[发明专利]一种降低生产作业人员风险的量化评价系统及方法

权利要求书

1.一种降低生产作业人员风险的量化评价方法，其特征在于，包括风险关键因子库构建、量化评价模型建立、量化结果输出应用的步骤，所述风险关键因子库构建是采用TF-IDF算法，对现有一段时间的事故通报文件进行关键词分析，并结合电力公司相关管理文件要求，对关键词筛选归类后建成风险关键因子库；所述量化评价模型建立是主成分分析法和BP神经网络结合构建主成分神经网络模型的过程；所述量化结果输出应用是基于主成分神经网络模型的运算，得到作业样本的风险概率预测值，将风险概率预测值与前期设定的风险概率值相比对，得到对应的风险等级，进而开展对应等级的生产作业人身安全风险预警、作业准入管控。

2.根据权利要求1所述的降低生产作业人员风险的量化评价方法，其特征在于，所述风险关键因子库构建的具体步骤包括：

⑴基于TF-IDF的人身安全风险词频提取

采用TF-IDF算法，通过Python软件，对一段时间内现有事故通报文件进行关键词分析，将Python执行结果按照TF-IDF权重的大小进行整理排序，筛选出文件中TF-IDF权重最高的40个词，列关键词提取结果表；基于关键词提取结果，结合生产作业现场工作实际及特征要素，筛选出有关生产作业人身安全的24个关键词频，列关键词筛选结果表；根据关键词筛选结果表的TF/IDF权重，绘制出关键词词云图，其中字体大小对应权重大小；

⑵生产作业人身安全风险关键因子库建立

将步骤⑴TF-IDF算法提取、筛选的人身安全风险词频及电网管理文件要求的数据按照人员、机械、材料、方法、环境五个维度归类，建成生产作业人身安全风险关键因子库。

3.根据权利要求2所述的降低生产作业人员风险的量化评价方法，其特征在于：步骤(2)中，人员、机械、材料、方法、环境五个维度共计26个指标数据，其中，所述人员的风险因子包括年龄、性别、学历、技能、类型、本岗位从业时间、同类作业熟悉程度、作业习惯、身体状况、精神状态、工作情绪；所述机械的风险因子包括设备电压等级、设备类型、设备状态；所述材料的风险因子包括设备防护、工器具配置、个人防护用品配置；所述方法的风险因子包括作业时长、作业性质、作业方式、作业时段、分组作业、交叉作业；所述环境的风险因子包括作业天气、作业地形、作业空间。

4.根据权利要求3所述的降低生产作业人员风险的量化评价方法，其特征在于：所述量化评价模型建立的具体步骤包括：

⑴开展数据预处理：将风险关键因子库中的26个指标数据转化为计算机可识别处理的数值类型数据；

⑵风险概率值设定：假设不同风险等级分布概率区间，即根据伯努利大数定律，设定1-5级风险在[0-1]区间上分布的概率区间；

⑶风险关键指标降维:利用主成分分析法对风险关键因子库中的26个指标进行降维，即将原始输入矩阵X转变为低维稠密矩阵Z；

⑷BP神经网络模型构建：构建BP神经网络模型，将Z输入其中得到风险概率输出Y；

⑸数据映射及误差分析：根据风险概率输出Y，结合前期设定的风险等级分布概率区间，映射为对应风险等级；

⑹风险概率验证调整：通过误差反向传播算法计算风险概率映射为风险等级的误差，当误差不超过0.0001时，则通过，即输出对应风险等级；当误差超过0.0001时，则不通过，须重新进入第三步，更新BP神经网络参数，构造新的神经网络模型，从而不断修正误差值，确保误差最小。

5.根据权利要求4所述的降低生产作业人员风险的量化评价方法，其特征在于，所述开展数据预处理包括：

离散型变量处理：将此类指标数据编码为递进阶梯为1的数字，使离散型变量在一定程度上转换为连续型变量；

类别类型变量处理：将此类指标数据通过One-hot编码处理；

类别类型变量异常值和缺失值处理：在One-hot编码中，单独设置一种状态用于表示异常值或者缺失值；

数值类型变量处理：将数值类型变量进行标准化处理，将输入变换为均值为0、标准差为1的分布，如下：

其中，μ为特征的样本均值，σ为特征的样本标准方差；

数值类型变量缺失值处理：将缺失值填补为特征的平均值，然后进行标准化处理。