基于SVM的居家老人跌倒预测方法研究

为减少老年人跌倒事件,在实验室采集54位老年人行进过程中的运动学数据;着眼于胸椎、膝盖、肩胛骨、骨盆等4个位置,以关节点在矢状面、冠状面、横断面的平均位移作为特征维度构建预测模型,应用支持向量机(SVM)算法对易跌倒老人进行识别预测;并通过数据对比,得到可以实现较高预测精度的最小维度。结果表明:通过粒子群算法(PSO)和基因算法(GA)优化SVM参数后,模型预测精度为87. 5%;通过骨盆位置建立的3个维度可以达到同样的预测精度。     

人工智能技术在矿工不安全行为识别中的融合应用

为有效识别矿工不安全行为,预防煤矿安全事故,提出融合深度学习的计算机视觉、表示深度信息的深度图像、可穿戴传感器等人工智能识别技术的方法。基于以上3种方法在人体行为识别上的应用特点,运用主成分分析法(PCA)将3种识别技术提取的行为特征降维融合,通过支持向量机(SVM)对融合特征进行分类;以矿工跌倒行为数据为正样本,走路、坐下、弯腰、下蹲、躺下等5种日常行为数据作为负样本,分别利用3种人工智能识别方法以及融合方法对矿工跌倒行为进行识别检验。结果表明:经过融合后的识别方法对矿工跌倒行为的识别效果均高于其他3种人工智能识别方法。     

两种预测模型在煤层瓦斯抽采量预测中的对比分析

本文分别采用灰色GM(1,1)预测模型与灰色马尔科夫预测模型对贵州某矿21124工作面运输巷本煤层瓦斯抽采量进行预测,其中灰色GM(1,1)预测模型的绝对误差为13.33%,灰色马尔科夫预测模型的绝对误差为4.22%;利用残差检验法对以上两种预测模型进行精度检验,其中灰色GM(1,1)预测模型的小误差概率为0.25,均方差比值为1.55,马尔科夫预测模型的小误差概率为0.92,均方差比值为0.46,结合预测精度等级划分,看出后者的预测精度级别更高;灰色马尔科夫预测模型更适合数据波动性较大的煤层瓦斯抽采量预测,与灰色预测模型相比,该法具有预测误差更小、预测精度更高、预测规律更符合实际数据的真实变化趋势等优点。     

北京高龄老年人风险认知调查

为了解高龄老年人居家安全情况,开展北京市100户高龄老年人居家安全风险认知和居家环境评估调查研究。对老年人安全风险认知等方面进行问卷调查,通过建立评分标准和风险矩阵全面评估老年人居家安全水平。结果表明:老年人在防灾意识、跌倒预防和消防安全方面的得分较低;基于老年人风险认知水平和居家环境评估结果,建立居家安全风险矩阵,可得到需重点干预的老年人名单和干预方向。     

数据缺失情况下水淹天然气管道泄漏风险分析

面向数据缺失情况下水淹天然气管道泄漏风险量化分析的需求,提出一种基于贝叶斯网络(BN)和模糊集理论(FST)的概率风险分析方法。首先采用故障树分析(FTA)法分析水淹天然气管道泄漏失效致因,并映射得到相应的BN模型;然后针对基本事件失效概率数据缺失的情况,用专家知识引出概率,替代缺失的统计失效概率;为处理概率引出过程中专家知识的模糊性和主观性导致的不确定性,结合FST与多专家层次分析引出模糊概率,将其作为实际先验概率输入BN模型,进行量化分析。以某复线水淹天然气管道为例,应用所提方法分析其泄漏风险,结果表明:用该方法能够在数据缺失情况下表征并量化泄漏风险,同时BN的正向预测和概率更新能力可用来评估动态风险、识别关键失效因素。     

海洋钻井平台井喷火灾概率动态预测研究

为动态预测海洋钻井平台井喷火灾概率随时间变化过程,首先运用安全屏障模型分析导致井喷火灾事故的主要因素;然后利用系统动力学(SD)仿真软件Vensim建立井喷火灾事故概率预测模型,分析井喷火灾概率随时间的变化趋势;并基于历史数据和仿真模拟数据进行非线性拟合,得到概率预测公式。结果表明:海洋钻井平台井喷火灾发生概率与时间成指数函数关系,在4年时间内,井喷火灾概率从2.41×10-6逐渐增大到3.997×10-6,所推导的概率预测公式预测精度高,适用于实际工作中对井喷火灾发生概率的预测。     

基于改进逻辑回归的电网覆冰故障预测研究

电网覆冰由于湿度、温度、海拔等因素可形成不同的覆冰类型，电网系统故障水平会根据覆冰类型的差异而变化。传统的电网覆冰故障预测多聚焦于覆冰厚度与电网故障的内在联系，忽略了覆冰类型对电网故障的影响作用。为解决这一问题，提出了一种改进的逻辑回归多分类算法，通过将拟合出的回归函数值输入Softmax函数转换为多概率形式实现对覆冰类型的分类，根据数据有无覆冰类型的划分，分别在不同的机器学习算法下对电网覆冰故障进行预测比较。经试验，采用改进逻辑回归算法预测覆冰类型的准确率达88%,电网故障预测的准确率较无覆冰类型下的预测在改进逻辑回归算法、朴素贝叶斯算法(Na6ve Bayes, NB)、K近邻、支持向量机算法(Support Vector Machine, SVM)中分别平均提高了5.3%、21.7%、7%、5.3%,研究表明，改进的逻辑回归算法可以准确预测电网的覆冰类型，提升电网故障预测的准确率。     

考虑随机效应的腐蚀管道贝叶斯退化分析

为提高管道腐蚀退化分析模型的适用性和预测精度,加强管道安全性管理,提出一种通用的基于贝叶斯理论考虑随机效应的逆高斯(IG)过程退化分析方法。根据系统退化随机效应信息,并结合直接处理在线预测数据集的方法,利用贝叶斯方法建立一个简单的IG模型和随机漂移(RD)、随机波动(RV)、随机漂移-波动(RDV)等3个随机效应IG模型。基于相关模型参数产生的后验样本,通过贝叶斯χ2优度检验得到的概率分别为简单IG模型为0. 981 3; RD-IG模型为1. 00; RV-IG模型为0. 925; RDV-IG模型为0. 994 7。案例结果表明:RD-IG模型对数据拟合良好,贝叶斯分析方法在实时监测场景下进行退化预测灵活性强;考虑随机效应的退化分析能提高预测的准确性。     

基于RBF神经网络的火灾报警系统失效概率预测

报警系统失效主要包括漏报、误报,对系统进行失效概率预测,可以帮助判断设备质量优劣,评估系统效能。利用Matlab软件编程,通过神经网络预测失效概率。根据不同场所正在使用的火灾报警器的失效数据作为原始数据,归纳总结失效原因,建立事故树,结合专家打分法与模糊理论得到网络的输入值与输出值。通过网络训练,得到可以对系统失效概率进行预测的RBF神经网络,测算效率大幅提高。以70组不同品牌、用途的火灾报警系统作为算例,通过训练数据,最终达到输入底事件发生概率可直接输出顶事件发生概率的目的。结果表明,RBF神经网络相较于BP网络与事故树算得的失效概率具有更高的拟合度,RBF神经网络模型在进行系统失效概率预测时具有可靠性。     

基于组合预测优化模型的交通事故预测研究

为提高交通事故预测精度,基于熵值法构建UGM(1,1)-Holt组合预测模型,将滑动转移概率思想引入马尔科夫链模型,实现组合预测优化。应用该模型拟合分析2003—2011年湖北省交通事故死亡人数的历史数据,并以2012—2014年数据验证其有效性。通过实例对比UGM(1,1)模型、Holt指数平滑模型、组合预测模型和组合预测优化模型的预测精度。结果表明:相比前3种模型,提出的组合预测优化方法拟合值平均相对误差(MRE)为0.45%,3年预测值MRE为1.25%,能有效获取单一模型优势,预测精度更高。     

贫数据条件下海底电缆故障概率评估方法*

为解决贫数据引起海底电缆失效概率评估的不确定性影响,实施有效的海底电缆故障风险管理,提出1种耦合模糊集理论、层次贝叶斯分析（HBA）和贝叶斯网络的海底电缆失效概率评估方法,识别海底电缆失效致因因素,梳理各因素之间的关联关系,并采用贝叶斯网络(BN)构建海底电缆失效模型;根据数据源特点将电缆失效因素分为数据完全缺失和具有稀少的先兆数据,采用模糊集理论(FST)计算完全没有可用数据的失效致因发生概率,通过HBA估计有稀少数据失效致因的发生概率;以失效致因发生概率为输入,通过贝叶斯网络实现海底电缆失效概率的动态评估。研究结果表明:FST-HBA-BN方法可以解决基本风险因素的数据稀缺问题,量化评估海底电缆失效概率,研究结果可为贫数据条件下的电缆失效风险管理提供支撑。     

内腐蚀海底管道剩余强度的FOA-GRNN模型

为探究内腐蚀海底管道剩余强度,保证管道安全运营,基于管道壁厚、直径,腐蚀深度、长度、宽度和极限抗拉强度等影响因素,提出果蝇优化算法(FOA)优化广义回归神经网络(GRNN)的剩余强度计算方法,应用GRNN构建剩余强度预测模型;采用FOA优化模型,人为设置光滑因子的负面影响;通过有限元模拟生成影响因素和剩余强度数据库,并采用FOA-GRNN模型训练和预测;以巴西国家石油研究中心的极限强度爆破试验数据为例,分析验证预测模型。结果表明:FOAGRNN模型对有限元模拟数据的剩余强度预测平均相对误差(ARE)为16.53%,对试验数据预测ARE为7.81%,预测结果合理、准确。     

煤尘爆炸最大压力随点火延迟时间的时序性分析

为研究煤尘爆炸最大压力随点火延迟时间的变化规律,采用20 L球形爆炸装置进行试验,通过采集不同点火延迟时间下煤尘爆炸最大压力数据,建立最大压力-点火延迟时间的自回归移动平均(ARIMA)时间序列模型。采用差分法消除最大压力数据的上升趋势性。通过计算自相关、偏相关系数与赤池信息量准则(AIC)函数值、贝叶斯信息量准则(BIC)函数值,确定模型自回归、移动平均阶数,并采用最小二乘法估计模型参数。运用模型预测20组不同点火延迟时间下的最大压力。结果表明,用ARIMA时间序列模型预测的最佳点火延迟时间与实测情况基本吻合,同时实现了对最大压力数据波动特征的合理分析。     

硫化矿石堆自燃的灰色预测研究

采用灰色预测模型GM(1,1)对硫化矿石堆的自燃进行预测.根据相同间隔时间的矿石温度,通过灰色计算得出下一个或以后几个时间段的温度,将预测的温度与已有试验数据进行比较;参照硫化矿的发火周期,预测几天后矿石堆的自热状态,从而指导工作人员采取相应的防、灭火措施.实例验证表明,GM(1,1)适用于硫化矿的自燃预测.本研究对矿山安全建设工作具有一定的参考价值.     

基于不确定性理论的防相撞人因CREAM模型

提高人的可靠性,可最大限度降低人为差错发生的概率,改善防相撞工作的安全管理水平。为此,基于认知可靠性和失误分析方法 (CREAM)与不确定性理论建立防相撞人因失效分析模型。首先,采用CREAM扩展法,建立认知需求剖面,评价共同绩效条件,识别失效模式,预测失效概率;然后,在无客观历史数据情况下,基于不确定性理论对专家数据进行处理,修正CREAM得出的失效概率,评估事故中人的可靠性。以管制员为主体的空中相撞事故的实例分析表明,此方法可对防相撞工作中人的可靠性进行定量评估,且过程严谨,操作性强,可信度高;还能够采集和丰富人为因素的基本数据,表明其在防相撞人因失效分析中也有一定可行性和有效性。     

基于马尔科夫蒙特卡罗的管制员警觉概率预测

为分析管制员在工作期间的警觉性变化规律,构建了一种基于马尔科夫蒙特卡罗(MCMC)的警觉性概率预测方法。首先,通过模拟管制员工作环境,利用PVT(Psychomotor Vigilance Test,PVT)获取管制员不同时间段的警觉性值;其次,根据试验数据的结构特点,采用Logistic函数构建警觉性概率预测模型;然后,基于MCMC方法的理论基础,对比M-H抽样与NUTS抽样的结果,选取更适合该模型的抽样方法进行参数估计以获取模型中参数的最优值;最后,通过模型估算特定时刻管制员处于警觉状态的概率,以反映其警觉性状态。结果表明,采用NUTS抽样算法的模型效果更好,管制员警觉与非警觉状态转变的最可能出现时间分别在03:45、06:40、09:05、13:50和15:50。     

基于TRACEr的管制员差错风险量化分析

为准确辨识管制员(ATCO)的人为差错风险,量化预测不同认知领域的差错发生概率,根据认知差错回溯与预测分析(TRACEr)中的认知功能框架定义管制差错类型,分析心理差错机制的致因因素,将其作为根节点建立空中交通管理(ATM)不安全事件的贝叶斯网络;引入加权距离计算网络节点的条件概率,分析我国近10年的空管人误数据,以挖掘差错风险因素。研究结果表明:管制员的人为差错产生于各个认知领域,由此导致的不安全事件发生概率为0.040 7;警觉性失效、未充分学习、忽略危险、沟通误解和信息传输不清晰是主要风险因素,产生判断差错和信息传输差错的概率较大。     

基于优化Bagging-LSSVM模型的冲击地压预测

为准确预测冲击地压危险性,提出一种优化Bagging算法动态集成的最小二乘支持向量机(LSSVM)的预测模型。在设计和优化Bagging-LSSVM模型流程的基础上,引入经典分类数据集,验证模型的可行性,并通过试验得出实现模型最优分类条件下的基分类模型数的最小值。综合考虑冲击地压的主要影响因素,确定其评判指标;以重庆砚石台煤矿的35组实测数据为试验样本,利用核主成分分析(KPCA)消除指标间的相关性,对比分析样本数据处理前后应用模型的预测效果;比较优化Bagging-LSSVM模型、优化Bagging-SVM模型和LSSVN模型预测冲击地压危险性的准确率。结果表明:经KPCA处理后的样本相较于原始样本,其应用于优化Bagging-LSSVM模型的预测准确率更高,耗时更少;且优化Bagging-LSSVM模型预测冲击地压危险性的准确率高于其他模型。     

煤样封闭耗氧试验及其参数测定分析

为确定数值模拟所需的煤氧化参数,介绍了测定煤耗氧速度常数和CO生成比率的常温煤样氧化封闭试验方法.测定数据的回归分析表明,煤样耗氧变化符合负指数函数衰减的一般规律.通过煤样氧化封闭试验,可获得与煤样状态同比条件下煤的耗氧速度、耗氧时生成CO比率和煤样氧化下限氧浓度等重要参数指标.试验验证了煤耗氧速度与环境空气中氧浓度成正比;提出了堆积煤样的体积耗氧速度常数新指标,其值可通过试验直接测定;给出了耗氧速度(量)与CO产生速度(量)的比例变化关系.本研究可为煤自燃过程模拟计算与自燃预测研究提供关键性基础参数.     

SFEP中因素重要度计算及其不确定性修正方法研究

为研究系统故障演化过程(System Fault Evolution Process, SFEP)中因素重要性及其不确定性，提出了基于相似性、联系数和信息熵的分析方法。以因素影响下的事件故障概率为基础数据，将因素重要性表征为事件在因素作用下的故障概率相似性和不确定性，建立研究方法和数学模型。首先，研究了因素重要性的由来及不确定性产生的原因。其次，建立了因素重要度计算和不确定性修正方法，提出了因素概率相似度、因素概率犹豫度、因素概率犹豫熵和因素重要度。最后，通过实例展示了分析流程。结果表明，系统故障演化过程中实现上述方法是可行的，能达到预期效果。研究方法和结果可用于系统故障演化过程中因素重要性的确定，并作为基础数据实现因素的化简、合并或删减，以降低演化过程复杂性，也可为类似的因素重要性分析提供支持。