关键词：化工类实验室;鹈鹕优化算法;极限学习机;风险评估
摘 要：为准确研判化工类实验室的风险等级，防治相关安全事故，本研究提出了一种精准有效的风险评估模型。基于对过往研究案例成果的整合与德尔菲法，筛选出设备与试剂管理、安全管理制度、管理组织架构三方面的20项风险指标因素，利用改良鹈鹕优化算法算法(IPOA)寻优极限学习机(ELM)的输入权值与偏置量，建立IPOA-ELM风险评估模型。结果表明：该模型正确分类了18组数据的风险等级，判别准确率为90%，在各项性能指标上均优于对照模型，表明其对化工类实验室风险等级具备高识别精度。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取