基于IPSO-BP神经网络的高校机械类实验室安全评价模型探究

摘要：

实验室安全作为高校安全稳定工作的重要组成部分,直接反映了高校的管理水平与管理理念,已成为社会和国家的关注热点.针对高校机械类实验室建立了包含9个1级指标、27个2级指标的安全评价指标体系,提出了一种基于改进粒子群算法的BP神经网络安全评价模型,该模型以实验室安全指标评价数据为输入,评价结果为输出,针对粒子群算法中的惯性系数和学习因子引入了非线性函数进行优化,并确定了最优的函数调整因子.通过专家评分数据对网络进行训练,对评价样本数据进行预测.结果表明,IPSO-BP神经网络预测结果的平均相对误差为1.5276％,较BP模型、PSO-BP、线性修正PSO-BP模型在收敛速度、计算时间、误差波动、预测精度均有明显提升,形成科学、量化的实验室安全评价模型,并可推广到其他类型实验室的安全评价.

关键词：BP神经网络、改进粒子群优化算法、实验室安全、评价模型、指标体系

所属期刊栏目：39

分类号：X913;G482(安全科学基础理论)

资助基金：中央高校基本科研业务费专项资金FRF-DF-20-41

在线出版日期：2021-01-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：290-296