面向气象致灾因素的基层安全生产事故风险评估方法及系统与流程

本发明涉及数据处理，具体涉及一种面向气象致灾因素的基层安全生产事故风险评估方法及系统。

背景技术：

1、安全生产事故不仅对员工造成直接的身心伤害，还会负面影响企业经营绩效。近期报告显示，全球主要经济体的安全生产事故总量总体呈下降趋势。尽管事故总体数据呈积极下降趋势，但安全生产事故的空间分布仍存在显著差异。农村地区高度依赖农业、林业、建筑等露天、易受天气影响的行业，同时面临基础设施薄弱、安全监管有限、应急响应迟缓等问题。然而，随着城镇化推进，许多农村地区的产业结构日趋多元化，在传统农业之外，新增了制造、物流、服务类活动。这一转型改变了安全生产事故的类型与发生规律，但当地安全管理体系往往仍不完善。这些特征叠加，使农村劳动者尤其容易受到与天气相关的职业风险影响。

2、与此同时，新兴环境挑战正在重塑职业风险。气温上升、极端天气事件频发、气候变率增大等气象条件的持续影响，正不断改变作业环境与事故发生概率。气象条件应被视为职业安全研究的核心要素。

3、现有技术中有研究考察了安全生产事故与极端天气事件的关系。例如，bendak等（2022）研究了环境高温对劳动者作业表现的影响。然而，这类研究多聚焦单一气象维度，鲜有同时考虑多种气象因素的联合或交互效应，导致对其综合影响的认知尚不完整。此外，随着农村地区城镇化与经济多元化发展（工厂设立、基础设施扩张、非农产业转型），职业危害愈发复杂多样，但现有研究仍大多局限于农业场景。为此我们发明了一种面向气象致灾因素的基层安全生产事故风险评估方法，解决了以上技术问题。

技术实现思路

1、本发明提供一种面向气象致灾因素的基层安全生产事故风险评估方法及系统，通过量化多种天气因素对事故的影响，并引入城镇化率和农村人口总数作为调节变量，构建更为精准的风险评估模型，从而为基层安全监管和个体防范提供科学指导。

2、为此，本发明提供如下技术方案：

3、一种面向气象致灾因素的基层安全生产事故风险评估方法，所述方法包括：

4、步骤1，采集历史气象数据、安全生产事故数据、城镇化率数据以及农村人口总数；

5、步骤2，将采集到的所述历史气象数据、所述安全生产事故数据、所述城镇化率数据以及所述农村人口总数进行数据预处理；

6、步骤3，将预处理后的所述历史气象数据和所述安全生产事故数据进行数据分类；

7、步骤4，采用双向固定效应模型作为基准模型分析气象对基层安全生产事故频次与严重程度的影响；

8、步骤5，将所述城镇化率数据以及所述农村人口总数作为调节变量加入到所述基准模型中，建立基层安全生产事故风险评估模型。

9、可选地，在步骤1，所述历史气象数据包括温度数据、湿度数据、大气压力数据、风速数据、云量数据、雨量数据、雪量数据和雾浓度数据；所述安全生产事故数据包括事故发生时间、事故地点、事故频次、事故原因、死亡人数和受伤人数；根据事故原因将事故进行事故分类；根据死亡人数、受伤人数将事故分为三个级别：死亡3人以下或受伤10人以下的事故为一般事故；造成3至10人死亡或10至50人重伤的事故被归类为较大事故；造成10人以上死亡或50人以上受伤的事故为重特大事故；事故频次用月度事故数量衡量。

10、可选地，在步骤1，以月为单位采集所述历史气象数据，温度数据包括月平均温度

temperatureit和月平均温度平方项

temperatureit

²；云量数据

cloudit为月平均总云量，通过天空被云遮蔽的百分比计算，范围从0%即晴空到100%即阴天；雨量数据

rainit包括小雨、中雨、大雨、阵雨、雷暴和降雨日数；雪量数据

snowit包括小雪、雪、大雪、雨夹雪、冰粒和降雪日数；雾浓度数据

fogit包括薄雾、大雾、浓雾和降雾日数；大气压力数据

pressureit为月平均海平面气压，以百帕斯卡为单位进行量化，反映了该月的大气压力变化；风速数据

windspeedit为月平均风速，以米每秒为单位测量，代表研究地点的平均气流速度；湿度数据包括相对湿度

humidityit和湿温乘积项

humidityit

×temperatureit，即湿温乘积项由相对湿度乘以温度计算得出，相对湿度

humidityit以百分比计。

11、在步骤1，采集所述城镇化率数据和人口总数，计算所述农村人口总数：农村人口总数=人口总数（1-城镇化率数据）。

12、步骤2包括：

13、步骤21，对采集到的所述历史气象数据、所述安全生产事故数据、所述城镇化率数据以及所述农村人口总数进行数据清洗，统一日期与字符格式、去除重复观测和规范变量命名，并明确个体标识符和时间标识符；

14、步骤22，当经过数据清洗的所述历史气象数据、所述安全生产事故数据、所述城镇化率数据以及所述农村人口总数存在缺失值时，若缺失的是关键变量，直接删除含有缺失值的观测行；

15、步骤23，对经过缺失值处理的所述历史气象数据、所述安全生产事故数据、所述城镇化率数据以及所述农村人口总数进行数据检测并处理异常值，利用箱线图或四分位距识别极端值，对明显录入错误的值予以剔除，对真实存在的极端值进行缩尾或对数变换，以减少对组内去均值估计的干扰；

16、步骤24，对经过异常值处理的所述历史气象数据、所述安全生产事故数据、所述城镇化率数据以及所述农村人口总数进行变量变换，若变量分布严重偏态，选用对数变换；同时检查交互项与原始变量之间的多重共线性，计算方差膨胀因子vif，若vif超过10则进行变量中心化或删除冗余项；

17、步骤25，验证所述历史气象数据是否在个体内部存在足够的时间变异，即要求每个个体至少有两个时间点观测，若不满足条件，将其删除；

18、步骤26，通过描述性统计、相关性热图及组内变异可视化进行探索性数据分析，确保所述历史气象数据、所述安全生产事故数据、所述城镇化率数据以及所述农村人口总数的数据质量满足双向固定效应模型的估计要求。

19、在步骤3，将所述安全生产事故数据中的事故频次、伤亡人数、一般事故数、较大事故数、和重特大事故数定义为被解释变量；将所述历史气象数据中的月平均温度

temperatureit、月平均温度平方项

temperatureit

²、相对湿度

humidityit、云量数据

cloudit、雨量数据

rainit、雪量数据

snowit、雾浓度数据

fogit定义为解释变量；将所述历史气象数据中的大气压力数据

pressureit

、风速数据

windspeedit和湿温乘积项

humidityit

×

temperatureit定义为控制变量。

20、在步骤4，所述基准模型的设定如下：

21、；

22、式中，

yit为被解释变量，包括事故频次、伤亡人数、一般事故数、较大事故数和重特大事故数；

23、

β0

、β1

、β2

、β3

、β4

、β5

、β6

、β7

、β8

、β9和

β10分别为各变量的权重系数；

24、

λi为地区固定效应，

νt为月份固定效应，控制不随时间变化的地区特征与时间特定冲击；

25、

εit为随机扰动项。

26、在步骤5，所述基层安全生产事故风险评估模型包括城镇化率影响模型和农村人口总数影响模型，所述城镇化率影响模型为：

27、；

28、其中，指的是，取

t下的城镇化率数据的中位数为基数，若,则对应的=1，否则为0；

β11

、β12和

β13分别为各变量的权重系数；

29、所述农村人口总数影响模型为：

30、；

31、其中，为农村人口总数；

β14

、β15和

β16分别为各变量的权重系数。

32、一种面向气象致灾因素的基层安全生产事故风险评估系统，所述系统包括：

33、数据采集单元，采集历史气象数据、安全生产事故数据、城镇化率数据以及农村人口总数；

34、数据预处理单元，将采集到的所述历史气象数据、所述安全生产事故数据、所述城镇化率数据以及所述农村人口总数进行数据预处理；

35、数据分类单元，将预处理后的所述历史气象数据和所述安全生产事故数据进行数据分类；

36、基准模型构建单元，采用双向固定效应模型作为基准模型分析气象对基层安全生产事故频次与严重程度的影响；

37、事故风险评估模型构建单元，将所述城镇化率数据以及所述农村人口总数作为调节变量加入到所述基准模型中，建立基层安全生产事故风险评估模型。

38、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时所述面向气象致灾因素的基层安全生产事故风险评估方法的步骤。

39、本发明提供的面向气象致灾因素的基层安全生产事故风险评估方法及系统，研究了各种天气因素对基层安全生产事故的影响，创新性的将城镇化率数据与人口密度作为关键指标调节气象因素对基层安全生产事故的影响，分析了城镇化率和基层人口密度在天气条件与事故率之间的关系中所起的调节作用，通过同时考察不同的天气因素以及城镇化率和基层人口的作用，扩展了目前对天气因素的理解，可以为个人、各企业和监管机构提供良好的指导作用。与现有技术相比，本发明具有以下技术优点：

40、首先，本发明突破了传统方法仅关注单一气象因素的局限，通过同时考察多种天气因素对基层安全生产事故的综合影响，扩展了对气象致灾机理的理解，提高了风险评估的全面性；

41、其次，本发明使用固定效应模型进行分析，输出的风险评估结果，不仅能为监管机构制定差异化的应急预案、优化资源配置提供决策支持，还能为个人和不同行业的企业提供在不同天气条件下的精细化安全操作指导，具有良好的实用性和推广价值；

42、最后，本发明创新性地引入了城镇化率和人口密度作为调节变量，揭示了不同社会经济发展水平下天气因素对事故率的非线性影响；研究发现，城镇化率和人口密度对天气风险具有显著的调节作用。