基于机器学习与SHAP的油气储运事故风险探究

扫码查看

原文链接

万方数据
维普

中文摘要：油气储运因受多项因素影响,容易出现各类事故与问题,通过机器学习和SHAP的联合应用,分析大量历史数据,可帮助预测油气储运事故风险,实现安全高效的储运过程.本文以石油企业为对象,分析大量油气储运事故数据,创建LightGBM模型进行分析学习,利用SHAP方法探究各种因素对事故结果的影响.研究结果表明,事故严重性受多种因素的耦合作用,其中事故场景、安全管理、员工操作的影响程度最大.对此,需要相关人员加强安全管理体系建设、组织开展员工技能培训、安全意识教育等工作,由此预防和减少油气储运事故的发生.

作者：

戴相禄、徐春兰、马丹

展开 >

作者单位：

江苏国恒安全评价咨询服务有限公司,江苏南京 210000

关键词：

机器学习 SHAP 油气储运事故风险

出版年：

2024

DOI：

10.3969/j.issn.1672-9943.2024.05.057

能源技术与管理

江苏省煤炭学会　江苏省煤炭工业协会　中国矿业大学

能源技术与管理

影响因子：0.208

ISSN：1672-9943

年,卷(期)：2024.49(5)