来源：期刊VIP网 时间：
作者：汪敏;田大平;
单位：江汉大学人工智能学院;
摘要：安全生产事故的预测一直是研究的热点,许多模型在处理长时间序列数据时往往会丢失信息,影响了预测精度。提出了一种将改进粒子群算法(Improved Particle Swarm Optimization,IPSO)与卷积神经网络(Convolutional Neural Network,CNN)、长短期记忆(Long Short-Term Memory,LSTM)网络和注意力(Attention)机制相结合的新方法,建立了IPSO-CNN-LSTMAttention模型以提高对安全生产事故和死亡人数预测的准确性。首先,引入了一种改进的粒子群算法,建立动态非线性惯性权重来寻找模型中重要超参数的最优值,利用CNN从输入数据中提取退化特征,然后结合LSTM捕捉历史序列的时间相关性。最后,引入注意力机制,增强关键信息的影响,优化了整体预测模型。将该模型与CNN模型、CNN-LSTM-Attention模型和PSO-CNN-LSTM-Attention模型进行比较,结果表明,该模型能有效地捕捉数据的变化趋势,且模型的平均绝对百分比误差、均方根误差、平均绝对误差和决定系数均优于其他模型,证实IPSO-CNN-LSTM-Attention模型达到了很好的拟合优度和预测精度。分析了各变量对预测的贡献程度,研究结果可为安全生产预警和预防提供参考。
关键词：安全工程;;改进粒子群算法;;卷积神经网络;;长短期记忆;;注意力机制;;安全生产事故
基金资助：湖北省应急管理厅安全生产专项资金科技项目(06400003)
