基于支持向量机的飞行安全隐患危险性评价

提出了基于支持向量机的飞行安全隐患危险性评价方法,建立了支持向量机模型。并以飞行安全隐患危险性评价的基本要素为输入节点,以评价结果作为输出节点,对空军某部的飞行安全状况进行了评价。结果表明:对于飞行安全隐患危险性评价问题,支持向量机方法较传统神经网络方法精度更高,速度更快,实际应用中也更易于实现。     

基于支持向量机建筑施工安全预警模型的研究

本文针对中国建筑施工企业安全管理现状,以企业预警管理论和现代施工安全管理理论为指导,结合建筑安全施工的实践与经验,建立基于支持向量机的安全预警模型,构建具有自我调节、自我适应能力的建筑施工安全预警管理体系。根据建筑施工现场的调查,经过分析,应用支持向量机预警模型进行预警研究,通过预警的结果,分析建筑施工现场的安全程度。这为建筑施工现场减少事故的发生提供了一定的参考。     

基于多分类GA-SVM的装配式建筑吊装作业安全预警分析

吊装作业是装配式建筑施工极为重要的一环，其在施工过程中的安全问题不容忽视。为了对装配式建筑吊装作业安全预警进行研究，以“4M”理论为出发点，提出一种基于GA-SVM的吊装作业安全预警模型，将遗传算法与支持向量机融合，提升模型的分类准确率。将支持向量机的二分类问题拓展到四分类问题上，并以实际工程案例加以验证。结果表明：通过GA与SVM结合建立的模型精度较好，实验预测结果与实际结果较为吻合，可以为装配式建筑施工的安全管理提供可靠的决策支持。     

多类支持向量机在煤矿安全评价中的应用研究

针对矿井子系统诸多、环境复杂、影响因素多变和在现实条件下难以获得大量煤矿样本的情况,提出将对非线性、小样本问题有较高处理能力的支持向量机理论引入到机制评价中,并在归纳了支持向量分类机从一对多到一对一再到决策树模式的多渠道多层次分类原理基础上,建立了基于多分类支持向量机原理的煤矿安全多层次评价模型,同时通过提取影响煤矿安全因素的特征参数,引人类权重因子和样本权重因子,较好地解决了训练样本类别数量不平衡、数据干扰导致的错分问题,实现了对煤矿安全较高准确率和较高效率的评价.     

基于GA-SVM的施工人员安全行为影响因素及决策模型研究

导致施工人员不安全行为的因素众多,如何保证员工进行安全施工是施工企业亟待解决的问题。为分析施工人员安全行为的影响因素及作用机理,从社会资本理论、认知心理学理论和安全行为理论分析了安全行为的影响因素,并设计了相关调查问卷。在进行仿真分析前,采用遗传算法优化计算的方法筛选出了13个关键影响因素,降低了自变量之间的相关性,之后利用支持向量机(SVM)的方法对决策模型进行了仿真分析,并与BP神经网络模型做了对比。仿真结果表明:基于筛选出的关键影响因素的SVM仿真模型的精度和有效性大于BP神经网络模型,模型精度为0.00887,相关系数为88.4%,说明影响因素与安全行为之间具有较好的拟合关系。研究结论为企业衡量员工安全行为水平,提高员工安全行为能力和企业安全管理能力提供理论支持。     

灰色支持向量机在瓦斯流量预测中的应用

在分析了灰色预测方法和支持向量机各自的优缺点基础上,提出了将二者相结合的一种新的预测模型灰色支持向量机瓦斯流量预测模型.新模型发挥了灰色预测方法中"累加生成"的优点,弱化了原始序列中随机扰动因素的影响,增强了数据的规律性,同时避免了灰色预测方法及模型存在的理论缺陷,工程实例表明,所提出的瓦斯流量测模型较传统的GM(1,1)模型、支持向量机模型精度都有所提高,为瓦斯流量预测提供了一种新的方法.     

混合液体火灾爆炸危险性——闪点预测与实验研究

支持向量机应用核函数技术,已经成为当前国际上一个研究的热点,由于支持向量机具有良好的理论基础和泛化性能,可将其引入到混合液体闪点预测的研究之中,以期建立准确、高效的预测模型。本文建立了一个基于支持向量机的理论模型,用于预测二元互溶混合液体的闪点。根据所研究混合液体的物理性质,选择了纯物质的粘度、表面张力、配比、燃烧下限等物理参数来表征闪点,以这些参数作为输入参数,二元混合液体的闪点作为输出值,应用支持向量机方法对两者之间的内在定量关系进行模拟。结果表明,闪点预测值与实验值符合良好。本方法的提出为工程上提出了一种预测二元互溶液体闪点的有效方法,可应用于评估混合溶液的火灾爆炸危害性及本质较安全设计。     

基于熵值法和支持向量机的煤矿应急救援能力评价模型

为增强煤矿应急救援能力,提高评价的精度,弥补单一评价方法的缺陷,构建了基于熵值法和支持向量机的煤矿应急救援能力评价模型。根据各评价指标数据所提供的信息量,运用熵值法设定指标权重,进一步将指标权重定量化、客观化;同时鉴于煤矿应急救援能力评价数据难收集、影响因素复杂多变的状况,结合具有处理非线性、小样本数据问题的支持向量机进行评价,保证了评价结果的准确性。实证分析表明,该模型的评价结果与煤矿实际应急救援能力非常接近,可用于实际的煤矿应急救援能力评价。     

基于相关向量机的飞行安全评价方法

飞行安全评价有利于预防和减小飞行事故,改善飞行安全管理水平,提高飞行安全决策的合理性和科学性。为提高飞行系统的安全性,提出了基于相关向量机的飞行安全评价方法。首先,引入了贝叶斯框架下学习的相关向量机,并介绍了其基本原理和建模过程,然后,基于系统观点,结合飞行安全的实际情况,从人、装备、环境和管理四方面,确定了影响飞行系统安全的基本要素,建立飞行安全评价指标体系,最后,在飞行安全评价指标体系基础上,构建飞行安全的相关向量机评价模型,它的优点在于,无需分析系统内部诸多因素的关系,并能够自适应调整飞行安全影响要素的权重。实例表明:对于飞行安全评价问题,相关向量机方法构造新颖,应用简便,评价结果也更能反映飞行安全的实际情况。     

煤矿本质安全管理综合评价的GA-SVC模型及应用

为评价煤矿本质安全管理水平,根据煤矿本质安全管理的内涵,构建了综合评价指标体系。针对以往评价方法主观设置指标权重的缺陷,采用支持向量分类算法对煤矿本质安全管理进行评价。鉴于遗传算法全局搜索最优解的特点,将遗传算法用于获取支持向量分类参数的最优值,建立了煤矿本质安全管理评价的遗传-支持向量分类模型(GA-SVC)。根据以往煤矿本质安全管理评价资料,构建了学习样本。测试结果表明,基于GA-SVC模型的评价方法精度较高,具有较强的泛化能力,且无需人为设置指标权重,避免了人的主观因素对评价结果的影响,能够更客观、准确地得出评价结果。     

AHP与GA-SVM耦合模型在滑坡预警中的应用*

为了减少滑坡造成的损失，提高滑坡预测的准确性，通过搭建灾害模拟平台获得滑坡的实验数据，在获得多组模拟实验数据后，分析各变量的特性。首先，通过层次分析(Analytic Hierarchy Process，AHP)算法，对滑坡进行危险度划分；然后，通过支持向量机(Support Vector Machine，SVM)建立模型，遗传算法(Genetic Algorithm,GA)再优化SVM参数，提出1种层次分析法与GA-SVM相耦合的模型。研究结果表明:AHP方法划分后的数据，通过GA与SVM结合建立的模型精度较好，实验预测结果与实际结果较为吻合，与单一SVM相比，精度更高，结果更好，更加适用于多变量的复杂非线性滑坡预警。     

基于随机森林的突发事件分级模型研究

突发事件的分级是快速响应和有效应对的基础，为了解决目前突发事件分级宽泛、主观性强和动态适应性弱等问题，将多分类器集成引入突发事件的分级过程中，借助随机森林组合分类器，针对突发事件特征，构建突发事件分级的随机森林模型，形成突发事件分级过程，进而对事前的应急预案制定、事中的应急资源配置和应急决策提供有力支撑；最后，以2014-2016年洪涝灾害突发事件为例检验构建的模型和过程。研究结果表明:与支持向量机方法相比，通过检验随机森林组合分类器分类结果准确率达到97.56%，在突发事件分级的应用上是可行的，进而可为突发事件的快速响应和应急决策提供信息支撑和参考依据。     

基于反赋权与MBCT-SR多维云模型算法岩爆预测研究

基于岩爆事故的模糊性与随机性特征,为解决在当前岩爆烈度等级预测研究中,通过正向云发生器经验式计算多维云模型特征值进而导致预测结果主观性较强的问题.本文选取应力比Ts=σθ/σt、岩石脆性指数B=σc/σt以及弹性应变储能指数Wet作为评价指标,结合机器学习理论,采用多维逆向MBCT-SR云发生器算法对岩爆等级进行预测,...     

基于Hankel-DMD的城市交通事故风险时空预测*

为解决城市交通事故风险时空分布预测任务中时空关联性捕捉困难的问题,提出基于动态模态分解（DMD）的城市交通事故分析时空预测模型,模型利用总最小二乘法去除交通事故数据中的噪声,应用结合Hankel矩阵的动态模态分解模型（Hankel-DMD）捕捉交通事故风险的时空关联性,对交通事故风险的时空分布进行预测。研究结果表明:DMD框架能够为高维预测任务提供低秩解决方案,从高维数据中捕捉时空关联性;Hankel-DMD模型在预测评价指标平均绝对误差和均方根误差方面的表现明显优于统计学及机器学习等方法;Hankel-DMD模型产生的动态模态和特征值,对事故风险系统的时空动态特征具有一定的可解释性,同时验证Hankel-DMD模型的适用性。     

基于虚拟力的危化品仓储堆垛定位校正算法

超宽带定位技术作为一种室内高精度定位技术是解决危化品仓库堆垛贮存状态安全监测的有效方法，但在仓库非视距环境中，存在定位精度不足的问题，无法满足堆垛“五距”安全的监管要求。针对此问题，从UWB信号的信道模型和定位精度影响因素出发，利用高斯滤波消除了参考点在定位过程中由于系统和环境带来的随机误差影响，建立了参考点误差矢量库，并提出了一种虚拟力校正算法，利用建立的矢量库来对待测标签进行矢量补偿，达到提高定位精度的目的。实验表明，该方法可以提高危化品仓储堆垛定位精度，适用于监测危化品仓储状态。     

基于链式多重插补的WOA-ELM煤与瓦斯突出预测模型*

为了提高缺失数据下煤与瓦斯突出预测准确率,提出1种基于链式支持向量机多重插补（MICE_SVM）的鲸鱼优化算法（WOA）-极限学习机（ELM）预测模型,以淮南朱集矿区为例,选取5个煤与瓦斯突出影响指标作为模型特征,采用提出的MICE_SVM算法插补突出事故数据中缺失值,利用WOA优选ELM输入层权值及隐含层阈值,构建煤与瓦斯突出预测模型,将插补后数据用于WOA-ELM模型的训练与测试,并与其他模型的预测效果对比。研究结果表明:MICE_SVM插补前、后的有突出数据预测准确率分别为83.02%,90.41%,MICE_SVM显著提高了有突出预测准确率,对无突出和整体的预测准确率提高不明显;数据插补后WOA优化ELM对无突出、有突出和整体的预测准确率分别为97.94%,96.25%,96.48%,较优化前分别提高了5.79%,5.84%,5.55%,数据插补后WOA-ELM为最佳预测模型。     

建筑施工高处吊篮作业安全防护预警模型研究

为提升高处吊篮作业的安全防护水平,为建筑施工安全防护预警模型研究提供理论支持,针对安全防护不足和缺位对高处吊篮作业的不利影响,建立高处吊篮作业安全防护预警指标体系。通过对作业人员的筛选,作业信息采集及数据化处理,构建基于SVM（支持向量机）的高处吊篮作业安全防护预警模型。最后,通过对历史样本数据仿真模拟验证模型的适用性和可行性。研究结果表明:建筑施工高处吊篮作业安全防护预警模型的仿真模拟结果与实际结果相比较为吻合,从安全防护审批、个体防护用品、安全防护设施、安全防护标识、心理生理防护及作业条件防护6个方面进行分析构建的安全防护预警模型可为高处吊篮作业提供预警支持,并可作为建筑企业安全管理系统的一部分,推广至其他特种作业领域。     

基于梅尔倒谱系数的矿山复杂微震信号自动识别分类方法

为了实现矿山复杂微震信号的自动高效识别与分类，保证后续微震分析的时效性和准确性，运用梅尔倒谱系数法，将原始的4种微震信号(岩体破裂、爆破振动、电磁干扰和钻机凿岩)转化为梅尔标度上的非线性频谱，再转换到倒谱域上，结合其在时域上的差分得到1组24维的特征参数向量，利用这些特征参数向量训练构建各类事件对应的混合高斯隐马尔可夫识别模型，进而实现对微震信号的自动识别分类。研究结果表明:运用基于梅尔倒谱系数的微震信号识别分类方法对矿山实际微震数据进行测试，微震事件的识别分类准确率达到92.46%，具有较高的准确性，为实现微震监测系统的实时性分析提供了技术支持。     

基于BP神经网络和SVR的Fund?o尾矿坝排水数据预测对比研究

针对尾矿库运行过程中安全预警问题,选取2015年巴西Samarco铁矿溃坝事故案例,研究BP神经网络和SVR方法在排水数据预测的适用性。综合分析了排水数据的复杂且非线性的特点,以库水位、降雨量和干滩长度为输入特征,采用上述2个模型对尾矿坝排水数据进行预测。研究结果表明:基于BP神经网络预测结果的最大相对误差不高于4.35%;基于SVR算法的最大相对误差不高于9.21%;Fundo坝的排水预测结果是可行的,BP神经网络的预测精度更高,而SVR模型的运算速度更快。研究结果可为矿山安全工作的快速响应和溃坝预警提供信息支撑和参考依据。