不安全事件的预测模型和事故因素分析

报告题目:不安全事件的预测模型和事故因素分析

报告人：史东辉，安徽建筑大学教授

报告时间：2022年12月28日15：50

报告地点：zoom在线会议 会议ID：88305703804 密码： 305752

https://us02web.zoom.us/j/88305703804?pwd=czRIcG1veTRuWkpHc1d1ckwxcjNRdz09

报告对象：欢迎感兴趣的老师、本科生、研究生参加！

报告人简介：

史东辉，男，教授，博士，硕士生导师，安徽建筑大学，电子与信息工程学院计算机工程系。担任美国路易斯维尔大学访问学者（2012.2-2013.3在美国路易斯维尔大学，商学院，计算机信息系统系，任访问学者）；参加厄瓜多尔政府“普罗米修斯人才计划”，担任厄瓜多尔普罗米修斯学者（2014.10-2015.11；在洛哈科技大学计算机系，担任教授工作）；担任西班牙阿尔卡拉大学访问学者（2017.10.1-2017.10.21，参加“复杂事件处理的异构体系结构”的研究项目）。2001年7月毕业于中国科学技术大学计算机科学系，计算机软件与理论专业，获博士学位。主要研究方向为人工智能、机器学习、数据挖掘、信息系统、智慧城市等。主持安徽省自然科学基金，人社部留学科技活动，安徽省计委高新技术产业化等项目。作为项目负责人，开发完成“房地产一体化图文信息系统”，该系统软件在全省20多家房产局推广使用。在《Journal of Management Information Systems (JMIS)》，《Expert System with Applications》，《Engineering Applications of Artificial Intelligence》，《Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery,》，《计算机研究发展》等高水平期刊发表多篇论文。担任Journal of Management Information Systems (JMIS)，SCIENCE CHINA：Information Sciences（中国科学：信息科学英文版)，《Engineering Applications of Artificial Intelligence》，International Journal of Electrical Power and Energy Systems国际知名期刊审稿人及夏威夷系统科学国际会议等国际会议审稿人。2001年获教育部第八界霍英东青年教师三等奖。

报告内容:

研究以航空安全事故报告和建筑安全事故为背景，使用数据流方法和基于本体的方法对航空安全报告和建筑安全事故报告建立预测模型，并分析不安全因素。对现有的风险预测模型分析方法进行改进。

对安全事件报告的分析是安全管理系统中的重要环节，及时准确地确定风险因素是有效地进行预防事故的关键步骤。然而，由于安全事故数据的规模和复杂性使得风险因素的识别存在较多问题。国内、外使用传统的批处理式机器学习方法进行风险识别，分类准确性有待进一步改进。随着大数据和人工智能技术的发展，工业安全领域的风险管理，风险识别在理论方法上应随之进一步完善。研究采用了大数据方法中的数据流处理方法，对168,227个航空安全事件报告进行处理，进一步改进了风险识别方法。

建筑安全仍然是建筑领域存在的主要问题。现有的建筑事故报告包含了丰富的知识，如果提取和利用得当，可以为风险管理提供有价值的信息。许多研究建立了风险评估模型，以发现施工过程中的危险因素，预测事故的预期成本。这些模型降低了发生事故的可能性， 但这些研究有一个共同点:它们没有利用现有病例报告中包含的知识。本研究利用建筑安全事故调查报告中的案例信息，提取和充分利用报告中的领域知识和经验，提高领域知识的重用性。