啜鵬杰， 王清清， 柳培忠， 陳建新， 林暉平， 黃富貴

（1.華僑大學(xué)a.實驗室與設(shè)備管理處，b.工學(xué)院，福建 泉州 362000；2.華僑大學(xué)保衛(wèi)處，福建 廈門 361000）

0 引 言

近年來，我國科技實力和技術(shù)創(chuàng)新顯著增強，科技創(chuàng)新水平加速挺進創(chuàng)新型國家前列。高校實驗室不僅是師生開展教學(xué)、交流的場所，也是培養(yǎng)創(chuàng)新人才的搖籃、科技創(chuàng)新的基地和社會服務(wù)的重要窗口［1］，然而，實驗室的事故時有發(fā)生，對國家及人民的財產(chǎn)和生命健康造成了巨大的損失，俗話說：＂安全在于提高警惕，事故出于麻痹大意”，如何避免這些悲劇的發(fā)生這一問題值得探討思索和共同解決。

郭萬喜等［2］對北京化工大學(xué)化學(xué)類實驗室的危險程度及實驗室管理狀況進行了安全評價，并對該實驗室的安全管理狀態(tài)進行了等級的劃分；萬梅［3］基于層次分析與模糊數(shù)學(xué)原理相結(jié)合的評判方法，對該實驗室進行安全等級評判，并使用歐幾里得貼進度和擇近原則對評判結(jié)果進行了驗證；潘偉健等［4］對高校物理化學(xué)實驗室存在的危險源進行識別，利用定性分析方法進行風(fēng)險評價并確定風(fēng)險等級。雖然有關(guān)高校實驗室安全的研究逐漸增多，但利用主成分分析法（PCA）結(jié)合遺傳算法（GA）和BP人工神經(jīng)網(wǎng)絡(luò)構(gòu)建實驗室安全風(fēng)險評價模型的研究還較少。因此，本文利用層次分析法（AHP）建立實驗室安全風(fēng)險評價體系，通過PCA對評價指標的綜合權(quán)重進行降維后構(gòu)建GA-BP實驗室安全風(fēng)險評價模型，以期為實驗室安全管理和風(fēng)險評價提供理論基礎(chǔ)和參考依據(jù)。

1 高校實驗室安全現(xiàn)狀

高校實驗室不僅是創(chuàng)新人才培養(yǎng)、科研活動的開展及新技術(shù)開發(fā)活動的基地，也是高校實驗教學(xué)、師生工作、學(xué)習(xí)的重要場所［5］。在科研項目增多、科研水平提高的背景下，實驗室中易爆炸、腐蝕性、毒害等化學(xué)品種類也在不斷增加，實驗室安全環(huán)境變得越來越復(fù)雜，實驗室安全事故頻發(fā)［6］。如2015年4月，江蘇某大學(xué)化工學(xué)院發(fā)生實驗室爆炸事故，造成1名研究生死亡，4人受傷［7］；2019年2月南京某大學(xué)實驗室發(fā)生爆炸火災(zāi)事故［8］；2018年12月，北京某大學(xué)實驗室發(fā)生爆炸事故，造成3名學(xué)生死亡［9］，以及2020年1月，某高校實驗室發(fā)生通風(fēng)櫥起火事故，直接導(dǎo)致經(jīng)濟損失約1萬元［10］。這些事故的發(fā)生不僅暴露了實驗室安全管理制度不完善、安全防范意識淡薄、應(yīng)急處置能力不強等問題，更重要的是導(dǎo)致人員傷亡和給國家財產(chǎn)造成了損失［6］。鑒于此，教育廳下發(fā)《教育部辦公廳關(guān)于進一步加強高校教學(xué)實驗室安全檢查的通知》，要求各高校嚴查教學(xué)實驗室安全管理體制機制建設(shè)與運行、開展教學(xué)實驗室安全風(fēng)險隱患排查和風(fēng)險防范管控、加強教學(xué)實驗室?guī)熒陌踩逃⒓皶r采購并配備護目鏡等安全用具、提升教學(xué)實驗室安全應(yīng)急等能力。

高校實驗室安全已引起各方廣泛關(guān)注，劉義等［11］針對化工類實驗室安全管理不到位、風(fēng)險認識不足等問題，提出了該類實驗室風(fēng)險評價方法；韓佳彤［12］以層次分析法和集對分析法對化工類高校實驗室進行了風(fēng)險評價；吳立榮等［13］從安全規(guī)章制度、人的因素、儀器設(shè)備與化學(xué)品、管理與使用、應(yīng)急管理5個方面建立了高校實驗室安全評價指標體系。

2 高校實驗室安全風(fēng)險評價體系的構(gòu)建

2.1 評價指標體系的構(gòu)建原則

風(fēng)險評價是指在風(fēng)險識別及預(yù)判和基礎(chǔ)上，運用科學(xué)的手段和方法綜合考量風(fēng)險發(fā)生的概率、損失程度及其他因素，從而得出系統(tǒng)發(fā)生風(fēng)險的概率及可能性，并判定風(fēng)險等級，依此決定是否采取控制措施，以及將該風(fēng)險控制到哪種程度［14］。因此，構(gòu)建指標體系應(yīng)遵循科學(xué)性、系統(tǒng)性和啟發(fā)性等原則，以確保評價指標的可靠性、合理性、完整性和代表性。

2.2 評價指標體系構(gòu)建

當(dāng)前我國對實驗室安全風(fēng)險評價指標體系的研究已經(jīng)取得一定的成果。劉音等［15］從安全操作規(guī)程、儀器設(shè)備管理、用電負荷、人員管理、安全教育5個方面建立了電子實驗室風(fēng)險評價體系；林其彪等［16］從安全控制、費用控制、進度控制和質(zhì)量控制等4個模塊出發(fā)，構(gòu)建高校實驗室安全管理評估指標體系；高惠玲等［17］構(gòu)建了一種基于危險源辨識進行實驗室分類、基于風(fēng)險評價劃分實驗室級別、依據(jù)管理措施及成效開展達標驗收的＂三位一體＂的新型實驗室管理模式。本文參考《中國實驗室評價體系》，并結(jié)合專家的意見，采用Delphi方法從安全制度管理、實驗室安全管理和組織管理3個方面構(gòu)建實驗室安全風(fēng)險綜合評價體系，如圖1所示。

圖1 實驗室安全評價體系

3 安全風(fēng)險評價指標權(quán)重的確定

（1）判斷矩陣的構(gòu)建：對同一層次的各指標進行兩兩比較，并運用9標度法（見表1）構(gòu)造模糊判斷矩陣：

表1 1-9標度表

（2）矩陣歸一化處理：

（3）計算最大特征值λmax及其特征向量

（4）根據(jù)式（2）、（3）進行一致性檢驗（CR＜0.1）

（5）將特征向量轉(zhuǎn)換成主成分：

（6）將特征向量轉(zhuǎn)化的主成分，并計算主成分累計貢獻率

本研究對1級指標、2級指標和3級指標利用AHP法分別分配了一次權(quán)重，而后將2次權(quán)重相乘得出每個具體指標的最終權(quán)重，將所得數(shù)據(jù)整理后得25個指標的最終權(quán)重值（見表2）。

表2 實驗室安全風(fēng)險評價指標體系

4 GA-BP神經(jīng)網(wǎng)絡(luò)

4.1 主成分分析法的基本原理

主成分分析（principal component analysis，PCA）是在灰色關(guān)聯(lián)分析的基礎(chǔ)上，通過降低數(shù)據(jù)維數(shù)，排除相互重疊的信息后，將多個指標轉(zhuǎn)化為少數(shù)幾個不相關(guān)的綜合指標的一種多元統(tǒng)計分析方法［18-19］。在實際應(yīng)用中關(guān)于某個問題的信息是包含在由不同屬性的數(shù)據(jù)組成的數(shù)據(jù)陣中的，從線性代數(shù)角度來看，就是把原來變量的協(xié)方差矩陣通轉(zhuǎn)化為對角矩陣，然后提取少數(shù)幾個可以代表原始變量信息的因子，實現(xiàn)多維變量到低維變量的計算統(tǒng)計［20-21］。從信息論的角度看，PCA方法主要通過降維來揭示數(shù)據(jù)陣的主要結(jié)構(gòu)，然后提出關(guān)于該數(shù)據(jù)陣所提供信息的合理解釋，回答要分析的問題［22］。PCA主要計算過程如圖2所示。

圖2 主成分分析流程圖

4.2 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是1種多層前饋神經(jīng)網(wǎng)絡(luò)，主要包括信號前向傳遞和誤差反向傳播［23］，一般由輸入層、隱含層和輸出層構(gòu)成。BP神經(jīng)網(wǎng)絡(luò)算法是整個學(xué)習(xí)過程中，不斷將期望輸出與網(wǎng)絡(luò)輸出進行對比得出誤差值，將誤差值反向傳播，逐層修改其連接權(quán)值和節(jié)點閾值，直至網(wǎng)絡(luò)輸出誤差值達到預(yù)設(shè)的誤差范圍或者達到設(shè)定的學(xué)習(xí)次數(shù)為止，然后輸出結(jié)果［24］。

4.3 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)

遺傳算法（Genetic Algorithm，GA）是模擬達爾文生物進化論中自然選擇和遺傳學(xué)機理的一種可以避免訓(xùn)練陷入局部極值現(xiàn)象出現(xiàn)的計算模型［25］。遺傳算法主要包括編碼、選擇、交叉及變異4個部分，具體過程如圖3所示。

圖3 遺傳算法流程圖

4.4 GA-BP神經(jīng)網(wǎng)絡(luò)模型中參數(shù)的確定

使用spss 26.0對樣本數(shù)據(jù)進行PCA分析，結(jié)果見表3。由表可知，前6個主成分的方差累積貢獻率已大于≥90.00%（95.18%），這說明前6種主成分已基本包含能夠反映樣本整體的大部分信息，可以替代原始數(shù)據(jù)進行建模分析。實驗室安全等級分為1～4級，則對應(yīng)輸出層神經(jīng)元個數(shù)為4個，經(jīng)過多次實驗發(fā)現(xiàn)其隱含層神經(jīng)元個數(shù)為11時實驗室安全等級評價的BP神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性最佳。利用Matlab 2019b構(gòu)建如圖4所示的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型，并對數(shù)據(jù)進行自主訓(xùn)練與學(xué)習(xí)，獲得最佳參數(shù)后結(jié)束訓(xùn)練［26］。參數(shù)設(shè)置：隱含層的激活函數(shù)為tansig，訓(xùn)練函數(shù)采用traingdm，輸出層的傳遞函數(shù)選擇purelin，最大訓(xùn)練次數(shù)設(shè)定2 000，期望誤差值為1.00×10－4，遺傳算法的種群數(shù)設(shè)定為60.00，終止代數(shù)為100.00，使用選擇函數(shù)、交叉函數(shù)和變異函數(shù)分別選擇normGeomSelect、arithXover和nonUnifMutation。

表3 主成分分析

圖4 PCA-GA-BP流程圖

4.5 模型訓(xùn)練

構(gòu)建實驗室風(fēng)險評價指數(shù)矩陣，橫向代表嚴重性等級，縱向代表可能性等級，如表4所示。根據(jù)評分大小判斷風(fēng)險評價等級（見表5），其中1級為不可接受的風(fēng)險（1～5），需要立即采取整改措施；2級為嚴重風(fēng)險（6～9）；3級為輕度風(fēng)險（10～17）；4級為可接受的風(fēng)險（18～20）［15］。

表4 風(fēng)險評價指數(shù)矩陣

表5 風(fēng)險等級表

5 實例應(yīng)用

以華僑大學(xué)2020年86間理化實驗室安全檢查結(jié)果為例（見表6），選取前70組進行測試，后16組進行預(yù)測和驗證，結(jié)果如表7所示。

表6 訓(xùn)練樣本

表7 測試樣本

為了判斷PCA-GA-BP模型對實驗室風(fēng)險等級判定結(jié)果的準確性，本文分別使用BP神經(jīng)網(wǎng)絡(luò)、GA-BP網(wǎng)絡(luò)模型、PCA-BP網(wǎng)絡(luò)模型和PCA-GA-BP網(wǎng)絡(luò)模型運行15次，并對其平均耗時進行分析，結(jié)果如圖5所示。由圖可知，相比其他模型，PCA-GA-BP網(wǎng)絡(luò)模型的運行時間較短，收斂速度快，且運行時間的變化較平穩(wěn)，這說明該網(wǎng)絡(luò)模型能夠一定程度的避免BP人工網(wǎng)絡(luò)陷入局部極小值，且模型的穩(wěn)定性和適應(yīng)度更好。

圖5 測試時間曲線圖

該模型的準確率和相對誤差分析結(jié)果如圖6所示。由圖可知，PCA-GA-BP網(wǎng)絡(luò)模型預(yù)測結(jié)果不僅準確率較高，且準確率的波動幅度比其他幾種模型小，其最小相對誤差為0.05%，最大誤差1.21%；BP人工網(wǎng)絡(luò)模型預(yù)測結(jié)果的最大誤差為4.75%，最小相對誤差較PCA-GA-BP網(wǎng)絡(luò)模型高了0.22%；GA-BP和PCABP網(wǎng)絡(luò)模型的最大和最小相對誤差分別為2.06%和0.24、3.62%和0.68，這說明PCA-GA-BP網(wǎng)絡(luò)模型的預(yù)測輸出值比其他幾種模型的預(yù)測輸出值更接近期望輸出裝值，有更高的穩(wěn)定性和準確性。由此可知，主成分分析、遺傳算法與BP神經(jīng)網(wǎng)絡(luò)結(jié)合可提高網(wǎng)絡(luò)識別的精準度，加快網(wǎng)絡(luò)收斂的速度，有較高的穩(wěn)定性、廣泛性和實用性，因此利用APC-GA-BP網(wǎng)絡(luò)構(gòu)建的實驗室安全風(fēng)險評估模型對實驗室安全風(fēng)險的級別評估具有一定的可靠性和適用性。

圖6 準確率和測試相對誤差柱狀圖

6 結(jié) 語

（1）通過利用主成分分析法對評價指標的綜合權(quán)重進行降維處理后，提高了網(wǎng)絡(luò)模型的分類能力，縮短了該模型的運行時間。

（2）本文提出的PCA-GA-BP網(wǎng)絡(luò)模型與標準BP網(wǎng)絡(luò)模型、PCA-BP網(wǎng)絡(luò)模型、GA-BP網(wǎng)絡(luò)模型相比，有更高的精準度、收斂性和適用性，不僅可為華僑大學(xué)實驗室安全風(fēng)險評價提供算法支撐，也可為今后其他高校實驗室的安全管理、隱患跟蹤提供提論基礎(chǔ)。