近代工业逐渐向大型、集团化发展，一些大型、高能和高速的工艺和设施越来越多，各类工程系统的复杂性大大增加，工业生产领域中低概率重大事件的事故发生频率相对明显增加，系统的可靠性与安全性已成为保障经济效益和社会效益的一个关键因素，得到了广泛高度的重视。　　 减压蒸馏作为石油加工的重要一步，其机理模型非常复杂，是关联强、非线性程度高、多产物、多变量、高温、包括物理变化及化学反应的并通常处于连续生产状态的复杂过程。在蒸馏过程中，极有可能因为工业生产出错、环境污染、大型设备运行失效、运输工具故障、人为失误等原因引起相对发生概率很小，但可导致严重经济损失和重大人员伤亡的事故。　　 因特摩（Intelligent Monitoring On-line Real-time System）实时在线的智能监控系统，是一个操作简单，易于编辑修改，方便维护的监控软件，它将智能系统、因特网、通讯、自动化、实时数据处理及数据库结为一体，通过获取和积累对事故进行预报的私有知识，逐步把事故预报出来，把事故消灭在萌芽状态。　　 本章首先明确了广石化的安全生产目标，接着对事故发生的多米诺骨牌理论进行介绍，然后针对减压蒸馏装置故障发生概率低，事故发生数据不足的特点，对其进行风险评价。经过对其危险性评价可知，减压蒸馏装置事故发生概率值不大。但是事故的严重度级别为“显著危险”，可能造成重伤、严重职业病或主系统损坏。　　 接着对减压蒸馏过程存在的问题进行分析，然后的对VLBP神经网络的定义、数学模型做了一个概述，接着提出了基于VLBP神经网络的减压蒸馏模型和样本数据的预处理等算法。之后，以广石化生产数据为样本进行对减压塔分支温差过大事故模型验证研究，实验结果表明，其训练时间短，误差收敛的速度明显加快，精度比较高，对实际生产具有指导意义。　　 本系统已经完成了开发，实现了数据通讯、数据仿真、基于知识的事故预报、实时监测多媒体显示，以及基于神经网络分析方法的质量预估等功能。目前，系统在现场运行了一段时间，取得了良好的效果。