健康-安全-环境(health-safety-environment,HSE)绩效评价作为一种提升电力企业综合管理水平的关键手段,能够有效降低工程事故的发生概率且有力保障电力建设的顺利实施。然而,现有方法忽略各要素的可信度,导致HSE绩效评价结果的分辨率...健康-安全-环境(health-safety-environment,HSE)绩效评价作为一种提升电力企业综合管理水平的关键手段,能够有效降低工程事故的发生概率且有力保障电力建设的顺利实施。然而,现有方法忽略各要素的可信度,导致HSE绩效评价结果的分辨率较低。为此,提出一种基于模糊Petri网-长短期记忆网络(fuzzy Petri net-long short-term memory,FPN-LSTM)的电力建设项目HSE绩效评价方法。首先,根据现场HSE数据统计表引入模糊Petri网(fuzzy Petri net,FPN),构建直观化、定量化的电力建设项目HSE绩效评价模型;然后,计算库所节点数据的差异分数,同时采用线性插值的方式确定FPN模型中初始库所、中间库所和终止库所的置信度取值,开展电力建设项目HSE绩效评价;最后,借助长短期记忆网络(long short-term memory,LSTM)对FPN模型的置信度进行训练和更新,最大程度优化HSE绩效评价结果。以鲁西分公司的HSE绩效评价为例,开展FPN-LSTM模型验证,并将其与传统FPN模型、FPN-反向传播(back propagation,BP)神经网络进行对比分析,结果表明,该FPN-LSTM模型不仅能够准确、系统地反映整个电力建设项目的HSE绩效水平,还可精细、有效地厘清各级评价要素的执行情况和分布特性,从而为HSE管理人员提供科学化、体系化和精准化的决策依据。展开更多
文摘健康-安全-环境(health-safety-environment,HSE)绩效评价作为一种提升电力企业综合管理水平的关键手段,能够有效降低工程事故的发生概率且有力保障电力建设的顺利实施。然而,现有方法忽略各要素的可信度,导致HSE绩效评价结果的分辨率较低。为此,提出一种基于模糊Petri网-长短期记忆网络(fuzzy Petri net-long short-term memory,FPN-LSTM)的电力建设项目HSE绩效评价方法。首先,根据现场HSE数据统计表引入模糊Petri网(fuzzy Petri net,FPN),构建直观化、定量化的电力建设项目HSE绩效评价模型;然后,计算库所节点数据的差异分数,同时采用线性插值的方式确定FPN模型中初始库所、中间库所和终止库所的置信度取值,开展电力建设项目HSE绩效评价;最后,借助长短期记忆网络(long short-term memory,LSTM)对FPN模型的置信度进行训练和更新,最大程度优化HSE绩效评价结果。以鲁西分公司的HSE绩效评价为例,开展FPN-LSTM模型验证,并将其与传统FPN模型、FPN-反向传播(back propagation,BP)神经网络进行对比分析,结果表明,该FPN-LSTM模型不仅能够准确、系统地反映整个电力建设项目的HSE绩效水平,还可精细、有效地厘清各级评价要素的执行情况和分布特性,从而为HSE管理人员提供科学化、体系化和精准化的决策依据。
