试议神经网络基于DPSIR-SVM油气生产企业安全绩效考核模型

论文导读：建了基于DPSIR-SVM的油气生产企业安全绩效考核模型,将其考核结果与神经网络进行了比较,证明了该模型更有效,具有现实可行性。最后,本论文在训练测试样本基础上,选取中石油下属三家企业,考核其安全绩效水平,对模型的实际效果进行实证探讨。关键词：DPSIR论文SVM论文安全绩效论文考核模型论文神经网络
摘要：生产危险性和风险复杂性的特点决定了油气生产企业时刻保持警惕,预防安全事故的发生。因为一旦发生安全事故,后果就会比较严重,甚至造成无法估计的灾难。随着石油工业的不断进展,油气生产企业安全绩效考核已成为企业生产和管理工作中重要的一环。考核模型的选择直接影响着安全绩效考核结果的客观与公正,也是安全绩效考核中的关键,对提升油气生产企业安全绩效考核的效果,确保企业安全生产有着十分重要现实作用。本论文以油气生产企业安全绩效为探讨的对象,以绩效考核、安全事故致因学为论述基础,结合DPSIR模型,以驱动力、压力、状态、影响和响应等五个方面对我国油气生产企业安全情况进行了全面的浅析。在此基础之上,运用二八原则,选择二十个关键性指标建立了油气生产企业安全绩效考核指标系统。为处理油气生产企业安全绩效考核系统中指标的多维性、非线性等不足,引入具有分类和回归预测能力的SVM模型,客观、准确反映油气生产企业安全绩效考核的结果。利用交叉验证法对SVM的各项参数进行优化,构建了基于DPSIR-SVM的油气生产企业安全绩效考核模型,将其考核结果与神经网络进行了比较,证明了该模型更有效,具有现实可行性。最后,本论文在训练测试样本基础上,选取中石油下属三家企业,考核其安全绩效水平,对模型的实际效果进行实证探讨。关键词：DPSIR论文SVM论文安全绩效论文考核模型论文神经网络论文
本论文由www.7ctime.com,需要论文可以联系人员哦。摘要3-4
Abstract4-7
第1章 绪论7-15

1.1 探讨的背景及其作用7-8

1.1 探讨的背景7-8

1.2 探讨作用8

1.2 国内外探讨近况8-12

1.2.1 安全绩效考核的探讨近况8-9

1.2.2 DPSIR的探讨近况9-11

1.2.3 SVM的探讨近况11-12

1.3 本论文的探讨思路与策略12-13

1.3.1 探讨思路12-13

1.3.2 探讨策略13

1.4 本论文的探讨内容及革新13-15

1.4.1 探讨的内容13-14

1.4.2 主要革新点14-15

第2章 统计学习与SVM论述15-26

2.1 统计学习论述15-17

2.

1.1 机器学习不足15-16

2.

1.2 经验风险最小化原则16

2.

1.3 结构风险最小化原则16-17

2.2 SVM的原理和策略17-23

2.1 SVM分类17-21

2.2 SVM回归21-22

2.3 SVM改善22-23

2.3 多元SVM分类算法23-26

2.3.1 一对一算法23-24

2.3.2 一对多算法24

2.3.3 决策树算法24-26

第3章 安全绩效考核与DPSIR模型26-33

3.1 安全绩效考核26-28

3.

1.1 绩效的各种概念26-27

3.

1.2 绩效考核的定义和功能27

3.

1.3 安全绩效考核的内涵27-28

3.2 主要的绩效考核策略28-30
3.

2.1 关键绩效法28

3.

2.2 平衡记分卡28-29

3.

2.3 三百六十度29

3.

2.4 目标管理法29-30

3.3 DPSIR模型介绍30-33

3.1 DPSIR模型概述30

3.2 DPSIR模型的因果联系浅析30-31

3.3 DPSIR模型的可行性浅析31-33

第4章 油气生产企业安全近况及绩效考核系统33-45

4.1 油气生产企业的安全近况33-36

4.

1.1 油气生产企业的特点33-34

4.

1.2 油气生产企业生产的安全要求34-35

4.

1.3 油气生产历程危险因素浅析35-36

4.2 基于DPSIR模型的安全绩效考核指标系统36-45
4.

2.1 安全绩效考核系统构建原则36-37

4.

2.2 油气生产企业安全绩效指标的选择37-41

4.

2.3 油气生产企业安全绩效考核指标系统41-43

4.

2.4 考核指标的量化等级的确定43-45

第5章 油气生产企业安全绩效考核模型的构建45-59

5.1 基于DPSIR-SVM的安全绩效考核模型的构建45-52

5.

1.1 数据的收集45-48

5.

1.2 考核样本的归一化处理48-52

5.

1.3 核函数与分类算法的选择52

5.2 DPSIR-SVM考核模型的训练与测试的步骤52-56
5.2.1 模型的软件实论文导读：现平台52-535.2.2模型参数的确定535.2.3模型的样本训练和测试53-565.3模型比较与实证浅析56-595.3.1与RBF神经网络的比较565.3.2实证浅析56-59结论与展望59-61致谢61-62参考文献62-66附录66-67攻读硕士学位期间发表的论文及科研成果67上一页12
现平台52-53
5.

2.2 模型参数的确定53

5.

2.3 模型的样本训练和测试53-56

5.3 模型比较与实证浅析56-59
5.

3.1 与RBF神经网络的比较56

5.

3.2 实证浅析56-59

结论与展望59-61
致谢61-62
参考文献62-66
附录66-67
攻读硕士学位期间发表的论文及科研成果67