中文摘要：

企业生产中客观存在着危险源。本项目基于过程工业企业安全监督管理中危险源实时监控预警中知识获取难问题，系统地研究从生产过程实时、历史数据库中获取危险源模态知识，并利用所得知识识别临危模态的理论、技术和方法，包括基于系统动力学的危险源模态属性互动机理模型建模及属性集预选技术、基于粗糙集模态属性约简、值约简及其实时算法、基于决策树受时间约束危险源模态实时识别评估算法等方面。研究意义为(1)融合系统动力学方法和粗糙集方法，为危险源预警所需知识获取难题找到一条可行途径，促进了系统动力学和粗糙集理论在过程工业危险源预警系统中的应用；(2)运用系统动力学方法确定危险源模态预选属性集，利用历史数据精简属性、精炼规则，并建立时间受限时变精度实时模态识别方法，从而保证在线识别的实时性；(3)获取危险源模态知识应用于预警，提高预警及时性和准确性，从而提高过程工业企业生产本质化安全水平。

结论摘要：

化工企业危险源实时监控过程中产生大量历史数据，粗糙集理论作为一种自样本数据中获取知识的有效方法，本项目将粗糙集应用于危险源知识获取主要进行两个方面的研究一方面在获得现场空分装置危险源规模较大的属性集后，需要进行危险源构成的重点危险环节（危险点）分析，解决在众多的危险源构成环节中，我们应该如何确定危险源监控和分析的重点，为此引入决策粗糙集的研究。对决策粗糙集研究我们揭示了决策粗糙集的属性约简的正域非单调性，并针对这种性质提出一种启发式约简算法；另一方面，化工企业管控一体化系统中从底层控制系统或者二次仪表上所采集的数据，均为时间序列数据，对一个危险源目标对象而言，其属性除了装置或过程固有的符号型属性外，主要有数据采集测点序列构成，对此高维实时时间序列知识获取问题，本项目首先就单属性增加状态变化率和变化率的变化率属性分量来刻画速度分量和加速度分量，结合时间窗口技术，给出一种序列预测方法，最后将该算法扩充到高维序列中；此外针对高维实时时态数据中因采集传输引入的数据缺失问题，给出一种不完备信息表的区间值模型及其学习算法。本项目组成员经过三年的共同努力，已经取得一些有价值的研究成果，共发表论文 10 篇，其中SCI论文 3 篇，EI论文 4 篇，主编和参与编写专著 2 部；本课题及相关方向已培养毕业研究生3名，在读5名，协助培养博士生1名。