近年来,我国化工产业蓬勃发展,安全生产水平稳步提升,但仍面临众多安全隐患。重大危险源系统的生产、储存是化工园区主要的安全隐患。为了提高化工园区重大危险源的安全监管水平,迫切需要相关技术完成对潜在风险的监管与预防。传统的定量风险分析方法基于静态的评价指标,无法对动态变化的危险源系统实现动态预测预警。因此,本文提出了一种动态定量风险分析方法,将重大危险源的预测与评估融合为一个整体,为化工园区动态风险评估提供了一种解决思路。具体研究工作如下:(1)传统的化工园区危险源定量风险分析方法,在事故情景建模和风险量化方面具有广泛的应用,但其静态结构无法对运行过程中的风险变化进行建模,并且无法实现事故隐患的预测。本文通过融合相关性分析、预测和动态评估技术将传统静态评价体系转变为动态定量评价体系,通过关键参数的定性、定量相关性分析,完成关键参数的动态预测模型,构建危险源系统的模糊综合评价体系,实现一种面向化工园区重大危险源的动态定量风险评估方法。(2)化工园区危险源系统中存在众多敏感的关键工业参数,如液位、压力、温度。这些关键参数的异常波动会引起整个危险源系统危险程度的变化,为实时监测关键参数的异常变化及趋势,及早发现事故征兆,需要实现对关键参数的预测。因化工流程工业具有大时滞等特点,在关键工业参数发生异常之前,一些工业参数可能会预先发生异常波动,这些工业参数与危险源的关键工业参数构成了强相关性。利用本文提出的融合互信息的可视化相关性分析方法可以实现对关键参数强相关性变量的筛选,从而将关键参数的自回归预测方法转化为利用强相关性变量预测关键参数的方法。(3)对化工园区危险源系统关键参数进行预测时,传统的预测方法没有考虑化工流程工业的时滞现象,难以实现对数据突变的预测。并且传统回归分析方法的静态结构无法对运行过程中的风险变化进行建模,从而造成预测性能的降低。因此,本文考虑一种结合时滞分析的动态递归神经网络预测方法,通过消除时滞影响,使关键参数与强相关性变量处于同一时间线,进而提高了预测精确度。最终,结合关键参数预测结果与考虑衰减生成算法构建了二级模糊综合评价体系,实现了化工园区重大危险源的实时风险预测与评估。