基于改进PSO-LSTM的重大危险源风险评价

北华航天工业学院计算机学院 刘喜梅 尹国才

在石油化工过程，针对重大危险源监测辨识预估等问题。在信息物理系统（CPS）的决策层中建立长短期记忆网络（LSTM）预测模型，采用改进粒子群算法（PSO）优化网络中的权值和阈值，将经过改进PSO优化的LSTM应用于重大危险源风险评价系统中。通过仿真实验结果表明该方法具有一定的精准度，最终证明该方法可以准确完成重大危险源风险评价。

“重大危险源”指的是长期地或临时地生产、加工、使用或储存危险化学品，且危险化学品的数量等于或超过临界量的单元。重大危险源的安全管理工作必须要引起我们所有人的高度重视。国家近几年提出要进一步注重重大危险源管理安全并且部分地区的企业建立了重大危险源监控系统中心。由于我国目前在重大危险源安全方面仍存在着设施不完善，安全监督管理困难，事故时相关信息无法及时获取等问题。

本文基于改进PSO-LSTM算法对基于CPS的重大危险源进行风险评价，由于基本的PSO具有易陷入局部最优和全局搜索能力较弱所导致的求解精度低的缺点，需要对惯性权重和加速因子的改进和引入模拟退火算法，大大提高了预测精度，仿真实验结果证实了该方法具备重大危险源风险评价能力，并且实时可靠。

1 CPS系统和重大危险源分级

1.1 CPS系统

CPS主要分为3个部分，分别是感知层、网络层和控制层，感知层主要是由传感器、控制器和采集器等设备组成。感知层中的传感器作为信息物理系统中的末端设备；……