石油化工行业作为我国的支柱行业之一,近年来,随着经济的发展,石化工业发展迅速,规模越来越大,工艺也越来越复杂,人们对于工艺安全也越来越重视,为了保证工厂能够进行安全生产,越来越多的研究者对于工艺安全做了诸多研究,最有效的一种方法就是对反应设备进行危害分析。过程危害分析对于主动识别潜在的安全问题并建议可行的缓解措施非常重要。在现有的过程危害分析技术中,危险和可操作性分析是原油和天然气加工过程中使用最广泛的安全分析方法。传统的危险与可操作性方法以头脑风暴形式展开的,将分析的结果以文档形式存储,使得大量的分析案例无法得到共享和复用,同时基于计算机软件的分析结果也只有对应的分析软件才能识别,同样存在难于复用、共享的问题,造成大量数据无法得到充分利用,因此,针对于现有的化工过程安全分析数据的共享与复用研究具有重要意义。本文以煤层间接液化项目油品合成设备的危险与可操作性分析报告数据为基础,提出的方法可以解决石油化工行业数据共享和复用问题,第一种方法是利用知识本体可共享和复用的特性,以自然语言技术抽取报告中数据来构建领域知识本体,并存储在OWL文件中,再利用Protege软件对知识本体进行可视化,方便知识管理和知识验证,最终结果表明,该方法能够很好地表达项目的危险与可操作性分析文本数据,可以实现石化行业危险与可操作性分析数据的共享和复用;第二种方法是构建石油化工行业危险与可操作性分析的知识图谱,同样可以达到数据共享和复用的目的,命名实体识别是知识图谱构建过程中重要部分,本文主要的工作是利用深度学习技术对危险与可操作性分析数据进行命名实体识别,为构建知识图谱的构建打下基础,最终,通过实验对比可知,本文提出的命名实体识别模型在本领域较现有的模型具有较好的命名实体识别效果。