一种整合自然语言处理与结构因果建模的事故因果分析方法：来自中国化学事故报告的证据

《Process Safety and Environmental Protection》：An Accident Causation Analysis Method Integrating Natural Language Processing with Structural Causal Modelling: Evidence from Chinese Chemical Accident Reports

　　摘要
事故报告是事故原因研究的重要数据来源，但现有研究要么依赖文本挖掘来识别因素和关联关系而不量化因果关系，要么应用基于手动预定义变量的因果方法，而这些变量难以扩展到大规模文本数据集。为解决这一差距，本文开发了一个将自然语言处理与结构因果建模相结合的分析框架。利用2015年至2025年间中国政府公开发布的2,102份化学事故调查报告，我们通过实体识别和语义聚类确定了12个因果主题，并构建了一个事故-主题连续强度矩阵。基于结构因果模型，我们进一步识别、量化并评估了这些主题之间的交互路径和基于比较模型的情景响应。结果表明，从“安全教育不足”到“监督和管理不善”的路径最为显著（β = 0.479）。基于比较模型的情景分析进一步表明，不安全操作的模型响应对监督和管理不善最为敏感（β = 0.242），而防护措施不足的模型响应对安全教育不足最为敏感（β = 0.271）。该框架能够对事故报告文本进行结构化的因果分析，并支持差异化的过程安全审查。

引言
化学生产涉及危险材料和苛刻的操作条件，包括高温、高压、易燃性、爆炸性、毒性和强烈的化学反应性。在本研究中，化学事故不仅被视为火灾、爆炸、有毒物质泄漏、人员伤亡或经济损失的最终结果，更被理解为一个过程安全事件，在该事件中，材料、设备、操作或管理的偏差未能及时被发现、纠正或控制，导致危险物质或能量的失控或异常释放（Kleindorfer等，2003；Mannan等，2016）。这种观点与事故原因模型从单一故障解释向涉及技术、操作、管理和组织因素的系统解释的演变是一致的（Fu等，2020；Niu等，2024a；Wen等，2024）。事故调查报告以相对系统的方式反映了这一过程，记录了事故序列、异常情况、失效或缺失的屏障、直接和间接原因以及管理缺陷。因此，它们为识别历史事故中重复出现的因果模式提供了重要的实证基础。

在此传统基础上，近期研究试图通过将事故理论与调查报告中的证据联系起来，使事故原因分析更加数据驱动和定量化。文本挖掘和案例挖掘已被用于识别事故原因因素和主题（Wang等，2024；Xie等，2022），而关联规则和贝叶斯网络被应用于分析促成因素之间的依赖性和风险传输关系（Kaptan和Bayazit，2024；Li等，2022；Yuan等，2025）。事故报告分析还结合了半监督关键词提取和主题建模（Ahadh等，2021）、基于事故原因理论的BERT文本分类（Jia等，2024），以及将文本事件信息转换为定量风险评估的结构化输入的自然语言处理（Kamil等，2023）。这些发展表明，大量的事故报告可以支持自动化因素识别和定量事故分析。

然而，大多数现有的基于文本的方法主要描述了从词频、共现、语义相似性、分类结果或条件依赖性得出的统计关联。这些结果有助于识别重复出现的因素及其关联，但它们本身并不能确立因果方向或量化在一个因素变化如何在因果模型下传递到其他因素（Niu等，2023）。相反，对历史事故的因果分析通常需要预定义的结构化变量，这些变量往往在可以进行因果建模之前就已被手动分类或编码。由此产生的方法论差距不仅在于将因果算法应用于事故数据，还在于从大规模非结构化的事故叙述中构建具有语义意义和定量可比性的变量。这个问题反映了关联与因果之间的根本区别。因果推断提供了正式工具，包括结构因果模型，用于在明确假设下表示方向性关系并检验干预或反事实问题（Pearl，2009）。在安全研究中，因果推断已被引入以改进研究设计和解释（Niu等，2023），量化工业事故后果的因果贡献者（Okki等，2024），并形式化事故建模中的因果关系（Wen等，2024）。然而，因果分析需要具有明确含义的变量、可比较的测量方法以及关于它们关系的可辩护的假设（Niu等，2024a；Pearl，2009）。事故调查报告不能直接满足这些要求，因为它们的因果信息嵌入在异构的、依赖上下文的自然语言描述中。因此，将事故报告文本转换为适合后续因果建模的可解释变量成为一个关键的中间步骤。

这种转换还需要在文本处理过程中保留事故背景。基于词典的匹配和预定义的分类系统是可解释的，但具体的操作表述（如缺少热工作批准或在密闭空间作业前未进行气体检测）可能会被简化为孤立标签（如热工作或气体检测）。基于预训练语言模型的命名实体识别可以保留更完整的因果表达及其上下文信息（Jia等，2024；Pan等，2025）。基于语义向量的密度聚类可以在不依赖词频统计的情况下聚合不同表达但语义相关的因果实体（Campello等，2013；Egger和Yu，2022）。这些成熟的自然语言处理技术在本研究中作为文本到变量构建过程的组成部分使用，而不是作为独立的算法创新。在此基础上，可以量化每个事故报告中每个因果主题的表达，形成一个事故-主题强度矩阵。与先前用于事故数据的手动编码二进制变量相比，连续文本派生的变量保留了个别报告中包含的语义证据的更多变化，同时支持大规模自动化处理（Niu等，2024b）。

基于这些考虑，本研究使用了2015年至2025年间在中国公开发布的2,102份化学事故调查报告，开发了一个将自然语言处理与结构因果建模相结合的事故原因分析框架。该框架使用BERT-BiLSTM-CRF提取因果实体，利用预训练的语义表示和HDBSCAN将语义相关的实体分为12个因果主题，并构建了一个连续的事故-主题强度矩阵。然后使用FCI-KCI进行因果结构发现，同时应用结构方程建模来估计标准化路径系数并在线性近似下比较相对路径强度。进一步使用基于比较模型的情景分析来检验指定模型内的下游响应，而不是估计真实世界安全干预的直接效果。通过这种方式，该框架提供了一种补充的数据驱动方法，用于从历史事故叙述中提取可重用的因果信息，并支持过程安全审查，而不是替代过程危害分析、HAZOP、LOPA、基于风险的检查或专家事故调查。

本研究的主要贡献如下：首先，本研究没有提出新的命名实体识别（NER）或聚类算法，而是使用情景化的因果实体短语作为事故原因分析的基本文本单元，从而保留了可能通过词典匹配或孤立关键词统计丢失的操作信息；其次，它构建了一个连续的事故-主题强度矩阵，提供了一种可扩展的文本到变量表示方法，保留了事故报告中因果主题在表达和语义浓度上的差异；第三，该框架将这些文本派生的变量与因果结构发现、基于结构方程的路径估计和基于比较模型的情景分析联系起来，从而将事故报告挖掘从基于关联的模式识别扩展到基于模型的方向路径分析，同时明确保留了与文本派生变量相关的假设和限制。

本文的其余部分组织如下：第2节介绍研究方法和总体框架；第3节展示了因果实体提取、主题聚类和强度矩阵构建的结果；第4节分析了因果结构、路径强度和因果主题之间的基于模型的情景响应；第5节讨论了研究结果、实际意义和方法论限制；第6节总结了本文并提出了未来研究的方向。

总体研究框架
为了解决如何将非结构化事故文本转换为既具有语义解释性又适用于因果推断的结构化变量的核心问题，以便识别和量化事故原因因素之间的因果结构和关键干预路径，本研究开发了一种从非结构化事故调查报告到结构化主题变量，再到基于因果主题路径分析的数据驱动的分析方法。总体工作流程如下：

数据来源和预处理
本研究使用的数据是2015年1月至2025年6月期间由中华人民共和国应急管理部及各省市应急管理部门公开发布的化学生产安全事故调查报告。最初收集了2,102份报告。经过去重、格式清洗和内容完整性筛查后，排除了无法解析的报告、缺乏实质性的事故原因描述的报告或缺失关键信息的报告。

因果网络、推断和基于模型的因果主题场景
基于第3节构建的事故-主题强度矩阵，本节进一步探讨了因果主题之间的因果机制。通过结合FCI-KCI因果发现算法和结构方程建模（SEM），本节旨在回答三个核心问题：因果主题之间存在什么样的因果结构，这种结构内的量化关系有多强，以及模型化的情景响应在不同预防目标之间的差异。

文本派生因果网络的解释
本研究中构建的因果网络表明，化学事故的因果主题并非独立或平行的因素。相反，它们形成了一个从上游的组织和管理主题（如安全教育、风险识别和监督）到下游与工作行为、防护措施、结构故障和能量释放相关的主题的渐进结构。这种模式与将事故视为技术、操作、管理和组织因素相互作用的结果的观点是一致的。

结论
本研究提出了一种结合自然语言处理和因果推断的化学事故原因分析方法。基于2,102份中国化学事故调查报告，从事故叙述中提取了因果实体，通过语义密度聚类形成了12个因果主题，并构建了一个事故-主题连续强度矩阵。该矩阵将事故报告中的非结构化文本表达转换为结构化变量。

资助
本研究得到了中国地质大学（北京）大学生创新与创业培训计划[ grant number 202511415027]的支持。

作者贡献声明
Zuhan Deng：软件、数据整理；Yunxiao Fan：监督、项目管理、方法论、资金获取、概念化；Yichen Guo：撰写——原始草稿、可视化、正式分析；Haoyan Xia：撰写——审阅与编辑、概念化。

利益冲突声明
作者声明没有已知的竞争性财务利益或个人关系可能影响本文所报告的工作。

致谢
作者感谢所有在准备本手稿过程中提供有益评论和建议的人士。

Yichen Guo | Haoyan Xia | Zhuhan Deng | Yunxiao Fan