張佳明， 金仁東， 王文瑞， 孫 浩， 衣紅鋼

（北京科技大學(xué)a.機(jī)械工程學(xué)院；b.資產(chǎn)管理處，北京100083）

0 引 言

實(shí)驗(yàn)室安全作為高校安全穩(wěn)定工作的重要組成部分，其管理水平直接反映了高校的現(xiàn)代管理水平與管理理念，越來(lái)越多得到社會(huì)和國(guó)家的關(guān)注［1］。教育部在2019 年1 號(hào)文件《教育部辦公廳關(guān)于加強(qiáng)高校教學(xué)實(shí)驗(yàn)室安全檢查工作的通知》中指出，要將實(shí)驗(yàn)室安全定期評(píng)估作為安全檢查要點(diǎn)，長(zhǎng)期化、制度化地執(zhí)行。同年4 月份發(fā)布《教育部關(guān)于加強(qiáng)高校實(shí)驗(yàn)室安全工作的意見(jiàn)》，明確要求建立安全風(fēng)險(xiǎn)評(píng)估制度。高校實(shí)驗(yàn)室安全管理要主抓源頭管理，以預(yù)防為主，通過(guò)安全評(píng)價(jià)提前發(fā)現(xiàn)并消除隱患、避免發(fā)生傷亡事故、保障實(shí)驗(yàn)室安全［2］。

隨著高等教育的快速發(fā)展與高?？蒲袆?chuàng)新能力的提升，實(shí)驗(yàn)室的功能與規(guī)模不斷擴(kuò)大，環(huán)境變得更加復(fù)雜、專業(yè)技術(shù)性更強(qiáng)、危險(xiǎn)源增多、由于教師和學(xué)生安全意識(shí)淡薄，更容易出現(xiàn)實(shí)驗(yàn)室安全問(wèn)題甚至安全事故，對(duì)實(shí)驗(yàn)室工作者的管理水平提出了新的要求［3-4］。

高校實(shí)驗(yàn)室涉及的危險(xiǎn)因素多、隨機(jī)性強(qiáng)，一直以來(lái)，實(shí)驗(yàn)室安全評(píng)價(jià)以管理人員主觀評(píng)定為主要方式，對(duì)于繁多復(fù)雜的實(shí)驗(yàn)室安全因素易產(chǎn)生隨機(jī)性、不確定性和模糊性等缺陷，其評(píng)價(jià)結(jié)果也很難做到客觀、準(zhǔn)確、令人信服，在實(shí)驗(yàn)室安全管理與安全隱患防范方面無(wú)法提供明確的指導(dǎo)。如何建立實(shí)驗(yàn)室安全評(píng)價(jià)指標(biāo)體系，形成科學(xué)、量化的評(píng)價(jià)方法，提供更具指導(dǎo)性的意見(jiàn)，已越來(lái)越多地得到研究者的重視。

李志紅［5］對(duì)100 起實(shí)驗(yàn)室安全事故進(jìn)行統(tǒng)計(jì)分析，發(fā)現(xiàn)科學(xué)的實(shí)驗(yàn)室安全評(píng)價(jià)標(biāo)準(zhǔn)是實(shí)驗(yàn)室管理的薄弱環(huán)節(jié)，已成為實(shí)驗(yàn)室安全事故發(fā)生的主要原因之一。陸琳睿等［6］基于BP神經(jīng)網(wǎng)絡(luò)建立了的實(shí)驗(yàn)室安全評(píng)價(jià)模型，進(jìn)行仿真并得到了較好結(jié)果，驗(yàn)證了基于BP神經(jīng)網(wǎng)絡(luò)的神經(jīng)模型在實(shí)驗(yàn)室安全評(píng)價(jià)中的適用性。劉音等［7］建立了實(shí)驗(yàn)室火災(zāi)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，并將模糊綜合評(píng)價(jià)法運(yùn)用到高校實(shí)驗(yàn)室火災(zāi)風(fēng)險(xiǎn)評(píng)價(jià)模型。然而，上述方法均存在隨機(jī)性強(qiáng)、收斂速度慢、易陷入局部極小狀態(tài)、學(xué)習(xí)效率低等問(wèn)題［8-9］。因此，引入一種前饋神經(jīng)網(wǎng)絡(luò)的方法，在BP 網(wǎng)絡(luò)神經(jīng)元權(quán)值和閾值初始化的過(guò)程中采用改進(jìn)粒子群算法（Improved Particle Swarm Optimization，IPSO），并對(duì)粒子群算法中的慣性系數(shù)與學(xué)習(xí)因子進(jìn)行針對(duì)性優(yōu)化策略，使模型更加高效地學(xué)習(xí)實(shí)驗(yàn)室安全評(píng)價(jià)樣本信息，吸收專家評(píng)價(jià)經(jīng)驗(yàn)，為高校實(shí)驗(yàn)室安全管理提供科學(xué)、規(guī)范的評(píng)價(jià)標(biāo)準(zhǔn)。

1 實(shí)驗(yàn)室安全評(píng)價(jià)體系

1.1 體系構(gòu)建原則

在現(xiàn)代風(fēng)險(xiǎn)管理理論中，風(fēng)險(xiǎn)管理工作要立足于預(yù)防，通過(guò)風(fēng)險(xiǎn)分析和評(píng)價(jià)的方法發(fā)現(xiàn)系統(tǒng)中潛在的風(fēng)險(xiǎn)因素，從而制定對(duì)應(yīng)的預(yù)防和整改措施，保證系統(tǒng)安全。實(shí)驗(yàn)室安全評(píng)價(jià)中涉及的內(nèi)容較多，為了能夠科學(xué)、全面地反映安全影響因素，在建立評(píng)價(jià)指標(biāo)體系時(shí)應(yīng)當(dāng)遵循以下原則［10］：

（1）科學(xué)性原則。要求在選擇評(píng)價(jià)指標(biāo)、建立計(jì)算方法以及收集相關(guān)信息的過(guò)程中，有科學(xué)的依據(jù)可尋。

（2）系統(tǒng)性原則。要求能夠?qū)?shí)驗(yàn)室安全工作中各環(huán)節(jié)、各方面因素按照系統(tǒng)的特性進(jìn)行組合，形成層次分明、條理清晰、簡(jiǎn)明扼要的指標(biāo)體系，從而準(zhǔn)確描述實(shí)驗(yàn)室安全風(fēng)險(xiǎn)和安全狀態(tài)。

（3）可操作性原則。要求在設(shè)計(jì)指標(biāo)時(shí)，各項(xiàng)指標(biāo)有明確的定義、評(píng)分有統(tǒng)一的標(biāo)準(zhǔn)，數(shù)據(jù)采集和計(jì)算方便，能夠充分考慮實(shí)驗(yàn)室的實(shí)際情況，做到實(shí)驗(yàn)室安全評(píng)價(jià)不流于理論層面，真正落于實(shí)處。

1.2 實(shí)驗(yàn)室安全評(píng)價(jià)指標(biāo)

針對(duì)目前學(xué)院管理的40 個(gè)實(shí)驗(yàn)室，對(duì)3 年時(shí)間共35 次安全檢查所發(fā)現(xiàn)的問(wèn)題與隱患進(jìn)行歸納整理，基于上述構(gòu)建原則，通過(guò)對(duì)國(guó)內(nèi)高校現(xiàn)有實(shí)驗(yàn)室安全評(píng)價(jià)體系的研究，以教育部科技司發(fā)布的《高等學(xué)校實(shí)驗(yàn)室安全檢查項(xiàng)目表》為參考，針對(duì)高校機(jī)械類實(shí)驗(yàn)室安全因素設(shè)計(jì)了評(píng)價(jià)指標(biāo)體系，包含一級(jí)指標(biāo)9 個(gè)，二級(jí)指標(biāo)27 個(gè)，如表1 所示。聘請(qǐng)專家組對(duì)實(shí)驗(yàn)室安全狀況進(jìn)行評(píng)價(jià)，對(duì)照27 個(gè)2 級(jí)指標(biāo)所描述的要求，按照優(yōu)（10 ～9 分）、良（9 ～8 分）、中（8 ～6 分）、差（6～0 分）的標(biāo)準(zhǔn)進(jìn)行評(píng)分，形成實(shí)驗(yàn)室安全評(píng)價(jià)的基礎(chǔ)數(shù)據(jù)。

2 基于IPSO-BP神經(jīng)網(wǎng)絡(luò)的安全評(píng)價(jià)模型

2.1 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)作為一種多層前饋神經(jīng)網(wǎng)絡(luò)，一般由輸入層、隱含層、輸出層三部分組成，按照由輸入至輸出的方向，開(kāi)展實(shí)際輸出的計(jì)算，而按照由輸出至輸入的方向，開(kāi)展權(quán)值與閾值的修正，得到盡可能接近希望輸入、輸出關(guān)系的網(wǎng)絡(luò)映射。在解決非線性、不確定性或模糊關(guān)系等問(wèn)題方面具有良好的效果，能夠形成學(xué)習(xí)、記憶以及自適應(yīng)的能力，圖1 所示為典型的3 層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，具體訓(xùn)練步驟如下：

（1）信號(hào)的前向傳播。隱含層節(jié)點(diǎn)i 的輸出值neti為：

式中：xj表示輸入層節(jié)點(diǎn)j的輸入，j ＝1，2，…，M；ωij表示隱含層節(jié)點(diǎn)i到輸入層節(jié)點(diǎn)j之間的權(quán)值；θi表示隱含層節(jié)點(diǎn)i的閾值；yi為隱含層節(jié)點(diǎn)i的輸出值；函數(shù)f為隱含層節(jié)點(diǎn)i的激活函數(shù)。

表1 高校實(shí)驗(yàn)室安全評(píng)價(jià)指標(biāo)體系

圖1 3層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

（2）誤差的反向傳播過(guò)程。計(jì)算各層神經(jīng)元的輸出誤差，根據(jù)誤差不斷調(diào)節(jié)優(yōu)化各層的權(quán)值和閾值，使網(wǎng)絡(luò)能夠得到接近期望值Yk的輸出。對(duì)系統(tǒng)中p 個(gè)訓(xùn)練樣本的總誤差進(jìn)行計(jì)算，得到：

2.2 標(biāo)準(zhǔn)PSO算法

PSO算法模擬鳥(niǎo)群隨機(jī)搜尋食物的捕食行為，將每個(gè)優(yōu)化問(wèn)題的解看成一只空間飛行的鳥(niǎo)，在解空間中搜索個(gè)體最優(yōu)解和全局最優(yōu)解。將BP 網(wǎng)絡(luò)各層的權(quán)值和閾值以一個(gè)向量形式保存，記作Wi，將其作為一個(gè)粒子，即粒子群算法空間中的一個(gè)解。

在BP神經(jīng)網(wǎng)絡(luò)中，將權(quán)值向量Wi即粒子i 作用于BP神經(jīng)網(wǎng)絡(luò)，將訓(xùn)練集帶入進(jìn)行前向運(yùn)算，得到n個(gè)訓(xùn)練樣本對(duì)應(yīng)的網(wǎng)絡(luò)輸出，則神經(jīng)網(wǎng)絡(luò)以該粒子為權(quán)值時(shí)，訓(xùn)練誤差為：

式中，yp和dp分別為第p個(gè)訓(xùn)練樣本的目標(biāo)輸出與網(wǎng)絡(luò)的實(shí)際輸出。

得到該粒子的適應(yīng)度函數(shù)

因此，粒子的適應(yīng)度隨著訓(xùn)練誤差減小而增大，神經(jīng)網(wǎng)絡(luò)訓(xùn)練效果也隨之變好。

每個(gè)粒子根據(jù)解空間中的個(gè)體極值與全局極值來(lái)不斷進(jìn)化更新自己的當(dāng)前值，通過(guò)迭代計(jì)算找到最優(yōu)粒子（最優(yōu)解）。每個(gè)粒子在進(jìn)化中找到的適應(yīng)度最大的值，就是該粒子本身的最優(yōu)解，稱之為個(gè)體極值，將第i個(gè)粒子的個(gè)體極值記為Wpbest（i）。將當(dāng)前種群整體所能找到的最優(yōu)解稱為全局極值，記為Wgbest（i）。

對(duì)于粒子i，其根據(jù)個(gè)體極值與全局極值得到個(gè)體更新的增量ΔWi與更新后的值Wi為：

式中：k為慣性系數(shù)；c1，c2為學(xué)習(xí)因子，也稱為加速常數(shù)，通常為非負(fù)數(shù)；r1，r2為［0，1］范圍內(nèi)的均勻隨機(jī)數(shù)；Wpbest為當(dāng)前粒子的個(gè)體極值；Wgbest為當(dāng)前全體粒子的全局極值。

2.3 IPSO算法

在設(shè)置PSO算法尋優(yōu)策略時(shí)，許多學(xué)者都使用了自己獨(dú)特的參數(shù)更新方法。陳祺［11］將遺傳算法引入，改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，使模型得到優(yōu)化；吳沖等［12］在尋優(yōu)過(guò)程中對(duì)學(xué)習(xí)因子和慣性系數(shù)進(jìn)行了動(dòng)態(tài)調(diào)整；肖理慶等［13］在PSO改進(jìn)中使用了改進(jìn)精英策略、區(qū)間算法和輪盤賭算法；張世欽［14］則在種群拓?fù)浞矫孢M(jìn)行改進(jìn)。

針對(duì)PSO 算法的缺點(diǎn)，提出新的更新策略，引入非線性函數(shù)對(duì)慣性系數(shù)和學(xué)習(xí)因子進(jìn)行優(yōu)化，使PSO算法盡快獲得最優(yōu)解。

（1）慣性系數(shù)優(yōu)化。慣性系數(shù)k與粒子上一次修正的增量有關(guān)，代表粒子有保持其運(yùn)動(dòng)速度的趨勢(shì)。引入非線性遞減函數(shù)作為慣性系數(shù)公式，在迭代前期以較大的步長(zhǎng)進(jìn)行全局搜索，在后期以較小的步長(zhǎng)進(jìn)行局部的精細(xì)搜索。改進(jìn)的慣性系數(shù)曲線如圖2（a）所示。其公式為：

式中：η為慣性系數(shù)改進(jìn)策略中的函數(shù)調(diào)整因子；kmin和kmax分別為慣性系數(shù)的最小值和最大值；Kmax為最大迭代次數(shù)；j為當(dāng)前迭代次數(shù)。

（2）學(xué)習(xí)因子優(yōu)化。學(xué)習(xí)因子c1為認(rèn)知部分，反映了粒子向自身最優(yōu)值的學(xué)習(xí)；c2為社會(huì)部分，是粒子向全局最優(yōu)值學(xué)習(xí)的部分。一般情況下，設(shè)置c1＝c2＝1.494 45，為了能夠更快得到全局最優(yōu)解，在迭代初期增大c1減小c2，使算法在整個(gè)解空間內(nèi)快速搜索；在進(jìn)化后段，減小c1增大c2，既提高了收斂速度，又提高了計(jì)算精度。改進(jìn)的學(xué)習(xí)因子c1、c2曲線如圖2（b）所示。其公式為：

式中：λ為學(xué)習(xí)因子改進(jìn)遞減策略中的函數(shù)調(diào)整因子；cmin和cmax分別為學(xué)習(xí)因子的最小值和最大值。

圖2 改進(jìn)的PSO算法慣性系數(shù)和學(xué)習(xí)因子曲線

（3）粒子移動(dòng)速度限制。為了避免出現(xiàn)粒子發(fā)生不穩(wěn)定的跳動(dòng)，對(duì)粒子速度是否超出極限進(jìn)行判斷，將速度ΔWi限制在［－Wmax，Wmax］，每次迭代更新后做如下判斷：

2.4 預(yù)測(cè)精度評(píng)價(jià)指標(biāo)

目前，對(duì)于預(yù)測(cè)精度的評(píng)價(jià)仍沒(méi)有形成統(tǒng)一的標(biāo)準(zhǔn)方法，本文采用多種評(píng)價(jià)指標(biāo)衡量模型的預(yù)測(cè)效果，主要有相對(duì)誤差絕對(duì)值中最大值max、相對(duì)誤差絕對(duì)值中最小值min、平均絕對(duì)誤差MAE、均方誤差MSE、平均相對(duì)誤差MAPE，其中：

式中：yq和分別為第q 組評(píng)價(jià)數(shù)據(jù)的實(shí)際值和預(yù)測(cè)值；N為評(píng)價(jià)樣本數(shù)量。

3 算 例

3.1 神經(jīng)網(wǎng)絡(luò)參數(shù)確定

在實(shí)驗(yàn)室安全評(píng)價(jià)模型中，輸入層為實(shí)驗(yàn)室安全2級(jí)評(píng)價(jià)指標(biāo)，神經(jīng)元數(shù)量為27；輸出層為評(píng)價(jià)結(jié)果，神經(jīng)元數(shù)量為1。目前，隱含層神經(jīng)元個(gè)數(shù)沒(méi)有統(tǒng)一的計(jì)算方法，一般利用經(jīng)驗(yàn)公式計(jì)算，即：

式中，a和b分別為輸入層和輸出層神經(jīng)元的個(gè)數(shù)，計(jì)算得到隱含層節(jié)點(diǎn)個(gè)數(shù)為10 個(gè)，因此評(píng)價(jià)模型為27-10-1 結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練函數(shù)、傳遞函數(shù)、訓(xùn)練次數(shù)、學(xué)習(xí)速率、訓(xùn)練目標(biāo)等參數(shù)設(shè)置如表2 所示。

3.2 IPSO參數(shù)確定

根據(jù)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，對(duì)粒子群維度進(jìn)行計(jì)算，權(quán)值數(shù)量為27 ×10 ＋10 ×1 ＝280，閾值數(shù)量為10 ＋1 ＝11，得到粒子群維度n ＝280 ＋11 ＝291，粒子群規(guī)模、迭代次數(shù)、慣性系數(shù)、學(xué)習(xí)因子、粒子增量限值等參數(shù)如表3 所示。

表2 BP神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置

表3 改進(jìn)粒子群算法參數(shù)設(shè)置

3.3 計(jì)算流程

實(shí)驗(yàn)室安全評(píng)價(jià)指標(biāo)數(shù)據(jù)如表4 所示，其中前25組數(shù)據(jù)設(shè)置為訓(xùn)練樣本，用于IPSO-BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練，后15 組數(shù)據(jù)設(shè)置為評(píng)價(jià)樣本，用于驗(yàn)證模型精度。

表4 實(shí)驗(yàn)室安全評(píng)價(jià)指標(biāo)數(shù)據(jù)

為了加快訓(xùn)練速度，避免某些數(shù)值低的特征被淹沒(méi)，在載入訓(xùn)練樣本后首先對(duì)數(shù)據(jù)進(jìn)行歸一化處理［15］。然后通過(guò)優(yōu)化慣性系數(shù)和學(xué)習(xí)因子的策略改進(jìn)PSO算法，通過(guò)迭代計(jì)算逼近全局最優(yōu)解作為BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值。最后進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，當(dāng)達(dá)到訓(xùn)練要求或訓(xùn)練次數(shù)時(shí)結(jié)束訓(xùn)練，IPSO-BP神經(jīng)網(wǎng)絡(luò)算法流程如圖3 所示。

3.4 確定調(diào)整因子

如2.3 節(jié)所述，慣性系數(shù)函數(shù)調(diào)整因子η 和學(xué)習(xí)因子函數(shù)調(diào)整因子λ 對(duì)PSO 算法的優(yōu)化能力有直接的影響。因此，令η在1.0 ～2.0 之間取10 個(gè)點(diǎn)，λ在1.5 ～2.5 之間取11 個(gè)點(diǎn)，向IPSO-BP模型輸入T1至T25共25 組數(shù)據(jù)進(jìn)行訓(xùn)練，然后對(duì)C1至C15共15 組數(shù)據(jù)進(jìn)行預(yù)測(cè)，根據(jù)預(yù)測(cè)結(jié)果計(jì)算該模型的平均相對(duì)誤差MAPE。

如圖4 所示，IPSO-BP 模型預(yù)測(cè)結(jié)果的MAPE 值隨η和λ的取值發(fā)生明顯變化，η和λ 值過(guò)大或過(guò)小都會(huì)使模型預(yù)測(cè)結(jié)果MAPE 值增大。在本組預(yù)測(cè)結(jié)果中，當(dāng)η ＝1.6，λ ＝2.0 時(shí)得到最優(yōu)結(jié)果，此時(shí)MAPE＝1.528；當(dāng)η ＝1.0，λ ＝1.5 時(shí)，MAPE 值最大，為9.654。因此在本模型中，取η ＝1.6，λ ＝2.0。

3.5 結(jié)果分析

如圖5 所示，IPSO算法尋優(yōu)過(guò)程中全局最優(yōu)解的誤差隨迭代次數(shù)增加而減小，在第24 次迭代時(shí)達(dá)到0.02，將此時(shí)的全局最優(yōu)解設(shè)置為BP 神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，經(jīng)過(guò)5 步訓(xùn)練后誤差由0.02 降至1.524 ×10－7，如圖6（a）所示。而單獨(dú)使用BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí)，經(jīng)過(guò)55 步訓(xùn)練，誤差降至約0.02，在95 步訓(xùn)練時(shí)誤差達(dá)到1.895 ×10－7，如圖6（b）所示?？梢?jiàn)，本文的IPSO算法能夠快速在全局優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型的權(quán)值和閾值，使其具有更高的訓(xùn)練效率和精度，避免發(fā)生訓(xùn)練不收斂、陷入極小值等現(xiàn)象。

圖3 IPSO-BP算法流程圖

圖4 不同調(diào)整因子下IPSO-BP模型預(yù)測(cè)結(jié)果的MAPE值

圖5 IPSO算法優(yōu)化過(guò)程

將C1至C15共15 組測(cè)試樣本分別輸入本文建立的IPSO-BP神經(jīng)網(wǎng)絡(luò)、經(jīng)典線性修正慣性系數(shù)與學(xué)習(xí)因子的PSO-BP模型、普通PSO-BP模型、BP模型進(jìn)行預(yù)測(cè)，對(duì)輸出的預(yù)測(cè)結(jié)果進(jìn)行誤差分析。如表5 所示，IPSO-BP模型預(yù)測(cè)精度提升非常明顯，MAE、MAPE、max、min 四項(xiàng)誤差指標(biāo)均降低至BP 模型的20% ～25%，而MSE指標(biāo)降低至BP模型的4%。同時(shí)，各項(xiàng)誤差評(píng)價(jià)指標(biāo)較PSO-BP 模型、線性修正PSO-BP 模型，均有明顯下降。

圖6 BP神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練誤差

表5 4 種算法預(yù)測(cè)誤差分析結(jié)果對(duì)比

圖7 所示為4 種模型對(duì)15 組評(píng)價(jià)樣本預(yù)測(cè)結(jié)果的相對(duì)誤差絕對(duì)值，IPSO-BP 模型對(duì)不同評(píng)價(jià)樣本的相對(duì)誤差穩(wěn)定在0.78% ～2.38%之間，預(yù)測(cè)精度大幅提高、誤差波動(dòng)明顯下降，運(yùn)行效果明顯優(yōu)于其他3 種神經(jīng)網(wǎng)絡(luò)模型。

圖7 4種算法評(píng)價(jià)樣本預(yù)測(cè)結(jié)果相對(duì)誤差絕對(duì)值對(duì)比

4 運(yùn)行效果

在本文建立的評(píng)價(jià)模型運(yùn)行的1 年時(shí)間中，各實(shí)驗(yàn)室未出現(xiàn)安全事故，在例行安全檢查中發(fā)現(xiàn)的安全隱患數(shù)量明顯減少，各實(shí)驗(yàn)室安全評(píng)價(jià)結(jié)果分?jǐn)?shù)逐漸升高?？梢?jiàn)，通過(guò)本評(píng)價(jià)模型的運(yùn)行，實(shí)驗(yàn)室安全狀況明顯得到改善，該模型能夠有效評(píng)價(jià)實(shí)驗(yàn)室安全狀況、提高實(shí)驗(yàn)安全意識(shí)、預(yù)防安全事故的發(fā)生。

5 結(jié) 語(yǔ)

通過(guò)國(guó)內(nèi)高?，F(xiàn)有實(shí)驗(yàn)室安全評(píng)價(jià)體系的研究，結(jié)合自身工作經(jīng)驗(yàn)，提出了一種基于改進(jìn)粒子群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的高校實(shí)驗(yàn)室安全評(píng)價(jià)模型，對(duì)實(shí)驗(yàn)室安全評(píng)價(jià)具有積極的現(xiàn)實(shí)意義。主要得到以下結(jié)論：

（1）建立了包含9 個(gè)1 級(jí)指標(biāo)、27 個(gè)2 級(jí)指標(biāo)的實(shí)驗(yàn)室安全評(píng)價(jià)指標(biāo)體系，通過(guò)專家評(píng)分得到了25 組訓(xùn)練樣本和15 組測(cè)試樣本。

（2）建立了基于IPSO-BP神經(jīng)網(wǎng)絡(luò)的實(shí)驗(yàn)室安全評(píng)價(jià)模型，針對(duì)粒子群算法中的慣性系數(shù)和學(xué)習(xí)因子引入了非線性函數(shù)進(jìn)行優(yōu)化，確定了最優(yōu)的慣性系數(shù)函數(shù)調(diào)整因子η ＝1.6、學(xué)習(xí)因子函數(shù)調(diào)整因子λ ＝2.0。

（3）通過(guò)評(píng)價(jià)樣本驗(yàn)證了IPSO-BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)果的平均相對(duì)誤差為1.5276%，較傳統(tǒng)BP 模型、PSO-BP 模型、線性修正PSO-BP 模型的預(yù)測(cè)精度大幅提升，且具有更快的收斂速度、更短的運(yùn)行時(shí)間、更小的誤差波動(dòng)以及更強(qiáng)的適應(yīng)性，說(shuō)明本文提出的改進(jìn)粒子群算法對(duì)BP神經(jīng)網(wǎng)絡(luò)模型的優(yōu)化具有良好效果。

（4）該模型的建立彌補(bǔ)了當(dāng)前實(shí)驗(yàn)室安全評(píng)價(jià)方法中存在的單一性與主觀性等問(wèn)題，實(shí)現(xiàn)了高校實(shí)驗(yàn)室安全評(píng)價(jià)定量分析，為有效預(yù)測(cè)實(shí)驗(yàn)室安全隱患，客觀評(píng)價(jià)實(shí)驗(yàn)室安全狀況，提供了科學(xué)有效的解決方法。