《Process Safety and Environmental Protection》：From data to decision. AI powered proactive safety of landslide Natech events
编辑推荐：
本研究提出一种结合自然灾害与工艺安全模型的动态风险评估框架，利用LSTM神经网络预测滑坡事件及其对工业设施的影响。以意大利某液化石油气储气设施为案例，验证了该模型98.67%的高准确率，实现了风险概率的实时更新与动态管理，为Natech事故的主动风险防控提供了新方法。
托马索·维亚罗（Tomaso Vairo）|汉斯·J·帕斯曼（Hans J. Pasman）|斯特凡妮亚·马格里（Stefania Magrì）|玛格丽塔·佩蒂纳托（Margherita Pettinato）|布鲁诺·法比亚诺（Bruno Fabiano）
迪卡（DICCA）部门，热那亚大学土木化学与环境工程系，via Opera Pia 15，16145 热那亚，意大利
摘要
极端天气事件的强度和频率不断增加，凸显了自然灾害对工业设施造成影响的风险日益增大。技术触发型自然灾害（Natech）事故可能由各种环境现象引发，无论是大规模降雨还是山体滑坡。基于人工智能时代数据可以通过特征提取转化为有价值的信息以预测风险条件的理念，本研究提出了一个动态风险评估框架，将自然灾害与工艺安全模型相结合。该框架能够根据山体滑坡的概率动态更新安全屏障的失效概率，从而实时反映风险演变情况。以意大利一个易发生山体滑坡地区的液化石油气（LPG）储存设施为例，展示了该方法的应用效果。该模型利用长短期记忆（LSTM）循环神经网络（RNN）来预测山体滑坡的发生及其对工业安全的连锁影响。本研究的结果为基于人工智能技术在技术触发型自然灾害场景中的主动风险管理提供了新的视角。
部分内容摘录
引言
气候变化、数字化以及不断发展的工业基础设施重塑了传统的工程范式，加剧了技术触发型自然灾害的风险。过去十年中，山体滑坡、洪水和极端天气事件的频率和强度显著增加，对关键基础设施构成了更大威胁（欧洲环境署，2010年）。《塞韦索III指令》（Seveso III Directive）承认了自然灾害在工业风险评估中的作用，强调了需要采取强有力的应对措施。
山体滑坡预测模型
如前所述，山体滑坡是由地质、气象和人为因素之间的复杂相互作用引起的。基于物理原理的模型（例如依赖理查兹方程（Richards equation）来模拟土壤水分运动的模型）为理解斜坡不稳定性提供了基础，但需要大量的参数校准（Schilirò等人，2023年；Fredlund等人，1978年；Berardi等人，2005年）。而经验模型，特别是采用机器学习技术的模型，则能够提供数据驱动的洞察。
结果与讨论
为了验证所提出框架的实际能力，研究人员对一个位于易发生山体滑坡区域的液化石油气储存设施进行了技术触发型自然灾害风险的评估。为了预测潜在的事故情景并采取相应的风险缓解措施，关键在于了解自然力量与技术设施之间的相互作用，具体包括：
•不利因素（即山体滑坡）如何影响系统；
•系统（即液化石油气储存设施）在受到这些因素影响时的反应
结论
研究表明，当自然灾害能够被动态预测和量化时，可以显著改变工业风险状况。基于LSTM的模型在分类灾害等级时达到了98.67%的准确率，误分类情况极少（且多为高估，未出现低估）。该模型预测每日山体滑坡风险等级的能力对于动态更新年度初始事件概率至关重要。
未引用的参考文献
(Alsulieman等人，2024年，《山体滑坡易发性指南》；Vairo等人，2022年；Yuan等人，2023年)
CRediT作者贡献声明
汉斯·J·帕斯曼（Hans J. Pasman）：撰写、审稿与编辑、验证、方法论构建、概念化。托马索·维亚罗（Tomaso Vairo）：撰写、审稿与编辑、初稿撰写、验证、软件开发、数据分析。玛格丽塔·佩蒂纳托（Margherita Pettinato）：初稿撰写、数据可视化、调查分析、形式化分析。斯特凡妮亚·马格里（Stefania Magrì）：数据可视化、验证、调查分析、数据整理。布鲁诺·法比亚诺（Bruno Fabiano）：撰写、审稿与编辑、项目监督、方法论构建、概念化。
利益冲突声明
作者声明他们没有已知的财务利益冲突或个人关系可能影响本文的研究工作。通讯作者布鲁诺·法比亚诺是《Process Safety and Environmental Protection》期刊的编辑，但并未参与本文的同行评审过程或期刊的任何处理工作。
致谢
作者感谢意大利热那亚ARPAL机构SATURN部门的工作人员在数据预处理方面提供的帮助。
