Safety Risk Prediction and Early Warning Model and System Design of Chemical Enterprises Based on GIS and Internet of Things

In order to predict the safety risks of chemical enterprises in real time, a GIS-based risk prediction and warning system for chemical enterprises was developed. The system uses GIS geographic information platform combined with Internet of Things data acquisition equipment to collect and process dangerous source data; use risk early warning model to conduct data mining and analysis of collected information, and obtain GIS-based risk prediction and early warning results; The security risk distribution is comprehensively warned to form a map of security risks, providing auxiliary decision support for safety production management. Keywords—chemical safety; early risk warning indicators; risk prediction and early warning; GIS geographic information system; map of security risks; 摘要—为实时对化工企业安全风险进行预测预警,研究了 相关预警模型,并开发了基于 GIS 的化工企业风险预测预警 系统。该系统利用 GIS 地理信息平台结合物联网数据采集设 备对危险源数据进行采集处理;利用风险预警模型对采集的 信息进行数据挖掘分析,得出基于 GIS 的风险预测预警结 果;利用 GIS 展现平台对企业安全风险分布进行综合预警, 形成安全风险一张图,为安全生产管理提供辅助决策支持。 关键词—化工安全,风险预测预警,GIS 地理信息系统, 安全风险一张图 I. 引言 大化工生产工艺流程和控制技术日益复杂化,化学 反应种类多且能源消耗大,生产过程的废弃物成分复杂 多样,企业安全风险错综复杂。利用风险识别、分析与 预警理论,分析化工企业生产过程的致灾因子与事故隐 患,利用现有自动化控制系统监测与报警技术,建立风 险预测预警模型,实现事故预防关口前移,风险实时管 控。 同时,在风险预测预警结果中结合地理信息系统 GIS,利用 GIS 地理空间数据和地理模型分析方法,可 为化工安全风险预测实时提供多种空间的和动态的地理 信息,为化工企业安全生产提供辅助决策支持。为此, 我们开发了基于 GIS 的化工企业(园区)风险预测预警 系统,可实现化工企业(园区)安全风险的 GIS 动态展 现和安全风险一张图,管理人员能及时发现问题和知晓 风险分布,辅助进行安全管理及决策。 II. 典型化工生产安全风险预警指标体系构建 化工生产过程中存在诸多危险因素和事故隐患,风 险预警体现了一种从现象到本质、从预警指标度量值到 预警值的非线性关系,建立科学性、系统性且层次分明 的风险预警指标体系是风险预警的关键环节。指标构建 的基本程序如图 1 所示。 图 1 风险预警指标体系构建程序 风险预警指标需要对风险因素、风险事件、风险损 失及风险自身等全面的识别,明确风险识别的边界条件 是关键之一。风险预警指标选取可能性影响因素、严重 性影响因素和敏感性影响因素作为风险评价指标,建立 三维风险模型用于重大危险源的风险分级研究,并以 Fourth Symposium on Disaster Risk Analysis and Management in Chinese Littoral Regions (DRAMCLR 2019) Copyright © 2019, the Authors. Published by Atlantis Press. This is an open access article under the CC BY-NC license (http://creativecommons.org/licenses/by-nc/4.0/). Advances in Intelligent Systems Research, volume 171