基于铀尾矿库核素监测的WSN粒子群优化路由算法

为提高铀尾矿库无线传感器网络(WSN)现有路由算法的网络寿命,提出一种基于铀尾矿库核素监测的WSN粒子群优化路由算法(EBPSO)。首先,在簇头(CH)选举阶段,考虑传感器节点的能量、簇内节点距离、CH到基站的距离等参数,利用粒子群优化(PSO)算法选出最合理的CH,并将筛选出来的CH节点应用于铀尾矿库核素监测组建WSN;其次,在数据传输阶段,提出转发节点的选择方法;然后,用能量阈值重分簇方案来减少能量消耗;最后,对比基于PSO优化模糊C均值的分簇路由算法(POFCA)、低功耗自适应分簇(LEACH)以及高效非均匀分簇算法(EEUC)性能。结果表明：在网络生命周期上,EBPSO算法比POFCA、LEACH、EEUC分别提升1.7%、24.7%、9.2%。EBPSO算法能够延长网络生命周期,适用于铀尾矿库核素监测应用场景。     

基于网络分区和路径能耗的深井无线传感器网络多簇首路由算法

为解决深部矿井无线传感器网络因节点能量受限导致网络生存时间短及由多跳传输引起的“热区”问题,提出1种以分区结构和能量多路径为基础的带状无线传感器网络多簇首路由算法(NPPEC)。算法采用跳数泛洪方式建立带状网络分区结构,将节点分布密度加入主簇首竞选机制中,通过主簇首和副簇首的分工配合,使簇首能量更均衡地消耗;依据路径能耗、节点当前能量及位置计算路径选择概率,并通过控制跳数改善数据传输的实时性。经仿真比较,NPPEC算法网络生存时间约为LEACH算法的1.807 2倍、HEED-EELD算法的1.198 4倍,同时也有效改善了网络“热区”问题,为深部矿井无线传感器网络的构建提供1种更有效的解决方案。     

基于铀尾矿库核素污染监测WSN分簇路由协议

用WSN对铀尾矿库核素污染监测优于传统有线布置,为解决无线传输路由能耗的问题,提出了一种基于蚁群算法的前向传输分簇路由协议。该协议以分簇的方式来减少数据发送量与寻优开销,在下一跳接收节点选择阶段,以前向传输区域为切入点,利用优化的蚁群算法进行多路径搜索最后选出满足条件的最优路径。仿真实验表明,CFTA协议的网络生存周期有效延长,并减小了能耗。     

中国安科院参与的国家863重点课题“危化品生产储存使用安全监测系统开发及应用示范”试点项目开始现场施工工作

2008年6月29日，863重点项目“危化品生产储存使用安全监测系统开发及应用示范”课题参加单位中国安全生产科学研究院、北京东方泰坦科技公司、中科院上海微系统所的相关技术人员赴大连光明特种气体有限公司进行安全监测系统现场施工和调试工作。此安全监测系统采用中科院上海微系统所研制的无线传感网络WSN（Wireless Sensor Network）完成各传感器信息的采集和发送，由中心节点对信息进行汇总，并发送给监控主机。     

无线传感器网络基于分簇路由的火灾探测

无线传感器网络节点能量消耗是其路由协议设计的重要目标.分簇式的拓扑结构使网络中的节点相对均衡地消耗能量,显著地延长整个网络的生存时间.在大范围的防火区域中安放传感器节点,通过具有明确位置信息的节点采集并向簇头传送,可有效地发现及控制火灾.     

提高GPS定位精度的群调度滤波算法*

为解决现行安全生产科技领域中全球定位系统（GPS）/惯性导航系统（INS）融合系统容易产生较大时变误差的关键问题，满足GPS定位信号的精度和信号数据处理时间的要求，提出1种群调度滤波算法，通过实验仿真，分别与模糊算法、机器学习算法及卡尔曼滤波网络算法进行比较研究。结果表明:群调度滤波算法兼顾了定位精度与数据处理时间，具有较大优势，可在航空安全、船舶安全、应急监测、灾后抢险等安全科技领域广泛应用。     

基于多周期的危险品多式联运路径优化研究

为了更有效地规划危险品运输路线，研究了由多个路径期组成的危险品公铁联运网络扩张问题。以总成本和风险最低为目标，建立混合整数概率鲁棒模型，利用模拟退火算法对模型进行求解，并将多周期动态规划方法与单周期方法进行对比，分析了多周期动态规划方法对危险品联运网络以及路径决策的影响。研究结果表明:规划危险品的运输路线时，采用多周期的公铁联运网络，总运输成本明显优于单周期规划方法。     

基于粒子群优化和巷道分区的深井WSN定位算法

针对现有深部矿井中人员定位精度不足问题,提出一种基于粒子群优化(PSO)及巷道分区的深井无线传感器网络(WSN)定位算法(PTWL)。将直型巷道里相邻锚节点之间的区域等分,利用信号强度等级对所划分的区域进行标记,以巷道中未知节点接收到的信号强度确定其大致区域,采用PSO算法对未知节点的最大概率坐标进行运算,实现精确定位;通过仿真试验对比PTWL与信号强度指示(RSSI)、信号强度分区(RSSP)算法的优劣。结果表明:PTWL算法比经典RSSI算法和RSSP算法定位精度更高。     

基于UKF的深井监测移动节点定位算法

针对线性系统理论的监测定位技术误差较大且又无法实时监测深井人员及移动设备的位置问题,提出一种基于非线性函数不敏卡尔曼滤波（UKF）移动节点定位算法（U-MPA）。在建立U-MPA监测系统及巷道模型的基础上,采用UKF方法对RSSI滤波测距,通过局部坐标系,实现对移动节点实时定位监测;同时,通过改变锚节点间距密度,实现不同定位精度要求。仿真实验表明:U-MPA算法相比RSSI算法定位误差有明显减小,U-MPA算法的平均定位偏差为RSSI算法的44%。     

货运网络风险决策的变分不等式模型及算法

以往的货运网络均衡研究注重参与者之间的利润均衡,缺少对运输安全风险因子规律的分析.针对这一问题,考虑运输安全风险成本,对托运人、承运人和运输管理者3个参与者的运营收益进行分析,提出了道路货运网络均衡的变分不等式模型,通过变步长投影算法完成优化模型的求解和验证.最后,通过使用模拟数据集揭示道路货运安全风险发生的主要规律.结果表明,该方法能有效找到运输网络利润与安全风险的均衡点.     

基于GA与最长路径并联通路法优化通风网络图绘制

针对矿井通风网络图分支交叉的问题,基于最长路径对网络图节点分层,以遗传算法优化节点排序,主要采用堆积木的组合思想来进行层间交叉与层内交叉操作,提高层次图的质量（减少分支交叉数）,并以重心定位启发式算法来增强遗传算法的局部搜索能力,提高遗传算法的搜索质量。最后,以改进的最长路径并联通路法绘制出较优的通风网络图。     

基于遗传神经网络的入侵检测研究

入侵检测技术是计算机网络信息安全检测的重要手段之一,入侵检测作为一种动态的安全防护技术,提供了对内部攻击、外部攻击和误操作的实时保护,在网络系统受到危害之前拦截和响应入侵。对计算机网络数据进行特征提取,提出了采用遗传算法和神经网络相结合入侵检测技术。遗传算法具有计算简单、优化效果好的特点。利用遗传算法来避免BP算法的局部极小点,从而达到均方根误差全局最小点,也解决了BP算法的收敛慢的问题;同时也解决了单独利用GA往往不能在短时间内寻找到接近最优解的这一问题。通过计算机实验验证了入侵检测的效果,提高了识别率,使得误报率和漏报率降低。     

Long-term prediction model of rockburst in underground openings using heuristic algorithms and support vector machines

Rockburst possibility prediction is an important activity in many underground openings design and construction as well as mining production. Due to the complex features of rockburst hazard assessment systems, such as multivariables, strong coupling and strong interference, this study employs support vector machines (SVMs) for the determination of classification of long-term rockburst for underground openings. SVMs is firmly based on the theory of statistical learning algorithms, uses classification technique by introducing radial basis function (RBF) kernel function. The inputs of models are buried depth H, rocks’ maximum tangential stress σ_θ, rocks’ uniaxial compressive strength σ_c, rocks’ uniaxial tensile strength σ_t, stress coefficient σ_θ/σ_c, rock brittleness coefficient σ_c/σ_t and elastic energy index W_et. In order to improve predictive accuracy and generalization ability, the heuristic algorithms of genetic algorithm (GA) and particle swarm optimization algorithm (PSO) are adopted to automatically determine the optimal hyper-parameters for SVMs. The performance of hybrid models (GA + SVMs = GA-SVMs) and (PSO + SVMs = PSO-SVMs) have been compared with the grid search method of support vector machines (GSM-SVMs) model and the experimental values. It also gives variance of predicted data. A rockburst dataset, which consists of 132 samples, was employed to evaluate the current method for predicting rockburst grade, and the good results of overall success rate were obtained. The results indicated that the heuristic algorithms of GA and PSO can speed up SVMs parameter optimization search, the proposed method is robust model and might hold a high potential to become a useful tool in rockburst prediction research.     

基于遗传-蚁群算法的单层建筑火灾疏散路径规划研究

为解决如何快速、有效地找出单层建筑火灾最佳疏散路径问题，分析火灾发生时可能影响人员逃生及最佳路径生成的因素。提出基于遗传-蚁群算法求解火灾时期人员疏散路径。运用遗传算法的快速全局搜索能力，对蚁群算法初期所需要的信息素进行快速处理；利用蚁群算法的正反馈机制，快速找出可行路径，缩短搜索时间；并运用Matlab软件对其进行仿真。结果表明:遗传-蚁群算法所求得的路径生成质量有明显提高，并缩短路径生成时间，有助于提高人员逃生效率，降低人员伤亡率。     

基于改进PPC模型的铁路弃渣场综合风险评价系统

为了客观准确地评估铁路弃渣场的综合风险,建立基于改进投影寻踪聚类（PPC）模型的风险评价模型。首先建立了6个维度共19个因素的指标体系,并制定相应评价标准;然后借鉴K均值聚类思想来确定PPC模型关键系数-密度窗宽R,以解决传统方法造成的聚类效果差等问题;同时将遗传算法（GA）作为模型优化算法得到最优投影方向和样本投影值等关键数据;最后以贵昆线铁路的10座弃渣场作为案例研究,研究结果表明:“弃渣场边坡条件”和“地形与地基条件”2个维度对弃渣场的综合风险影响最大;验证了所建模型的科学性,评价结果能够规避人为主观因素的干扰,更加与实际情况相贴合。     

基于QPSO-RBF的瓦斯涌出量预测模型

为了提高径向基(RBF)网络预测瓦斯涌出量的泛化能力,提出QPSO-RBF模型。该模型采用量子粒子群(QPSO)算法优化RBF网络隐层基函数中心、扩展系数以及输出权等初始参数,将网络参数编码为QPSO学习算法中的粒子个体,在全局空间中搜索最优适应值参数。其中,RBF网络选取5-3-1的精简结构,采用5个变量作为影响因子预测瓦斯涌出量。结果表明,经QPSO优化后的RBF网络模型预测结果稳定且唯一,其泛化指标平均相对变动值(ARV)为0.012 2。与PSO-RBF、RBF模型预测结果比较,QPSO-RBF模型的泛化能力和网络训练速度优于前2种;预测精度约为PSO-RBF模型的1.5倍、RBF模型的4倍。     

基于GASA-BP神经网络的煤层瓦斯含量预测方法研究*

为提高煤层瓦斯含量预测的精准度和效率,提出1种利用遗传算法（GA）和模拟退火算法(SA)混合初始化BP神经网络（BPNN）的瓦斯含量预测新模型（GASA-BPNN模型）。利用灰色关联分析法（GRA）筛选瓦斯含量主控因素并作为GASA-BPNN预测模型的输入。为解决BPNN收敛速度慢和易陷入局部极小陷阱的问题,将GA和具有时变概率突跳性的SA整合为GASA算法协同初始化BPNN的权值和阈值,有效地提高BPNN的参数学习能力。将该模型应用于煤炭生产现场,结果表明:BPNN模型、GA-BPNN模型和GASA-BPNN模型瓦斯含量预测总平均相对误差分别为15.79%,9.03%,5.56%。相比BPNN模型和GA-BPNN模型,GASA-BPNN模型对样本的泛化能力更强,参数训练速度最快并且预测精准度最高。     

供水管网震后流量监测点的动态分级优化布局研究

为了提高管网地震监测点布局的准确性和合理性，基于管网微观水力计算模型和动态分级法，提出供水管网震后流量监测点的动态分级优化布局模型。首先，利用管网微观水力计算模型计算管段流量的影响系数，构建管段的影响系数矩阵，并利用信息熵确定管段权重；其次，标准化处理影响系数矩阵，通过聚类迭代提出供水管网地震流量监测点优化布局的动态分级方法，对供水管网震后流量监测点进行优化布置分级评定；最后，根据工程实例进行方法实践，结果表明:供水管网中的管线分类较为科学合理，地震监测点在供水管网上分布也比较均匀，而且该模型在一定程度上消除了人为因素的影响，保障了震时管网的监控效果和日常建设的合理性。