化工過程安全評價信息標準化方法研究
發(fā)布時間:2022-01-23 04:43
石油化工行業(yè)作為我國的支柱行業(yè)之一,近年來,隨著經(jīng)濟的發(fā)展,石化工業(yè)發(fā)展迅速,規(guī)模越來越大,工藝也越來越復雜,人們對于工藝安全也越來越重視,為了保證工廠能夠進行安全生產(chǎn),越來越多的研究者對于工藝安全做了諸多研究,最有效的一種方法就是對反應設備進行危害分析。過程危害分析對于主動識別潛在的安全問題并建議可行的緩解措施非常重要。在現(xiàn)有的過程危害分析技術(shù)中,危險和可操作性分析是原油和天然氣加工過程中使用最廣泛的安全分析方法。傳統(tǒng)的危險與可操作性方法以頭腦風暴形式展開的,將分析的結(jié)果以文檔形式存儲,使得大量的分析案例無法得到共享和復用,同時基于計算機軟件的分析結(jié)果也只有對應的分析軟件才能識別,同樣存在難于復用、共享的問題,造成大量數(shù)據(jù)無法得到充分利用,因此,針對于現(xiàn)有的化工過程安全分析數(shù)據(jù)的共享與復用研究具有重要意義。本文以煤層間接液化項目油品合成設備的危險與可操作性分析報告數(shù)據(jù)為基礎,提出的方法可以解決石油化工行業(yè)數(shù)據(jù)共享和復用問題,第一種方法是利用知識本體可共享和復用的特性,以自然語言技術(shù)抽取報告中數(shù)據(jù)來構(gòu)建領(lǐng)域知識本體,并存儲在OWL文件中,再利用Protege軟件對知識本體進行可視化,方...
【文章來源】:北京化工大學北京市 211工程院校 教育部直屬院校
【文章頁數(shù)】:83 頁
【學位級別】:碩士
【部分圖文】:
圖1-1?HAZOP分析流程圖??Fig.1-1?HAZOP?analysis?flow?chart??HAZOP分析方法并不局限于工業(yè)設計過程中,在現(xiàn)有的過程裝置中也同樣適用
?第一章緒論???/訓練集/?/測試集/??文本i處理I?I文本&處理??特征抽取??模型訓練??模型化I?H?模型?I ̄ ̄?(命名實體)??模型評估??圖1-3基于統(tǒng)計的命名實體識別流程??Fig.?1-3?Recognition?process?of?named?entities?based?on?statistics??在基于統(tǒng)計的命名實體識別研宄過程中,HMM自從在上世紀八十年代提出來后,??在圖形處理,圖像識別等領(lǐng)域都取得了較好的應用成果。隱馬爾可夫模型的思想利用??隱馬爾可夫鏈生成不可觀測序列之后,再利用不可觀測序列生成可觀測序列的過程??[36],在生成過程中,利用狀態(tài)轉(zhuǎn)移序列和最大化的觀察求出兩者的聯(lián)合概率,從而找??出最符合觀測序列的狀態(tài)序列。??在1999年,Bike丨等人提出了?IdentiFinderTM系統(tǒng)叩,在系統(tǒng)的構(gòu)建過程中,作??者使用HMM對多種語言語料分別對模型進行訓練,使得系統(tǒng)可以在英語等多種語言??語料中進行NER任務,主要識別的實體包含時間、名稱和數(shù)量詞等,最終,在論文??的實驗100000字的數(shù)據(jù)集中,模型的效果可以達到90%的識別率,而且在MUC-6??中測試獲得了較好的測評結(jié)果;在2004年,Tsai等人利用規(guī)則和最大熵的方法構(gòu)建??了?Mencius系統(tǒng)t3%首先需要利用人工來構(gòu)建特征模板,然后將其當做最大熵模型的??輸入進行訓練來獲得權(quán)值,從而得到命名實體識別最終的模型;在2006年,俞鴻魁??等人為了識別語料中的人名、地名和組織機構(gòu)名,提出了一種多層的隱馬爾可夫模型??[39],此模型通過疊加的思想,解決了實體識別過程中的嵌套問題,在論文的實驗中,?
?第二章知識本體與知識圖譜相關(guān)概念介紹???第二章知識本體與命名實體識別相關(guān)概念介紹??2.1知識本體??“本體”(ontology)—詞誕生于哲學,用以描述事物存在的本質(zhì)和規(guī)律[53]。在英??文中單詞ontology是由希臘詞語“存在”和“學習”組合而成,哲學家康德(Emmanuel??Kant)曾經(jīng)對本體進行了深入研宄,并構(gòu)建了本體的范疇框架%,框架如圖2-1所示。??在本體范疇框架中,分為了四個大范疇:Quantity,Quality,?Relation和Modality,然??后將上述四大范疇進行細化,每個大范疇又劃分為三個小范疇,共12個小范疇。??(unity??Quantity?J?plurality??/???totality??f?reality??Quality?-<?negation??^一?limitation??Ontology?^?__?inherence??Relation?<?causation??^—?community??廠?possibility??Modality?<?existence??^一?necessity??圖2-1本體范疇框架??Fig.2-1?Ontological?category?framework??現(xiàn)代對于本體的定義己經(jīng)有了稍微的變化,認為知識的本體論是概念表達的明確??規(guī)范『55,@。另一種定義則認為本體是一種結(jié)構(gòu)化的知識,可以用來描述現(xiàn)實世界中共??享概念,其中包含了多種含義,如:共享含義,結(jié)構(gòu)化含義和概念模型等t5'本體概??念可以定義為0=?(C,R,?F,A,I),C表示定義中概念集合,R為關(guān)系集合,F表
【參考文獻】:
期刊論文
[1]基于知識本體的HAZOP信息標準化框架[J]. 高東,肖遙,張貝克,許欣,吳重光. 化工進展. 2020(06)
[2]自然語言處理技術(shù)的重要性研究[J]. 王凌燕. 信息通信. 2019(11)
[3]一種基于特征模板和CNN-BiLSTM-CRF的網(wǎng)絡安全實體識別方法(英文)[J]. Ya QIN,Guo-wei SHEN,Wen-bo ZHAO,Yan-ping CHEN,Miao YU,Xin JIN. Frontiers of Information Technology & Electronic Engineering. 2019(06)
[4]適用于搜索引擎的本體構(gòu)建方法[J]. 徐巖,浩慶波. 網(wǎng)絡安全技術(shù)與應用. 2018(11)
[5]自然語言處理中的深度學習:方法及應用[J]. 林奕歐,雷航,李曉瑜,吳佳. 電子科技大學學報. 2017(06)
[6]知識圖譜研究綜述[J]. 李涓子,侯磊. 山西大學學報(自然科學版). 2017(03)
[7]基于BLSTM的命名實體識別方法[J]. 馮艷紅,于紅,孫庚,孫娟娟. 計算機科學. 2018(02)
[8]機器對自然語言的理解[J]. 李一鳴. 數(shù)字通信世界. 2017(03)
[9]苯硝化工藝HAZOP分析的定量化研究[J]. 桂陽,張明廣,虞奇,李陽,錢城江. 工業(yè)安全與環(huán)保. 2016(10)
[10]知識圖譜構(gòu)建技術(shù)綜述[J]. 劉嶠,李楊,段宏,劉瑤,秦志光. 計算機研究與發(fā)展. 2016(03)
碩士論文
[1]面向印尼語的依存句法分析研究[D]. 符斯慧.廣東外語外貿(mào)大學 2019
[2]基于深度學習的植物知識圖譜的構(gòu)建[D]. 檀穩(wěn).北京林業(yè)大學 2019
[3]事件知識圖譜并行化研究及應用[D]. 羅鈺敏.電子科技大學 2019
[4]基于深度神經(jīng)網(wǎng)絡的中文命名實體識別研究[D]. 顧孫炎.南京郵電大學 2018
[5]基于遞歸神經(jīng)網(wǎng)絡的生物醫(yī)學命名實體識別[D]. 金留可.大連理工大學 2016
[6]中文領(lǐng)域本體構(gòu)建方法研究[D]. 王雪.華中科技大學 2012
[7]線性鏈條件隨機場訓練算法優(yōu)化的研究[D]. 陳天緣.復旦大學 2010
[8]基于ontology的領(lǐng)域知識庫的構(gòu)建與集成實現(xiàn)[D]. 張佳.貴州大學 2006
本文編號:3603621
【文章來源】:北京化工大學北京市 211工程院校 教育部直屬院校
【文章頁數(shù)】:83 頁
【學位級別】:碩士
【部分圖文】:
圖1-1?HAZOP分析流程圖??Fig.1-1?HAZOP?analysis?flow?chart??HAZOP分析方法并不局限于工業(yè)設計過程中,在現(xiàn)有的過程裝置中也同樣適用
?第一章緒論???/訓練集/?/測試集/??文本i處理I?I文本&處理??特征抽取??模型訓練??模型化I?H?模型?I ̄ ̄?(命名實體)??模型評估??圖1-3基于統(tǒng)計的命名實體識別流程??Fig.?1-3?Recognition?process?of?named?entities?based?on?statistics??在基于統(tǒng)計的命名實體識別研宄過程中,HMM自從在上世紀八十年代提出來后,??在圖形處理,圖像識別等領(lǐng)域都取得了較好的應用成果。隱馬爾可夫模型的思想利用??隱馬爾可夫鏈生成不可觀測序列之后,再利用不可觀測序列生成可觀測序列的過程??[36],在生成過程中,利用狀態(tài)轉(zhuǎn)移序列和最大化的觀察求出兩者的聯(lián)合概率,從而找??出最符合觀測序列的狀態(tài)序列。??在1999年,Bike丨等人提出了?IdentiFinderTM系統(tǒng)叩,在系統(tǒng)的構(gòu)建過程中,作??者使用HMM對多種語言語料分別對模型進行訓練,使得系統(tǒng)可以在英語等多種語言??語料中進行NER任務,主要識別的實體包含時間、名稱和數(shù)量詞等,最終,在論文??的實驗100000字的數(shù)據(jù)集中,模型的效果可以達到90%的識別率,而且在MUC-6??中測試獲得了較好的測評結(jié)果;在2004年,Tsai等人利用規(guī)則和最大熵的方法構(gòu)建??了?Mencius系統(tǒng)t3%首先需要利用人工來構(gòu)建特征模板,然后將其當做最大熵模型的??輸入進行訓練來獲得權(quán)值,從而得到命名實體識別最終的模型;在2006年,俞鴻魁??等人為了識別語料中的人名、地名和組織機構(gòu)名,提出了一種多層的隱馬爾可夫模型??[39],此模型通過疊加的思想,解決了實體識別過程中的嵌套問題,在論文的實驗中,?
?第二章知識本體與知識圖譜相關(guān)概念介紹???第二章知識本體與命名實體識別相關(guān)概念介紹??2.1知識本體??“本體”(ontology)—詞誕生于哲學,用以描述事物存在的本質(zhì)和規(guī)律[53]。在英??文中單詞ontology是由希臘詞語“存在”和“學習”組合而成,哲學家康德(Emmanuel??Kant)曾經(jīng)對本體進行了深入研宄,并構(gòu)建了本體的范疇框架%,框架如圖2-1所示。??在本體范疇框架中,分為了四個大范疇:Quantity,Quality,?Relation和Modality,然??后將上述四大范疇進行細化,每個大范疇又劃分為三個小范疇,共12個小范疇。??(unity??Quantity?J?plurality??/???totality??f?reality??Quality?-<?negation??^一?limitation??Ontology?^?__?inherence??Relation?<?causation??^—?community??廠?possibility??Modality?<?existence??^一?necessity??圖2-1本體范疇框架??Fig.2-1?Ontological?category?framework??現(xiàn)代對于本體的定義己經(jīng)有了稍微的變化,認為知識的本體論是概念表達的明確??規(guī)范『55,@。另一種定義則認為本體是一種結(jié)構(gòu)化的知識,可以用來描述現(xiàn)實世界中共??享概念,其中包含了多種含義,如:共享含義,結(jié)構(gòu)化含義和概念模型等t5'本體概??念可以定義為0=?(C,R,?F,A,I),C表示定義中概念集合,R為關(guān)系集合,F表
【參考文獻】:
期刊論文
[1]基于知識本體的HAZOP信息標準化框架[J]. 高東,肖遙,張貝克,許欣,吳重光. 化工進展. 2020(06)
[2]自然語言處理技術(shù)的重要性研究[J]. 王凌燕. 信息通信. 2019(11)
[3]一種基于特征模板和CNN-BiLSTM-CRF的網(wǎng)絡安全實體識別方法(英文)[J]. Ya QIN,Guo-wei SHEN,Wen-bo ZHAO,Yan-ping CHEN,Miao YU,Xin JIN. Frontiers of Information Technology & Electronic Engineering. 2019(06)
[4]適用于搜索引擎的本體構(gòu)建方法[J]. 徐巖,浩慶波. 網(wǎng)絡安全技術(shù)與應用. 2018(11)
[5]自然語言處理中的深度學習:方法及應用[J]. 林奕歐,雷航,李曉瑜,吳佳. 電子科技大學學報. 2017(06)
[6]知識圖譜研究綜述[J]. 李涓子,侯磊. 山西大學學報(自然科學版). 2017(03)
[7]基于BLSTM的命名實體識別方法[J]. 馮艷紅,于紅,孫庚,孫娟娟. 計算機科學. 2018(02)
[8]機器對自然語言的理解[J]. 李一鳴. 數(shù)字通信世界. 2017(03)
[9]苯硝化工藝HAZOP分析的定量化研究[J]. 桂陽,張明廣,虞奇,李陽,錢城江. 工業(yè)安全與環(huán)保. 2016(10)
[10]知識圖譜構(gòu)建技術(shù)綜述[J]. 劉嶠,李楊,段宏,劉瑤,秦志光. 計算機研究與發(fā)展. 2016(03)
碩士論文
[1]面向印尼語的依存句法分析研究[D]. 符斯慧.廣東外語外貿(mào)大學 2019
[2]基于深度學習的植物知識圖譜的構(gòu)建[D]. 檀穩(wěn).北京林業(yè)大學 2019
[3]事件知識圖譜并行化研究及應用[D]. 羅鈺敏.電子科技大學 2019
[4]基于深度神經(jīng)網(wǎng)絡的中文命名實體識別研究[D]. 顧孫炎.南京郵電大學 2018
[5]基于遞歸神經(jīng)網(wǎng)絡的生物醫(yī)學命名實體識別[D]. 金留可.大連理工大學 2016
[6]中文領(lǐng)域本體構(gòu)建方法研究[D]. 王雪.華中科技大學 2012
[7]線性鏈條件隨機場訓練算法優(yōu)化的研究[D]. 陳天緣.復旦大學 2010
[8]基于ontology的領(lǐng)域知識庫的構(gòu)建與集成實現(xiàn)[D]. 張佳.貴州大學 2006
本文編號:3603621
本文鏈接:http://sikaile.net/kejilunwen/shengwushengchang/3603621.html
最近更新
教材專著