一种基于离散型Hopfield神经网络的化学实验室风险预警方法与流程

一种基于离散型hopfield神经网络的化学实验室风险预警方法
技术领域
1.本发明涉及实验室风险预警领域，特别涉及一种基于离散型hopfield神经网络的化学实验室风险预警方法。


背景技术：

2.实验室风险预警是通过人为设计安全状况多指标评估体系的二级指标并根据评估对照表给出相应风险状况评语，从而实现对实验室当前风险状况的认识与评价。客观、高效地对实验室风险状况进行预警能够很好维护实验室的良好运行状态，减少安全事故发生的可能，对各大高校而言至关重要。因此，本发明的研究成果具有广阔的应用前景。
3.实验室风险预警是一个包含设备、环境等众多指标的复杂预警体系，具有明显的非线性、时变、不确定干扰严重等特点，而且，由于实验室化学药品的种类繁多、理化特性复杂、消防规定繁缛、实验操作流程复杂等客观原因，导致对高校化学实验室开展风险预警存在诸多难点问题。为了建立更加规范、高效、易操作的高校化学实验室风险预警系统，避免评价人员的主观因素对评估结果造成的影响，有研究者提出使用人工神经网络对高校化学实验室的风险状况进行预警。人工神经网络系统内部包含有大量的可自定义参数，内部神经元具有广泛的连通性和自适应性，能够高效处理非线性、高维以及模糊关系问题，可以作为一种多指标综合预警的方法。目前通过人工神经网络对实验室安全状况评估的方法通常利用大量过往数据或大量传感器获得的数据对神经网络进行训练以期实现对实验室安全状况的评估，例如bp神经网络、贝叶斯神经网络、卷积神经网络等等。但是它们有存在陷入局部最优解、过度拟合或者将信息错误关联导致拟合错误的问题。它们建模方法复杂、时间与空间复杂度高，而且需要大量训练样本进行建模学习时才能够取得很好的仿真效果，在训练样本较少、训练样本维度缺失或评估目标所属领域发生改变都有可能导致神经网络无法输出正确的预警结果。因此，需要引入一种新的神经网络系统对实验室安全状况进行预警。
4.本发明设计了一种基于离散型hopfield神经网络的化学实验室风险预警方法，主要通过离散型hopfield神经网络的输出会在多次迭代后保持不变的特性实现对高校实验室通风照明设备运行状况a1、控温控湿设备运行状况a2、电路系统运行状况a3、危险化学品存放环境状况a4、危险化学品化学性质保存状况a5、实验仪器安全检查状况a6、实验仪器安全运行状况a7、安全指示标志状况a8、防火防爆设备运行状况a9、实验环境卫生状况a
10
、应急设备状况a
11
、应急疏散通道状况a
12
的风险预警。


技术实现要素：

5.1.一种基于离散型hopfield神经网络的化学实验室风险预警方法，其特征在于，构建化学实验室安全状况多指标评估体系，建立基于离散型hopfield神经网络的化学实验室风险预警模型，实现对高校化学实验室的风险预警，包括以下步骤：
6.(1)构建化学实验室安全多指标评估体系
7.面向化学实验室的安全多指标评估体系包括：通风照明设备运行状况a1、控温控湿设备运行状况a2、电路系统运行状况a3、危险化学品存放环境状况a4、危险化学品化学性质保存状况a5、实验仪器安全检查状况a6、实验仪器安全运行状况a7、安全指示标志状况a8、防火防爆设备运行状况a9、实验环境卫生状况a
10
、应急设备状况a
11
、应急疏散通道状况a
12
；共12个二级指标；
8.将二级指标的风险状况为5个层次，从优到差分别为：风险很低、有一定风险、风险较大、风险很大和风险极大；
9.创建关于化学实验室的安全多指标评估体系的神经网络评估模型输入矩阵，输入矩阵的行数为二级指标个数，此处为12，输入矩阵的列数为5，每一列分别表示某二级指标的风险很低、有一定风险、风险较大、风险很大和风险极大五种预警结果；为输入矩阵编码，取值为1或
‑
1，当二级指标为风险很低状况时，二级指标所在行的第一列编码为1，其余列为
‑
1，当二级指标为有一定风险状况时，二级指标所在行的第二列编码为1，其余列为
‑
1，当二级指标为风险较大状况时，二级指标所在行的第三列编码为1，其余列为
‑
1，当二级指标为风险很大状况时，二级指标所在行的第四列编码为1，其余列为
‑
1，当二级指标为风险极大状况时，二级指标所在行的第五列编码为1，其余列为
‑
1，具体为：
[0010][0011]
其中，x
a
(t)表示化学实验室安全状况多指标评估体系的评估网络在第t次迭代时的输入矩阵，为x
a
(t)矩阵中第i行第z列在第t次迭代时的编码值，i＝1,
…
,8，z＝1,
…
,5；
[0012]
(2)建立基于离散型hopfield神经网络的评估模型
[0013]
建立用于评价化学实验室安全状况多指标评估体系的离散型hopfield神经网络评估模型h
a
；h
a
神经网络具有5
×
12个神经元，神经元的初始状态设定为x
a
中的编码值，每个神经元的输出与其他神经元的输入连接；
[0014]
①
h
a
神经元的输入：hopfield神经网络神经元的输入分为内部输入和外部输入，其中内部输入为其他神经元的加权输出，外部输入为数据信息，第五行第一列神经元的输入为：
[0015][0016]
其中，表示h
a
神经网络中第一行第一列神经元在第t次迭代时的的输入向量，神经网络中第一行第一列神经元在第t次迭代时的的输入向量，
表示第t次迭代时h
a
神经网络中其他神经元向第一行第一列神经元的连接权值，表示第t次迭代时h
a
神经网络中第q行第p列神经元向第五行第一列神经元的连接权值，p＝1,
…
,5，q＝1,
…
,8，任意权值的初始值为两个连接神经元的状态乘积；
[0017]
②
h
a
神经元的计算：hopfield神经网络神经元对输入信息和权重进行乘积求和运算，第一行第一列神经元的计算公式为：
[0018][0019]
其中，表示h
a
神经网络中第五行第一列神经元在第t次迭代时的计算公式；
[0020]
③
h
a
神经元的输出：hopfield神经网络神经元的输出由二值函数计算，第一行第一列神经元的输出为：
[0021][0022]
其中，表示第一行第一列神经元在第t次迭代时的输出，由以上公式得到h
a
神经网络的输出矩阵为；
[0023][0024]
其中，y
a
(t)表示h
a
神经网络在第t次迭代时的输出矩阵，表示h
a
神经网络中第五q第p列神经元在第t次迭代时的输出，
[0025]
④
h
a
神经元的训练终止条件：利用公式(4)计算y
a
(t 1)，若y
a
(t 1)＝y
a
(t)时停止计算，选取t时刻的y
a
(t)作为h
a
神经网络的最佳状态，完成训练；否则，t增加1，返回步骤
②
；
[0026]
(3)化学实验室安全状况评估
[0027]
利用训练好的h
a
，使用收集到的全部二级指标包括通风照明设备运行状况a1、控温控湿设备运行状况a2、电路系统运行状况a3、危险化学品存放环境状况a4、危险化学品化学性质保存状况a5、实验仪器安全检查状况a6、实验仪器安全运行状况a7、安全指示标志状况a8、防火防爆设备运行状况a9、实验环境卫生状况a
10
、应急设备状况a
11
、应急疏散通道状况a
12
作为模型的输入变量，得到h
a
神经网络的最佳状态作为化学实验室安全状况多指标评估体系的风险状况预警结果；
[0028]
当h
a
神经网络的最佳状态为第一列神经元被激活时，风险预警结果为风险很低，当h
a
神经网络的最佳状态为第二列神经元被激活时，风险预警结果为有一定风险，当h
a
神经网络的最佳状态为第三列神经元被激活时，风险预警结果为风险较大，当h
a
神经网络的最佳状态为第四列神经元被激活时，风险预警结果为风险很大，当h
a
神经网络的最佳状态为第五列神经元被激活时，风险预警结果为风险极大。
[0029]
本发明的创造性主要体现在：
[0030]
(1)本发明针对当前对实验室安全状况评估是一个包含设备、环境等众多指标的复杂预警体系，具有明显的非线性、时变、不确定干扰严重等特点，而且，由于实验室化学药品的种类繁多、理化特性复杂、消防规定繁缛、实验操作流程复杂等客观原因，导致高校化学实验室难以使用传统预警方法进行评估；根据离散型hopfield神经网络的输出会随时间变化而达到稳定的特性，能够实现对通风照明设备运行状况a1、控温控湿设备运行状况a2、电路系统运行状况a3、危险化学品存放环境状况a4、危险化学品化学性质保存状况a5、实验仪器安全检查状况a6、实验仪器安全运行状况a7、安全指示标志状况a8、防火防爆设备运行状况a9、实验环境卫生状况a
10
、应急设备状况a
11
、应急疏散通道状况a
12
的预警；
[0031]
(2)本发明采用基于离散型hopfield神经网络的风险预警方法对高校实验室通风照明设备运行状况a1、控温控湿设备运行状况a2、电路系统运行状况a3、危险化学品存放环境状况a4、危险化学品化学性质保存状况a5、实验仪器安全检查状况a6、实验仪器安全运行状况a7、安全指示标志状况a8、防火防爆设备运行状况a9、实验环境卫生状况a
10
、应急设备状况a
11
、应急疏散通道状况a
12
的预警，该预警方法可以在训练样本较少、训练样本维度缺失的情况下进行预警，同时具备良好的迁移性，解决了其他神经网络方法需要大量数据进行仿真、迁移性差、构造方法复杂等问题；
[0032]
特别要注意：本发明只是为了描述方便，采用离散型hopfield神经网络对高校实验室的风险状况进行预警，与本发明原理相同的预警方法都应该属于本发明的范围。
附图说明
[0033]
图1是本发明所构建的离散型hopfield神经网络的结构图
[0034]
图2是本发明对化学实验室的预警结果图
具体实施方式
[0035]
附图为本发明的具体实施例，如图1至图2所示。实验数据来自北京某学校5个实验室2020年数据：分别通风照明设备运行状况a1、控温控湿设备运行状况a2、电路系统运行状况a3、危险化学品存放环境状况a4、危险化学品化学性质保存状况a5、实验仪器安全检查状况a6、实验仪器安全运行状况a7、安全指示标志状况a8、防火防爆设备运行状况a9、实验环境卫生状况a
10
、应急设备状况a
11
、应急疏散通道状况a
12
为仿真数据。
[0036]
本发明采用了如下的技术方案及实现步骤：
[0037]
1.一种基于离散型hopfield神经网络的化学实验室风险预警方法，其特征在于，构建化学实验室安全状况多指标评估体系，建立基于离散型hopfield神经网络的化学实验室风险预警模型，实现对高校化学实验室的风险预警，包括以下步骤：
[0038]
(1)构建化学实验室安全多指标评估体系
[0039]
面向化学实验室的安全多指标评估体系包括：通风照明设备运行状况a1、控温控湿设备运行状况a2、电路系统运行状况a3、危险化学品存放环境状况a4、危险化学品化学性质保存状况a5、实验仪器安全检查状况a6、实验仪器安全运行状况a7、安全指示标志状况a8、防火防爆设备运行状况a9、实验环境卫生状况a
10
、应急设备状况a
11
、应急疏散通道状况a
12
；共12个二级指标；
[0040]
将二级指标的风险状况为5个层次，从优到差分别为：风险很低、有一定风险、风险
较大、风险很大和风险极大；
[0041]
创建关于化学实验室的安全多指标评估体系的神经网络评估模型输入矩阵，输入矩阵的行数为二级指标个数，此处为12，输入矩阵的列数为5，每一列分别表示某二级指标的风险很低、有一定风险、风险较大、风险很大和风险极大五种预警结果；将每一项二级指标参考给出的评价对照表，对输入矩阵进行编码，取值为1或
‑
1，当二级指标为风险很低状况时，二级指标所在行的第一列编码为1，其余列为
‑
1，当二级指标为有一定风险状况时，二级指标所在行的第二列编码为1，其余列为
‑
1，当二级指标为风险较大状况时，二级指标所在行的第三列编码为1，其余列为
‑
1，当二级指标为风险很大状况时，二级指标所在行的第四列编码为1，其余列为
‑
1，当二级指标为风险极大状况时，二级指标所在行的第五列编码为1，其余列为
‑
1，实施例：
[0042]
[0043]
[0044]
[0045][0046]
实施例中编码后的输入矩阵为：
[0047][0048]
(2)建立基于离散型hopfield神经网络的评估模型
[0049]
建立用于评价化学实验室安全状况多指标评估体系的离散型hopfield神经网络评估模型h
a
；h
a
神经网络具有5
×
12个神经元，神经元的初始状态设定为x
a
中的编码值，每个神经元的输出与其他神经元的输入连接；
[0050]
①
h
a
神经元的输入：hopfield神经网络神经元的输入分为内部输入和外部输入，其中内部输入为其他神经元的加权输出，外部输入为数据信息，第五行第一列神经元的输入为：
[0051][0052]
其中，表示h
a
神经网络中第一行第一列神经元在第t次迭代时的的输入向量，神经网络中第一行第一列神经元在第t次迭代时的的输入向量，神经网络中第一行第一列神经元在第t次迭代时的的输入向量，神经网络中第一行第一列神经元在第t次迭代时的的输入向量，表示第t次迭代时h
a
神经网络中其他神经元向第一行第一列神经元的连接权值，表示第t次迭代时h
a
神经网络中第q行第p列神经元向第五行第一列神经元的连接权值，p＝1,
…
,5，q＝1,
…
,8，任意权值的初始值为两个连接神经元的状态乘积；
[0053]
②
h
a
神经元的计算：hopfield神经网络神经元对输入信息和权重进行乘积求和运算，第一行第一列神经元的计算公式为：
[0054][0055]
其中，表示h
a
神经网络中第五行第一列神经元在第t次迭代时的计算公式；
[0056]
③
h
a
神经元的输出：hopfield神经网络神经元的输出由二值函数计算，第一行第一列神经元的输出为：
[0057][0058]
其中，表示第一行第一列神经元在第t次迭代时的输出，由以上公式得到h
a
神经网络的输出矩阵为；
[0059][0060]
其中，y
a
(t)表示h
a
神经网络在第t次迭代时的输出矩阵，表示h
a
神经网络中第五q第p列神经元在第t次迭代时的输出，
[0061]
④
h
a
神经元的训练终止条件：利用公式(4)计算y
a
(t 1)，若y
a
(t 1)＝y
a
(t)时停止计算，选取t时刻的y
a
(t)作为h
a
神经网络的最佳状态，完成训练；否则，t增加1，返回步骤
②
；
[0062]
得到的最终输出矩阵为:
[0063][0064]
(3)化学实验室安全状况评估
[0065]
利用训练好的h
a
，使用收集到的全部二级指标包括通风照明设备运行状况a1、控温控湿设备运行状况a2、电路系统运行状况a3、危险化学品存放环境状况a4、危险化学品化学性质保存状况a5、实验仪器安全检查状况a6、实验仪器安全运行状况a7、安全指示标志状况a8、防火防爆设备运行状况a9、实验环境卫生状况a
10
、应急设备状况a
11
、应急疏散通道状况a
12
作为模型的输入变量，得到h
a
神经网络的最佳状态作为化学实验室安全状况多指标评估体系的风险状况预警结果；
[0066]
当h
a
神经网络的最佳状态为第一列神经元被激活时，风险预警结果为风险很低，当h
a
神经网络的最佳状态为第二列神经元被激活时，风险预警结果为有一定风险，当h
a
神经网络的最佳状态为第三列神经元被激活时，风险预警结果为风险较大，当h
a
神经网络的最佳状态为第四列神经元被激活时，风险预警结果为风险很大，当h
a
神经网络的最佳状态为第五列神经元被激活时，风险预警结果为风险极大。实施例的预警结果为有一点风险，建议对实验室系统进行检查和维修。
[0067]
一种基于离散型hopfield神经网络的实验室安全状况评估系统的输出为各项一级指标的评估结果；图一显示一个含有3个神经元具有自连接的离散型hopfield神经网络的结构，x1,x2,x3分别代表这3个神经元的输入，y1,y2,y3分别代表这3个神经元的输出，w
ij
代表从神经元i到神经元j的连接权值。图二显示对化学实验室安全风险的预警结果，第一行：化学实验室中包含通风照明设备运行状况a1、控温控湿设备运行状况a2、电路系统运行状况a3、危险化学品存放环境状况a4、危险化学品化学性质保存状况a5、实验仪器安全检查状况a6、实验仪器安全运行状况a7、安全指示标志状况a8、防火防爆设备运行状况a9、实验环境卫生状况a
10
、应急设备状况a
11
、应急疏散通道状况a
12
的标准风险状况评语，其中每一列分别代表评语风险很低、有一定风险、风险较大、风险很大和风险极大对应的标准风险状况评语，第二行：输入的待评估化学实验室风险状况数据，其中每一列代表一份输入的待评估数据，第三行：输出的化学实验室风险状况预警结果，其中每一列代表第二行同一列待评估数据的预警结果，使用
●
代表输入的数字为1，使用〇代表输入的数字为
‑
1。