通过对火炸药工厂重大事故隐患危险性评估方法的分析，以计算机自学习的基本结构为主线，详细探讨了以机械学习策略完成该评估程序中对新危险品源自学习的过程。对此过程中知识表示等几个应注意的问题进行了描述。
【关键词】　机器学习　机械学习　数据有效性　数据完整性　危险性评估

Self-Learning Implementation of the Evaluation of Hidden
Danger in Explosive Factories

Hu Yiting 　Qiao Xiaoling　Chen Wanghua　Peng Jinhua　Liu Ronghai
(Nanjing University of Science and Technology) 　　Abstract　　By analyzing the method for evaluating the hidden danger in explosive factories，based on the essential framework of self-learning of machine，the process of implement the self-learning program with rote learning of such evaluation is discussed in detail. Description of several problems, such as the description of the knowledge,to which attention should be paid during the design of the program is given.
　　Key words：　Machine learning　Rote learning　Data validation　Data integrity
　　　　　　　　Hazard Evaluation 　　随着生产的发展，火炸药的应用也日益广泛。由于其危险性大，一旦发生事故，将对周围居民的人身和财产的安全构成重大威胁。所以，如何预防火炸药生产过程中事故的发生，是一项极有意义的研究课题。近些年来，随着计算机技术的发展，将企业的安全管理、危险性评估等工作用计算机来完成，已成为一个重要的发展趋势。笔者以BZA-1法评估企业危险性的计算机程序为例，介绍在程序中系统自学习知识的简单实现方法。
　　
1　关于BZA-1法和机器自学习的简介

1.1　BZA-1法简介
　　BZA-1法，意指原中国兵器工业总公司(兵总)质量安全局特有的安全评估法(第一版)。它是根据兵器行业的特点，以一个具有爆炸危险性的生产单元为一个爆炸危险源（即作为一个评价系统），考虑其内部危险性（包括发生危险的可能性、事故发生后的危害强度与范围、系统内可控和固有危险性等）和外部危险性的共同作用，建立起如下定量评估公式。

式中，H：评价系统的总现实危险度；HI、HO：系统内、外的现实危险度；WB：系统内所处理的火炸药的危险指数；WB=αβγ；其中α为五种感度的综合感度特征值，β为药量（TNT当量）特征值，γ为工艺危险系数；B：系统内的操作现场危险度；系统内危险度未受控系数；Ci:系统外受系统内爆炸事故影响的严重度；系统外受系统内爆炸事故影响系数。
　　
1.2　机器自学习简介
　　机器学习是继专家系统之后，人工智能应用的又一重要研究领域，也是人工智能和神经计算的核心研究课题之一。对于机器学习的定义很多，其中比较严格的定义是：机器学习是一门研究机器获取新知识和新技能，并识别现有知识的学问。按照学习中使用推理的多少，机器学习所采用的策略大体上分为以下四种：机械学习、传授学习、类比学习和事例学习。学习系统的基本结构如图 1所示。

图1　机器自学习系统的基本结构　　对于本文中提及的BZA-1评估系统的自学习，从图1中可以看出，其学习部分是评估系统的完善和扩展机构。对于评估，数据库部分是基础，评估算法是核心，它们越完善，评估的结果和系统的适用范围越大。随着人们对自然界规律认识的不断加深，原有知识将不断更新和增加，要使系统能适应知识更新所引起的不断增加的新情况，系统本身能自行学习、更新和补充知识是很重要的，同时，可能还需要系统能对本身算法进行适当调整。

1.3　对BZA-1法计算机程序中系统自学习内容的分析
　　对火炸药企业危险性的评估，首先是对火炸药企业各个危险源中的危险品的危险性进行评估，从根本上讲，就是爆炸危险源的能量危险性的评估。所以，在用BZA-1法评估的过程中，要用到大量有关危险品性质的数据。根据被评估的企业的具体情况不同，评估的具体内容和步骤也会有差异。所以要实现一个能够广泛应用的BZA-1法评估计算机程序。该程序必须具有一定的自我完善和学习功能。
　　根据BZA-1法的算法分析，在其程序中需具备自学习功能主要应有以下两个方面：
　　1）　系统能够自己识别新的危险品（新的危险品指原系统数据库中没有的危险品数据），在此自学习中，其策略主要是机械学习，系统通过将用户输入的数据进行检验、运行检查，最后，由用户决定是否记忆（即存储入永久数据库）；
　　2）　系统根据企业周围环境和算法的要求，能学习新的分析项目（即在不同企业中不同的分析项目），从以前分析的结果中，调整一些可变系数，使算法更加完善，以适应不断变化和更新的知识。
　　笔者以上述自学习系统结构为主线，以系统识别新危险品时的自学习过程为主要讨论对象，描述该程序的具体实现。
　　
2　程序的实现
　　
2.1　程序的环境部分
　　就新危险品数据的自学习程序而言，其环境指用户的使用环境。如数据来源、评估对象的各种资料、参与评估的人员等。环境对自学习系统的主要贡献，是要输入新危险品的各种必要的评估数据。
　　
2.2　程序的学习部分
　　程序的学习部分是继程序的数据采集部分之后的一个步骤，也是程序的核心部分。图 2清楚地反映了该部分的主要组成部分和运行情况，以此可以较清楚地看出系统如何完成新危险品的识别、记忆和应用。现根据此图，分析程序各个部分的具体实现。
2.2.1　数据采集部分
　　程序在编制过程中已输入一些危险品的性能数据，但不可能全面输入，当碰到新危险品时，须另行输入、分析和存储该危险品的各种与评估有关的性能参数。数据采集部分的主要功能就是将新危险品的性能参数数据系统化。它主要是依赖人工通过提示窗口进行数据的输入。
　　在数据采集的操作过程中，系统将自动生成一个临时数据库，以存储用户输入的有关危险品的信息。这为以后对用户输入信息的各种检验和操作打下基础。
2.2.2　数据有效性和完整性检验
　　在实现对新危险品的自学习过程中，由于用户输入的信息是否符合评估的要求及信息是否合理，均是未知数，因此，对上述采集的数据进行有效性检验是完全必要的。
　　数据有效性检验是指对数据库内数据的准确性进行检验。通常对给定的一段数据，用可接受的一张列表或一个范围进行校核，从而完成有效性检验。但是，还有一些有效性检验要求针对一条完整的记录（例如比较两个字段），或是一组(多组)记录组来进行。此部分的工作主要是从数据采集部分建立起来的数据临时数据库中提取每一个用户输入的数据，对其进行各方面的有效性检验。例如，在检验新危险品的感度数据时，根据经验，常用危险品的5秒钟爆发点在(140——500)℃之间，可将此经验设为一个判据，如果用户输入的数据不在这一区间，可向用户提出警告，用户根据实际情况进行取舍。
　　进行数据有效性检验的另一种情况，是对同一危险品的不同数据之间的合理性进行检验。以一种简单的情况为例，当出现用户输入的新危险品数据与已有危险品数据相同时，系统将给出警告信息，要求用户对所输入数据进行检查并确认。
　　需要指出的是，错误或合理的判断均是由用户最后决定的，除非出现输入的数据与本系统的数据或评估方法发生严重冲突以致无法进行系统的正常功能实现，系统才会超越用户而自动删除不合理或冲突的数据。在进行完数据有效性检验后，转入下一步，即数据完整性的检验。
　　同数据有效性相似，数据完整性也是有关维护数据库信息的正确性的。它主要维护表之间的关系，也叫参照完整性。
　　由于在建立BZA-1法程序的过程中，要建立一些相互关联的数据表，数据完整性就是要维护它们之间数据的合理关系。在机器进行自学习过程中，要将不同的数据列入不同的数据表中，如果评估要求的数据未能完整输入或在存储过程中出现关联错误（如将一种危险品的数据错误地与另一种危险品对应存储），就会影响程序的正确性和可靠性。
　　对数据完整性的检验，主要是通过一组判断规则即一组if…then…判断语句来实现。在BZA-1法的自学习实现中，这一步是通过几个步骤完成的，首先要检验评估新危险品的每个要求的数据是否已经输入，例如，在输入的危险品感度数据中，评估要求5个，而如果用户少输入了其中的部分数据，就会影响程序的进行，系统将给出警告。其次，通过一些规则，检验与此危险品对应的数据是否合理。例如，按照行业规范不能放置在一起的危险品却出现在一起，如新危险品为高级炸药，在输入其周围化学作用影响时却出现了起爆药，系统将给出警告，由用户根据实际情况来进行修改。
　　在完成这些步骤之后，才能将临时数据库中的数据存储入系统数据库。
2.2.3　数据的取舍
　　在经过了数据的各种检验后，该数据已成为能够满足本系统评估要求的数据，可以将其存储入永久数据库。以后再评估时，如出现该危险品，则其数据将被系统自动调用。在此步骤中，用户依然是取舍的决定者，用户可以选择是否将该危险品存储入系统知识库。
　　
2.3　程序的运行
　　数据输入的目的是为了运行评估程序。在用户输入的新危险品数据并经过有效性和完整性的检验后，评估程序将开始运行。其运行结果，是对系统学习部分的一个反馈，用户可通过运行的结果对已输入的数据进行检查。例如，用户将新危险品与周围环境的安全距离输错，使评估结果产生偏差，可以进一步修正。
　　
2.4　程序实现中的一些问题
2.4.1　知识的表示方法
　　在实现自学习的过程中，知识的表示是一个首要的问题，程序的每一步均会涉及到知识表示方法的问题，对于同一个概念或数据采用不同的表达方法时，有可能引起程序判断的失效和混乱。在本程序中，采用了较简单的检验方法，该方法也较严格，对表达不符合本系统要求的数据和信息将直接被去除，虽然可能失去一些数据，但保证了本系统的完整性。在程序的编制过程中，尽量减少用户的输入，而多采用选择的方法，以确保数据能为本系统辨识。
2.4.2　系统数据库的结构
　　在本系统中，数据库基本上分为两种：永久数据库和临时数据库。
　　在数据采集部分，系统自动创建一个临时数据库，将采集好的数据存储进去，在对其中的数据进行了有效性和完整性的检验后，由用户选择是否将此新危险品数据存储入永久数据库中，如果存储，将影响以后的评估，如果不存储，则结束程序。
2.4.3　用户的权限
　　考虑到保证系统的可靠性，程序将限制用户的使用权限，对判断的规则部分，就不允许用户修改和查看。用户对数据库的操作权限也将有限制，用户可以操作临时数据库（通过输入数据窗口）。用户也可以通过输入窗口对永久数据库进行操作，但操作后一定要经过数据检验部分，以保证永久数据库中数据的有效性和完整性。
　　
3　简单举例
　　为了更清楚地描述上述过程，现举一简单的学习例子。
　　假设运用BZA-1法评估一含TNT系统的危险性时，需要通过人—机界面由用户输入很多数据，例如：标准安全距离、实际距离、TNT危险性参数等等。其中，TNT危险性参数是固定的，可供以后使用的，所以在用户输入后（即经过数据采集后），可通过系统的学习将数据存入数据库以便以后使用。输入的TNT参数如表1所示（该数据表中的数据仅限于评估中与危险品本身有关的内容），具体的学习过程见图2。

表1　TNT输入参数表

图2　自学习程序学习部分结构图　　在数据采集之后，系统将自动生成一个临时数据库来保存这些数据，接着进行数据有效性的检验。根据经验，常见危险品的5秒钟爆发点在(140～500)℃之间，若输入的数据落在这一范围之外，系统将给出警告信息，询问用户是否输入正确，如果用户确认正确，系统将采用该数据进行评估，如果不正确，用户可以更改，在本例中，应当更正为475℃。在检验了其他数据与有效性检验规则无冲突时，系统进行下一步检验即数据完整性检验。显然，在所给的数据表中，没有危险品真空安定性的数据，系统将给出警告，询问此数据，因为该数据将直接影响到以后对危险品的评估，此时可以输入此数据，TNT的真空安定性参数为0.10cm3。接着，在检验危险品受化学介质作用这一项时，TNT与起爆药同时出现，违反行业中不同组危险品不能存放在一起的规定，该数据将被强行删除并要求重新输入，例如：输入周围存放有DNT等。 　　经过检验和修改的TNT参数可用表2表示。 表2　满足条件的TNT参数表

至此，危险品的数据已经满足了存入数据库的条件，可完成BZA-1法评估的全过程，给出系统危险性评估的结果。在此之后，系统将提示用户选择是否将该组数据存入系统的永久数据库，如果选择存入，该数据将在以后的评估中自动被系统调用；如果选择抛弃，该组数据将在评估后被删除。 　　在这个简单的学习过程中，可以看出，如果在不违反检验规则的条件下，如果数据输入有错误，而系统无法在学习过程中检查出来，例如，将TNT的5秒钟爆发点输入为450℃，系统将无法检验其错误，只能通过用户细心的检查和以后的评估来进行检验。如果要完善系统，使之能尽可能多地检验出数据可能的错误，就必须完善系统的检验规则学习系统，这是一个比较复杂的问题，可另文进行讨论。 　　 4　结束语 　　火炸药企业事故隐患的评估，对于保护职工人身安全和国家财产的安全都具有重大意义。用计算机程序实现这一评估，是企业走向现代化管理的必经之路。随着生产技术的不断更新，新的危险品和评估方法会不断出现，编制一个能够自学习的评估系统只是适应这一发展趋势。但由于现在机器自学习方法的研究尚未成熟，只能通过简单的算法进行自学习。要实现真正通用的、可完全适应企业发展的系统，还需要不断探索和完善。 　作者简介：胡毅亭　1973年出生。1991年从甘肃天水考入华东工学院(现南京理工大学)，就读于环境监测专业，1995年大学本科毕业后免试在南京理工大学兵器安全技术专业攻读硕士学位，1996年又成为直读该专业博士研究生。主要从事危险品安全评估方面的研究工作，在国家一级刊物和国际会议上已发表两篇论文。 作者单位：南京理工大学化工学院 作者地址：南京市孝陵卫200号；南京理工大学化工学院319教研室；邮编：210094 参考文献 　　1　蔡自兴等. 人工智能及其应用. 北京：清华大学出版社.1996. 　　2　南京理工大学化工学院“安全评价”课题组. “火炸药、弹药企业重大事故隐患危险性评估方法的研究”课题总结报告.内部资料.1993. 　　3　W.E.贝克等. 爆炸危险性及其评估（上、下）. 北京：群众出版社. 1988.