息传回到输入层到输出层的隐藏层,权重和阈值,输入层和隐层之间以及隐层和输出层之间,同时调整。重复训练,直到充分误差最小。三层BP神经网络的结构如图2。

在图2,输入层包含米神经元,输入向量X= (x₁,x₂,x₃、…x_j,…x_米)T,在那里x_j代表的输入j^th输入层神经元,表示连接的重量j^th神经元在输入层和我^th在隐藏层神经元,我= 1,2,…n;θ_我显示的阈值我^th隐层神经元。输出层包含l神经元,输出向量d= (d₁,d₂,d₃、…d_k、…d_l)T,d_k代表的输出k^th在输出层神经元;表示连接的重量k^th在输出层和神经元我^th隐层神经元;b_k代表了k在输出层神经元的阈值。

2.5。确定BP神经网络结构

与一个隐层BP神经网络具有强大的非线性映射能力(17),收敛速度快,所以本研究设置隐藏层的数量是1建立一个三层BP神经网络模型。输入层神经元的个数设置为27个;也就是说,27个二级评价指标(B1∼B27)作为网络的输入。输出层神经元的数目设置为1;也就是说,6项之和不安全行为作为网络的输出。隐层神经元的数目是指计算 在哪里n隐层神经元的数量,米输入层神经元的个数,l显示在输出层神经元的数量,和问从1到10是一个常数。的值范围n是6∼15。

BP神经网络的学习过程是体重调整过程的非线性映射提取并存储在权重矩阵,具有自学习和自适应的特点24],广泛应用领域的分类、识别、近似,回归分析和预测。BP神经网络能有效识别和量化指标和地图评估指标之间的非线性关系和内部每一个指标和评价对象之间的关系。此外,它是一种因果关系的方法。培训与学习已知样本后,建立了网络权值的自适应机制,以及用于训练网络的权值,计算指标权重,使重量更有效。此外,它还可以有效地减少人类主观因素的影响,使重量更有效的结果。确定指标的权重,下面的步骤使用BP神经网络了。(我)输入(评估指标数据)和输出(评估对象)确定网络的示例数据。(2)建立了BP神经网络模型和网络结构确定。(3)网络训练和网络连接的重量和阈值调整。(iv)网络的性能测试。(v)网络性能提高后,指标权重的计算方法是根据连接输入层和隐层的重量和计算 在哪里的重量吗j^th输入层神经元;米输入层神经元的个数,n显示了隐层神经元的数量,之间的连接权重j^th神经元在输入层和我^th在隐藏层神经元,表示连接的重量l^th神经元在输入层和我^th隐层神经元。

3所示。结果

3.1。BP神经网络模拟

3.1.1。数据归一化

在训练BP神经网络之前,124年的数据样本归一化,消除异常值,加快网络的收敛速度。标准化的目的是将数字数据列的值数据集的一个共同的标准,在不改变变化值的范围(13,14]。机器学习,每一个数据集不需要规范化。它是必需的,只有当特性有不同的范围。有不同类型的数据规范化。在这项研究中,数据规范化的min-max方法用来获取一组标准的值。使用数据标准化样本的所有数据归一化到0和1的范围。数据归一化的结果如表所示5。

3.1.2。网络的训练和测试

MatlabR2015软件被用于BP神经网络训练和测试。经过反复计算的规范化数据样本,当隐层神经元的数量是13日网络错误和迭代步骤的数目小;因此,隐层神经元的数目设置为13日和BP神经网络模型,开发了“27-13-1”结构。124年所有的规范化数据样本分成两部分组成一组训练样本(110年数据)和一组测试(14数据样本)。经过反复测试,网络参数设置如表所示6。培训时间是169时,均方误差(MSE)满足精度要求,如图3。

训练后,测试集是输入为模拟训练网络,实数之间的比较结果和测试集的预测数量,如图4。

从图可以看出4、实数之间的差异和测试集的预测数量是足够小,表明该BP神经网络训练可以准确反映评估指标和不安全行为之间的复杂关系。

3.2。确定评价指标的权重

反向传播神经网络训练的核心。的方法调整神经网络的权重根据获得的错误率在前面的时代(即。迭代)。适当的调优的重量可以减少错误率,使该模型可靠的通过增加其泛化。从上一小节中可以看出,通过BP神经网络的自学习功能,每个网络层之间的连接权值和阈值满足精度要求。MATLAB软件是用来获得连接重量输入层和隐层之间的BP神经网络训练,如表所示7。

使用方程(2),27个二级评价指标的权重的工厂工人的不安全行为是通过计算得到的数据表7。结果如表所示8。

从表可以看出8所有指标的权重大于零,表明所有的27个二级指标对不安全行为产生影响。因此,根据我们得到的权重B26 > B3 > B19 > B2 > B20 > B12 > B9 > B24 > B7 >的energisk B18 > B11 > B1 > B16转椅> B27 > B21 >十三区最> B25 > B8 > B6 >去往B15 > B14 > B23 > B5 > B22 > B4 > B17 > B10。因此,对于电厂的工人,他们的不安全行为的预防和控制应该从重要性指标,采取相应的预防和控制措施,如减少工人的劳动强度(B26),提高工人的安全意识(B3),和加强劳动保护设备的管理(B19)。

4所示。讨论

工作场所的电气事故会导致严重的伤害。然而,控制措施,防止这些危害需要精心管理,注重细节和技术能力。根据事故因果关系理论,人的不安全行为和不安全状态的电气工作场所中的对象是两个主要因素导致电力事故的发生(25]。因为不安全状态的对象主要是由于人为因素,人的不安全行为是造成事故的主要原因(26]。对现场工人的发电厂,他们不仅面临常见事故等对象,从一个高度下降,和火,而且电气危害如电击、静电、射频辐射,电路的缺点。与其他行业相比,有更多的危险事故在发电厂,和不安全行为的危险也更大27]。当在电厂现场工人在一个复杂的网站环境很长一段时间,伴随着沉重的身体和精神的工作,它将导致工人的不安全状态容易陷入负面情绪(28)、身体疲劳(29日),和意识下降(30.),导致增加了潜在的安全事故。如今,随着安全技术的发展,电厂的安全性能改善。然而,由于人类的特点和限制在生理、心理、和精神,人类很难控制的不安全行为和不稳定。因此,为了确保核电站工人的安全运行,有必要全面评估他们的不安全行为。

几乎没有研究核电站工人的不安全行为分析和一些研究不安全行为的角度评估指标(31日]。研究不安全行为的角度评估指标是罕见的。建立一个科学、全面的评估指标体系的工人的不安全行为在发电厂是监测和评价的基础工人的不安全状态和一个重要的方法来有效防止工人的不安全行为。本研究提出了一个评价方法对电厂工人基于BP神经网络的不安全行为。评估指标体系由4个一级指标和27个二级指标。评估指标作为网络输入和不安全行为作为网络输出。最后,27个二级指标的权重是通过模型的训练。和一个三层BP神经网络评估模型,“27-13-1”。

BP神经网络是高度适用领域的评估和预测(12- - - - - -16]。为了克服传统评价方法的不足,如难以定义指标之间的关系,强烈的主体性体重的决心,和繁殖困难的评估结果32),本研究使用神经网络算法来确定指标权重。除此之外,它可以为大量的数据进行大量的培训。因此,评估体重合适,和更有效的评估模型。在这项研究中,电厂工人在天津,银川,邹城市,阳泉城市中国作为例子。相应的指标通过问卷调查收集的数据和相应的指标权重计算使用神经网络。指标权重的基础上,管理人员可以提出具体的不安全行为的预防和控制措施四个方面:个人、组织管理、机械设备和外部环境。例如,在个体层面,发现B3 > B2 > B7 > B1 > B8 > B6 > B5 > B4。因此,管理者可以强调策略旨在提高工人的安全意识,身体健康、安全知识和情绪管理能力。此外,它可以看到的比较图4之间的误差预测数量和实际数量的测试集是足够小,表明该BP神经网络训练可以准确反映评估指标和不安全行为之间的复杂关系。

核电站工人的不安全行为的发生在本质上是复杂的(4]。极大地影响个人、组织管理、机械设备和外部环境。通过构建评估指标体系,选择不安全行为的影响因素和评估依据。与此同时,不安全行为的差异在不同的指标可以初步确定。BP神经网络模型用于探讨不同指标之间的非线性复杂关系和不安全的行为,这是对不安全行为的预防具有重要意义。安全管理人员可以根据自己的需要选择不同的指标和判断是否有通过重量计算结果之间的规律,提高安全管理的效率,促进经验的提升安全管理预防安全管理。

5。结论

本研究建立了一个全面和准确评估指标体系对于核电站工人的不安全行为,而由个人、组织和管理、机械设备、外部环境,4个一级指标,和27个二级指标。然后反向传播BP神经网络模型建立了不安全行为评估,和模型模拟和分析。评估指标确定的重量。一个三层前馈反向传播神经网络评估模型的“27-13-1”被发现一个合适的模型。培训和学习后,BP神经网络方法可以证明之间的复杂非线性关系的评估指标和电厂工人的不安全行为。BP神经网络方法用于确定不安全行为评价指标的权重,根据权重值,可以采取预防和控制措施,以减少不安全行为的发生。这个地方未来模型发展的基础工作,进一步满足不同部门的需求在发电厂通过添加或删除的数量因素。有一些限制与本研究相关。首先,27个指标是不足以完全了解电厂事故的根源;更多的指标会调查。 Second, because the real world is complex and dynamic, the future model should be adjustable and capable of treating data automatically. Third, the task of the control room is extremely important; therefore, the unsafe behaviors of control room engineers should be further studied.

数据可用性

使用的数据来支持本研究的结果包括在本文中。

的利益冲突

作者宣称没有利益冲突。