徐小照，潘保林

(中核集团核动力运行研究所, 湖北,武汉 430223)

基于BP神经网络的核电厂核安全文化评级模型研究

徐小照，潘保林

(中核集团核动力运行研究所, 湖北,武汉 430223)

本文提出了核安全文化的评级判据，构建了46项核安全文化评价指标，并基于样本数据，建立了一种基于反向传播(Back Propagation,简称BP)神经网络的核安全文化星级评价模型。经泛化能力验证，该评级模型评价核安全文化的水平，亦可用于核电厂核安全文化水平的长期监测。

BP神经网络；核电厂；核安全文化；评级模型

目前，核安全文化评估工作已成为各大核能集团公司测评核电厂核安全文化水平、发现薄弱环节的一种有效手段。

根据当前核行业内核安全文化评估的一般做法，通常基于核安全文化准则，使用问卷调查、现场访谈等方法，获取员工对待核安全文化的观点、态度和看法，通过给出的正面、负面、中性的评判数据，提出核电厂的核安全文化总体状况和待改进环节[1]。这套方法基本实现了核电厂核安全文化状况的系统化评价，但其评价结论难以直观描述核电厂的核安全文化总体状况所处何种水平。

为解决这个问题，本文基于国内外安全文化的相关理论，提出了核电厂核安全文化的星级评价理念，同时，以国内某核电公司发布的《卓越核安全文化的十大原则》为研究基础，构建了46项关于核安全文化的评价指标，并基于已开展的核安全文化评估活动中获取的数据，建立了基于BP神经网络的核安全文化评级模型。该模型可应用于核电厂核安全文化总体状况的评级，为管理部门持续监测核电厂核安全文化水平提供直观依据。

1 核安全文化评级判据

核安全文化是指各有关组织和个人以“安全第一”为根本方针，以维护公众健康和环境安全为最终目标，达成共识并付诸实践的价值观、行为准则和特性的总和[2-5]。

美国心理学家亚伯拉罕·马斯洛1943年在《人类激励理论》中所提出需求层次理论，基于此理论并结合核安全文化的定义，可将核安全文化分为七个星级，每个星级从低到高对应核安全文化发展的七个阶段，包括本能反应阶段、被动管理阶段、主动管理阶段、员工参与阶段、团队互助阶段、持续改进阶段和高度自律阶段。各个阶段的组织特征见表1，这些特征作为本文开展核安全文化评级的理论判据。

表1 核安全文化星级对照表Table 1 Nuclear Safety Culture star rating comparison Table

续表

上述星级评判准则中涉及核安全文化的七大阶段，作为本文研究模型的评级结果，即目标输出。参考核安全文化评估的通用方法，本文将依据《卓越核安全文化的十大原则》构建核安全文化的评级指标，即数据输入。

2 核安全文化评级指标的构建

《卓越核安全文化的十大原则》中将个人、领导和组织对安全的承诺，囊括为3大类别和46个属性，据此本文将此46个要素作为核电厂核安全文化的评级指标[6-9]。

第一个类别为个人对于核安全的承诺，其中包括11个要素，主要涵盖三个方面，分别为核安全人人有责、培育质疑的态度以及沟通关注安全。

表2 针对个人的核安全文化评级指标Table 2 Nuclear safety culture evaluation indexes for individual

第二个类别为领导对于核安全的承诺，其中包括17个要素，主要涵盖三个方面，分别为领导做安全的表率、建立组织内部的高度信任以及决策应体现安全第一。

表3 针对领导的核安全评级指标Table 3 Nuclear safety culture evaluation indexes for leader

第三个类别为组织对于核安全的承诺，其中包括18个要素，主要涵盖四个方面，分别为认识核技术的独特性、识别并解决问题、倡导学习型组织和构建和谐的公众关系。

根据核安全文化评估的做法，通过问卷调查和现场评估的实施(辅以相应的针对性题库和评价手段)，会得到核电厂在上述46个要素的得分情况，可得到如图1所示的数据分布。

将上述评估数据按照统一的原则进行处理，根据如下公式计算要素的评价指标，其中X为要素指标值，N为要素数据点总数量，N+为要素得“+”的数据点数量，N0为要素得“0”的数据点数量，N-为要素得“-”的数据点数量。

最终可得到每项评价指标在1～3范围内的数据，从而实现了评价指标的标准化，将此作为评级模型的数据输入。

考虑到本评级模型的输入包括了46个要素，目标输出为7个星级，输入和输出间的模型关系为复杂的非线性模型。因此本文借助BP神经网络来处理非线性的信息处理。

3 核安全文化评级模型的建立

3.1 BP神经网络原理

本文应用的BP神经网络是一种按误差逆传播算法训练的多层前馈网络[10-16]。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。其学习规则是使用梯度下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。

BP神经网络模型拓扑结构包括输入层、隐含层和输出层。其神经元的基本结构如图2所示，其中，x1，x2，…，xn为一组输入信号，y1，y2，…，yn为一组输出信号。输入信号经过传输函数可得到输出信号。

图2 BP神经网络(三层)的基本结构Fig.2 The basic structure of BP neural network (Three-layers)

3.2 BP神经网络的设计

本文借助MATLAB软件中的神经网络模块设计核安全文化评级模型，根据Kolmogorov定理，一个3层网络足以完成任意的N维到L维的映射，所以一般只需1个隐层。在本文的BP神经网络中仍保持选取1个隐层。根据如下经验公式选取隐层的节点数。其中N为输入层节点数，L为输出层节点数，M为隐层节点数，α为1-10之间的常数。

据此设计本网络的节点数，通过实验网络的收敛情况，最终选定隐层节点数为17效果最佳。神经网络其他相关权值和初始阈值随机确定。

3.3 网络的训练过程及结果

根据本模型提出的核安全文化评级理念，核安全文化评估中积累的多年经验，以及对核安全文化46条要素的理解，基于目前国内核电厂的核安全文化现状，本文设计了针对七个星级的BP神经网络的训练样本，其中样本A-G分别对应核安全文化的1-7星级。

在样本训练阶段，这7组数据的目标输出为如下：

y=(y1,y2,y3,y4,y5,y6,y7)T

(1)

其中y1-y7分别代表目标核安全文化1-7星级。经过样本训练，BP神经网络在87步时达到收敛要求，误差曲线如图3所示。

图3 BP神经网络误差曲线图Fig.3 BP neural network error curve

BP神经网络的实际输出值如下：

(2)

可看出网络的实际输出值与期望的输出值基本一致，由此可证明本评级模型可以较为准确的反映核安全文化水平。

3.4 评级模型的检验

为了检验本评级模型的有效性，本文选取了国内两次核安全文化评估的数据进行验证。

表5 神经网络测试样本(两次评估数据)Table 5 Neural network test sample (Two NSCA data)

将这组验证数据输入神经网络进行仿真后，得出的输出结果为：

根据星级评价的定义，测试1号核电厂的核安全文化星级达到五星级，处于团队互助阶段；测试2号核电厂的核安全文化星级达到四星级，处于员工参与阶段，该验证结论基本与总体的认知结论保持一致。该验证结果也表明本网络在学习训练后具备了存储经验和进行评价的能力。另外，考虑到目前样本数量的有限，后续可通过补充训练样本数据来进一步提高模型的预测准确度。

4 结束语

(1)本文基于核安全文化的基本理论，提出了核电厂核安全文化星级评价的理念，并应用了BP神经网络建立核电厂核安全文化评级模型，经验证，该模型具备评价经验存储及数据评价的能力。

(2)本模型可用于判断核电厂所处的核安全文化阶段以及长期监测，以确保核电厂的核安全得到持续的关注和提高。

[1] 匡志海．核电厂安全文化[M]．北京：原子能出版社，2010.

[2]International Nuclear Safety Advisory Group. SafetyCulture [M].Vienna: IAEA Safety Series 75-INSAG-4, 1991.

[3]柴建设．核安全文化理论与实践[M]．北京：化学工业出版社，2012.

[4]柴建设．核安全文化与核安全监督[J].核安全，2013，12(3)：5-9.

[5]周涛，陆道纲，李悠然．核安全文化与中国核电发展[J]．现代电力，2006,23(5)：16.

[6]徐徐，金波．核安全文化评估指标体系研究及建立[J]．中国高新技术企业，2015，(16)：7-8.

[7]周涛，王万惠，熊冬庆等. 模糊数学在核安全文化评价中的应用研究[J].核动力工程，2006：319-321.

[8]李鹏程，黄河，蒋建军等.人因视角下的核安全文化评估指标体系与评估方法研究[J].南华大学学报(社会科学版)，2016，17(1)：1-6.

[9]王亦虹，夏立明．基于人因失误理论构建企业安全文化评价体系[J]．武汉理工大学学报，2008，30(12)：177-180.

[10]薛定宇，陈阳泉.高等应用数学问题的MATLAB求解[M].北京：清华大学出版社，2004.

[11]宋新明，居勇，曾鸣，等．基于神经网络的供电企业安全文化评价研究[J]．中国安全生产科学技术，2009,5(4)：55-59.

[12]Li Y B, Li P, Zhang N. Safety assessment of thermal power enterprise based on BP neutral network [J].Journal of information & computational science. Beijing, 2009, 6(1):553-556.[13]钱利军，李书全．基于粗糙集-人工神经网络的航空安全文化评价模型研究[J]．中国安全科学学报，2009,19(10)：132-138.

[14]张青贵．人工神经网络导论[M]．北京：化学工业出版社，2004.

[15]杨建刚．人工神经网络实用教程[M]．杭州：浙江大学出版社，2002.

[16]俞峰，杨成梧．煤炭安全文化的AHP-Fuzzy综合评价[J]．中国煤炭，2005，(11)：35-37.

StudyontheNuclearSafetyCultureRatingModelBasedonBPNeuralNetwork

XU Xiaozhao，PAN Baolin

(Research Institute of Nuclear Power Operation, CNNC，Wuhan 430223，China)

This paper puts forward the star rating criteria of nuclear safety culture, constructs 46 nuclear safety culture evaluation indexes, and based on the sample data, a nuclear safety culture star rating model based on BP neural network is established. Based on the generalization capability, the rating model has a new attempt to quantify the nuclear safety culture level of the nuclear organization, and can also be used for the long-term monitoring of the nuclear safety culture level of the nuclear power plant.

BP neural network；nuclear power plant；nuclear safety culture；star rating model

X91

：A

：1672- 5360(2017)02- 0074-06

2017- 02- 13

2017- 03- 24

徐小照(1987—)，男，安徽安庆人，工程师，工学硕士，机械设计及理论专业，现主要从事核安全文化及核电同行评估研究工作