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。     

航空公司飞行安全灰色区间层次评价

为提高航空公司飞行安全评价的准确性和科学性,将区间层次分析法(IAHP)和灰色理论相结合运用到飞行安全评估中。针对航空运输系统的特点,从"人、机、环、管"4个方面,建立航空公司飞行安全评价指标体系;采用IAHP确定各个指标权重,并且引入灰色理论框架下基于端点的三角白化权函数,建立航空公司飞行安全的灰色区间层次综合评价方法;用所建立的方法评价国内某航空公司飞行安全水平。结果表明,该航空公司的飞行安全处于基本安全状态,其环境因素和管理因素安全水平相对较低,评价结果与实际情况相符。     

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。     

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.     

基于支持向量机的采空区稳定性分级

针对采空区稳定性分级的影响因素众多且关系复杂的特点,提出采用支持向量机理论对采空区稳定性进行分级。根据分级评价指标选取原则,选取岩体结构、地质构造、岩石的质量指标、地下可见水、地下水体、周边开采的影响、相邻空区的情况、工程布置、跨度、面积、高度、矿柱的尺寸及布置、埋藏深度和采空区的规格14个影响因子,建立了采空区稳定性评价指标体系,引入支持向量机理论,选择有向无环图方式构造多类分类器,得到采空区稳定性分级的支持向量机模型。将该模型用于山东黄金矿业西山矿区的25个采空区进行分级,并与未确知测度方法的分级情况     

基于支持向量机的化工工艺安全评价模型构建及优化研究*

为解决现阶段基于风险分级的安全评价方法仍存在着高维数据处理不当、评价智能化程度不高等问题,创建支持向量机的安全评价模型,利用核函数解决安全评价因子分类问题,粒子群算法（PSO）寻找最适合模型的正则项C,进一步提升安全评价模型的正确率,形成适用高维数据的化工工艺安全评价方法。研究结果表明:该模型与经典支持向量机模型和BP神经网络评价模型相比具有更高的正确率,研究结果对借用机器学习来创新安全评价理论及工程应用具有现实意义及理论价值。     

基于灰色支持向量机的湿天然气集输管道腐蚀研究

湿天然气集输管道系统运行时间长,管道腐蚀严重,失效泄漏事故频发,其系统风险评价面临诸多问题,因而研究其腐蚀率预测有重要意义。基于灰色支持向量机(GSVM)方法,综合考虑管道材质及其各种影响因素,对其进行灰色相关分析,并根据结果选取有较高相关度的影响因子作为输入变量,将腐蚀率作为目标输出函数,建立湿天然气集输管道腐蚀预测模型。并通过实证分析比较,发现用该模型计算出的管道腐蚀率平均相对误差较小,其预测结果与实际值吻合程度较高,使预测精度得到提高。     

基于核校准和SVM的煤矿安全组织管理因素分析

组织管理因素与煤矿安全生产密切相关。该文从人的管理、组织机构管理、企业环境管理、现场及技术管理四个方面详细分析了煤矿组织管理中的主要影响因素,提出一种基于核校准和支持向量机（SVM）的组织管理安全评价等级预测方法,构建了影响因素形成的输入空间到评价等级空间的非线性映射,并详尽分析了组织管理的安全评价等级与各影响因素的关联关系。在此基础上,本文深入研究煤矿安全中各组织管理因素的作用规律,并探讨了相应的预防措施与控制方法。实例分析结果表明,该方法能够合理地反映煤矿企业的组织管理安全评价状况,有助于煤矿企业采取相应措施预防或减少安全事故的发生,同时,也为企业提高本质安全管理水平提供了参考,有较强的实用性。     

基于属性约简的绝缘节破损预测

准确的绝缘节破损预测能够保证铁路运输安全和经济效益。支持向量机算法能够处理轨道电路测试数据,对其进行分类,预测可能存在隐患的绝缘节,但支持向量机预测模型的原始样本多有冗余,基于此,提出了一种基于粗糙集和支持向量机的绝缘节破损预测模型。通过改进主分量启发式属性约简算法,降低样本维数,同时选用模拟退火算法完成SVM自动参数选优。实例分析和仿真结果表明,与单一支持向量机算法相比,属性约简后的粗糙集-支持向量机算法提高了分类器的分类性能,与采用网格搜索技术的SVM预测方法相比,模拟退火算法有效提高了SVM的预测精度。     

一种基于支持向量机的飞行冲突探测方法

管制运行过程中,飞行冲突探测与解脱是安全运行的一个关键环节.使用具有二分类能力的支持向量机(SVM)对飞行冲突数据进行学习,得到具有冲突探测能力的SVM模型,再结合飞行趋势探测模块的结果,从而实现高效准确的飞行冲突探测.将实际的ADS-B数据分为训练组和验证组,利用训练组训练SVM,得到具有分类能力的SVM,再利用验证组数据对SVM的分类能力进行检验.结果表明,在最优的参数g与C的情况下,分类准确率达到98％,表明结合飞行趋势探测模块与支持向量机可以利用飞机的经度、纬度、高度、速度与航向等ADS-B信息,准确判断飞行冲突.     

基于多生理信号的飞行警戒疲劳检测

为预防事故发生,保障飞行安全,提出一种基于多生理信号和支持向量机(SVM)的飞行警戒疲劳检测方法,识别飞行员飞行警戒中的疲劳状态。首先,研究疲劳评价与检测方法,并基于自主开发的飞行警戒测试系统与多导生物反馈仪和眼动仪搭建试验平台;然后,采集飞行警戒作业中的心电、眼动、呼吸等多生理信号和主观疲劳自评值;再次,通过配对样本的非参数检验,提取敏感生理指标,并以此作为特征向量,通过机器学习训练,构建基于多生理信号和SVM的疲劳检测模型;最后,依据受试者工作特征(ROC)曲线和模型准确率,对比分析各疲劳检测模型的效果。结果表明：在飞行警戒疲劳状态下,作业者的多项生理指标均有显著变化;心电、眼动和呼吸等多生理信号融合较单一信号的疲劳检测效果好,其ROC曲线下面积为0.802。基于高斯径向基核函数(RBF)构建的疲劳检测模型训练及预测准确率可达93%和87.50%。基于多生理信号和SVM方法可以实现对飞行警戒疲劳状态的检测。     

基于SOCP-MKRVM的区域滑坡敏感性分析研究

为了提高相关向量机（RVM）在区域滑坡敏感性评价中的预测能力,提出了基于二阶锥规划的多核相关向量机 (SOCP-MKRVM)预测模型。以四川省低山丘陵区为例,选取了8个滑坡孕灾因子训练RVM预测模型,并分别运用受试者工作特征曲线（ROC）和滑坡点密度2种方法对预测结果进行验证。通过与单核RVM模型的对比分析,结果表明:SOCP-MKRVM模型提高了对区域滑坡敏感性的评价能力,预测精度提高到71.33%,ROC曲线下面积达到0.741,滑坡点密度分布更加合理,两低敏感区之和为0.89个/100 km2,两高敏感区之和为6.54个/100 km2。     

基于支持向量机的边坡稳定性预测研究

针对边坡稳定性影响因素复杂，传统的稳定性分析存在计算量大、计算过程复杂的问题，提出了边坡稳定性的支持向量机预测方法。分析了边坡稳定性的影响因素，选择影响边坡稳定性的边坡重度、内聚力、摩擦角、边坡角、边坡高度、孔隙压力比6项指标为特征向量。并运行该方法对典型边坡实例进行了预测，预测结果与边坡稳定性实际状态及其它方法预测结果相吻合，表明了支持向量机在边坡稳定性预测中的可靠性和有效性。     

飞行安全模糊综合评价模型研究

为建立飞行安全模糊综合评价模型,对2002-2006年中国民航由机组原因引发的130起事故及事故征候进行统计和原因分析,通过咨询专家,从人、机、环境和管理4个方面建立了飞行安全评价指标体系.同时,根据模糊数学理论建立了飞行安全模糊综合评价模型,并对模型进行了实例验证.研究表明,本文建立的模糊综合评价模型可对飞行运行系统进行总体安全评价,能够克服国内外飞行运行系统安全评价常用方法(国际航空运输协会的运行安全审计、美国联邦航空局的航空运输监察系统、国内航空公司安全评估系统和中国民航安全审计)在指标设置、指标权重和综合评价等方面的一些不足,具有实用价值.     

基于支持向量机的区域水安全综合评价研究

从人水和谐的角度对水安全进行定义.在前人研究的基础上组建水安全评价的指标体系,引进支持向量机技术,利用其在统计学习理论中结构风险最小化的原理,以及其解决非线性和高维识别中的优势,特别是能克服主观因素的不利影响对水安全进行综合评价,并以水资源总量比较丰富,但由于时空分布不均存在水安全问题的浙江省为例进行评价.     

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。     

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。     

基于支持向量机(SVM)的民用飞机重着陆智能诊断研究

针对国内航空公司对于重着陆的判断方法存在的不足,提出采用支持向量机(SVM)建立重着陆的智能诊断模型;分析对重着陆产生影响的相关因素,在力学基础上揭示了重着陆的产生原理;利用快速存取记录器中记录的多个飞行参数的信息,采用B737机型的实际样本数据进行训练和验证。结果表明:该方法能有效判断出是否发生重着陆,其准确率高达92.86%,证明该重着陆智能诊断方法具有较强实际应用价值,为后续研究奠定了基础。     

基于LS-SVM的供水管网安全性评价方法研究

为评价城市供水管网的安全性,保障其正常运行,笔者基于多元分类最小二乘支持向量机(LS-SVM)的方法,在对城市供水管网安全运行影响因素总结与分析的基础上,构建供水管网安全性评价的指标因素集与评价模型,通过对有限的经验数据的学习,建立供水管网安全性与其影响因素之间的非线性关系。运用该模型进行实例仿真模拟,通过与实际安全等级及BP神经网络模型预测安全等级之间的对比表明:基于LS-SVM的供水管网安全性评价方法具有较高的精度,正确分类率可以达到83.33%。