【摘要】为了从根本上提高电力企业员工的安全意识，减少由于人因失误造成的电力生产事故，本文基于粗糙集与人工神经网络设计了电力企业员工安全等级评价模型，模型中将粗糙集作为人工神经网络的前置系统，以减少神经网络的复杂性。经过实验，训练后的神经网络较好地获取并保存了员工安全等级评价的知识和经验，证明此种评价模型能为电力企业生产中员工安全等级评价提供合理的依据。
　　【关键词】员工安全等级；粗糙集理论；人工神经网络
　　1.引言
　　电力行业是国民经济的基础产业，它直接关系到经济发展和社会稳定。然而，电力企业员工在生产过程中，由于知识、能力与经验的不足或者心理因素等原因，为了追求某些利益，从而导致人身事故、电网事故、设备事故和火灾事故等人因事故[1]。据统计60%-70%电力生产事故是由人的失误造成的，所以减少人因失误是有效控制电力生产事故发生的关键[2-3]。
　　目前专门针对电力企业生产中人因失误的研究成果还不是很丰富，对电力企业生产中人的不安全行只分析了其对电力系统的影响，提出了防范不安全行为的措施，并没有对不安全行為的严重程度进行划分。另外，一些地区已经开始着手进行了员工等级的鉴定工作，但标准和方法不一致且过于简单造成了结果的不具有可比性，并且存在着评价周期长、缺乏准确性等诸多弊端。所以，需要构建统一的电力企业员工安全等级评价模型。
　　2.电力企业员工安全等级评价模型的设计
　　电力企业中现行的管理经验和方法缺乏系统性和前瞻性，管理还比较粗放，特别是员工的习惯性违章仍屡禁不止，为了从根本上提高电力企业员工的安全意识，减少人因事故的发生，本文在充分研究电企中人因失误问题的基础上，基于粗糙集与BP神经网络设计了电力企业员工安全等级评价模型，模型框架如图1所示。
　　评价前，首先要确定宽泛的评价属性集，然后收集数据，界定属性值语义，并对每个属性界定属性值，最后构建出属性约简决策表。构建员工属性决策表是进行员工安全等级评价的首要问题，决策表是一类特殊而重要的知识表达系统，多数决策问题都可以用决策表形式来表达。
　　评价中，将粗糙集作为人工神经网络的前置系统，以减少神经网络的复杂性。
　　评价后，为了进一步检验评价模型的性能，评价结束后要对评价结果进行仿真分析。利用相关函数对网络进行仿真，并计算输出结果和目标输出之间的误差，从而作为网络训练结果优劣的判别依据。
　　3.评价核心要素的提取方法
　　在评价过程中，为了解决人工神经网络当输入的信息空间维数较大时，网络结构复杂和训练时间长的问题，所以在这里使用粗糙集作为神经网络的前置系统[4]。
　　3.2 属性约简算法
　　粗糙集的属性约简就是指在保持原始决策表条件属性和决策属性之间的依赖关系不发生变化的前提下删除冗余的属性和属性值[5]。粗糙集的属性约简算法有很多种，本文使用的是基于区分矩阵的约简算法。算法具体如下：
　　(1)计算区分矩阵，将区分矩阵的核赋给约简后的集合；
　　(2)找出不含和指标的指标组合；
　　(3)将不包含和指标的指标集表示为合取范式；
　　(4)将合取范式转换为析取范式的形式；
　　(5)根据需要选择合理的指标组合。
　　4.BP神经网络的实现
　　6.结论
　　笔者在综合分析国内外相关研究基础上，提出了电力企业员工安全等级的概念，并基于粗糙集与人工神经网络设计了电力企业生产中员工安全等级评价模型，模型将粗糙集作为神经网络的前置系统，用以缩减神经网络学习时的训练样本，可达到简化神经网络结构、提高评价模型工作效率的目的，同时BP神经网络能够有效减少噪声对粗糙集评价过程的影响。最后，通过实例对模型进行应用，仿真结果说明，该网络能够较好地对电力企业员工安全等级进行评估。
　　参考文献
　　[1]袁周.电力生产事故人因分析与预防简明问答[M].北京:中国电力出版社,2007.
　　[2]马京源,李哲,何宏明,钟定珠.电气误操作事故人因因素分析与控制[J].中国电力,2010(5):72-76.
　　[3]林杰.安全行为科学理论在电力生产中的应用研究[D].贵州:贵州大学硕士论文,2006.
　　[4]赵静,许祥秦,张凯.基于神经网络的高新技术企业吸收能力评估[J].计算机仿真,2009(12):257-260.
　　[5]杨传健,葛浩,汪志圣.基于粗糙集的属性约简方法研究综述[J].计算机应用研究,2012(1):16-19.