基于神经网络的二元混合液体自燃温度预测

自燃温度(Auto-Ignition Temperature, AIT)是防火防爆安全设计的关键临界参数之一。为解决目前多数采用试验方法测量混合物AIT费时费力且有一定危险性的问题,运用定量结构-性质关系方法,使用反向传播神经网络(Back Propagation Neural Network, BPNN)和一维卷积神经网络(one-Dimensional Convolutional Neural Network, 1DCNN)技术建立二元混合液体AIT预测模型。以二元混合液体的分子描述符为输入、试验测得的AIT为输出,经多种方法对模型的拟合性、稳定性和预测能力评价验证。结果表明,BPNN模型和1DCNN模型均有良好的预测能力,其均方根误差分别为4.780℃和9.603℃,拟合度与5折交叉验证拟合度差值分别为0.058和0.040,表明BPNN模型有更好的拟合能力,1DCNN模型有良好的稳定性。     

基于QSPR方法的脂肪醇化合物闪点预测

为提高脂肪醇化合物闪点预测精度,提出基于定量结构-性质关系(QSPR)原理的脂肪醇化合物闪点预测方法。应用Dragon软件计算出91种脂肪醇的分子描述符,利用遗传函数算法(GFA)从1 481个描述符中筛选出3个与脂肪醇闪点关系最密切的分子描述符。分别用多元线性回归(MLR)方法和支持向量机(SVM)方法进行建模,并采用内部验证和外部检验的方式对模型的拟合度、预测性等性能进行验证。结果表明:预测集的MLR方法和SVM方法的平均绝对误差(AAE)分别为2.870 K和2.706 K;均方根误差(RMSE)为3.451 K和3.371 K。SVM模型在精度上略优于MLR模型,而MLR模型更为简单和方便。     

支持向量机对多环芳烃毒性的定量构效预测

为了实现多环芳烃(PAHs)毒性的有效预测,提出应用定量构效技术对多环芳烃的空气-正辛醇分配系数(KOA)和致癌性进行预测。应用分子描述符和试验值确立构效关系,采用支持向量机算法(SVM)和人工神经网络算法(ANN)分别建立了PAHs的KOA回归预测模型和致癌性分类预测模型。利用网格划分(GS)、遗传算法(GA)、粒子群算法(PSO)对SVM进行参数寻优。应用均方误差(MSE)、拟合决定系数R2和分类准确率(Accuracy)分别对模型进行了验证与评价。结果表明,最佳回归预测模型GS-SVR的MSE为0.059 7,R2为0.913 0;最佳分类预测模型GA-SVC的Accuracy为95%。研究表明:应用SVM所建两种模型的稳定性和预测能力都优于应用ANN建立的模型;参数优化后模型的稳定性和预测能力得到了提高。     

基于遗传算法的支持向量机预测有机物自燃点的研究

根据定量构效关系(QSPR)原理,研究自燃点(AIT)与其分子结构间的内在定量关系。以265种有机化合物作为样本集,随机选择238种作为训练集,27种作为测试集,用遗传算法(GA)进行变量选择,分别建立多元线性回归(MLR)模型和支持向量机(SVM)模型研究有机物的自燃点与其分子结构间的关系。通过分析,发现造成模型预测效果不佳的原因是试验数据本身存在问题。通过对2个模型的比较,结果为GA-SVM模型明显优于GA-MLR模型,说明自燃点与其分子结构间具有很强的非线性关系。     

基于ET-DFT分层模型的复杂系统动态概率安全评价方法研究

为充分体现复杂系统的动态行为对其可靠性的影响,减少系统动态故障概率计算时的工作量,应用层次化分析思想,综合事件树(ET)和动态故障树(DFT),提出基于ET-DFT模型的动态概率安全评价(DPSA)方法。应用二元决策图(BDD)和马尔科夫链(MC)分别对静态故障树和DFT进行求解,给出将静态故障树和DFT向BDD及马尔科夫链转移图的转化算法,以及系统各状态概率的求解方法。通过应用实例的分析验证,得到系统静态模块定量的发生概率及动态模块各个状态概率随时间变化的曲线,经综合求解得到系统故障发生的概率,实现对系统较为精确的DPSA。     

基于SVM的含缺陷20钢弯管爆破压力预测

为快速、精确预测含局部减薄缺陷的弯管爆破压力,首先验证显式非线性有限元模型的模拟精确性,然后以168组不同缺陷尺寸下20钢弯管爆破压力的有限元模拟数据作为学习样本,建立含局部减薄缺陷20钢弯管爆破压力预测的支持向量机(SVM)模型;其次利用交叉验证(CV)、遗传算法(GA)、粒子群算法(PSO)分别优化SVM模型;最后分析对比用于预测弯管爆破压力的3种优化SVM模型与ASME B31G-2009、DNV RP-F101、SHELL 92等3种通用规范的计算误差。结果表明：CV-SVM、GA-SVM、PSO-SVM等3种模型的预测误差均小于3种规范的计算误差,其最大相对误差分别为-2.33%、-3.4%和1.94%;说明SVM模型用于预测弯管爆破压力时操作简单、计算时间短、预测精度高、工程实用性好。     

建筑施工事故非线性灰色伯努利模型预测

为提高建筑施工事故灰色预测模型精度,在传统GM(1,1)模型基础上,建立非线性灰色伯努利模型(NGBM),并采用粒子群优化(PSO)算法对参数进行优选。以2001—2011年全国建筑事故死亡人数统计数据为基础,运用该模型对2012—2013年的相应人数进行预测,并与GM(1,1)模型和灰色Verhulst模型的结果相对比。结果表明,NGBM拟合精度最好,平均相对误差仅为2.65%,验证了模型的可行性和准确性。     

基于IPSO-LSTM的新能源汽车锂电池健康状态监测

为监测新能源汽车锂电池的健康状态(SOH),防范电池故障引发安全事故风险,提出改进粒子群算法(IPSO)和长短期记忆(LSTM)神经网络相结合的模型,监测锂电池的SOH。首先,采用Spearman相关性分析法,提取锂电池SOH监测的健康因子;其次,采用线性惯性权重和非对称学习因子改进传统粒子群算法(PSO),利用IPSO算法对LSTM模型的隐含层神经元个数、神经元失活率、批处理值进行关键参数寻优,进一步优化LSTM模型,建立IPSO-LSTM锂电池SOH监测模型;最后,以新能源汽车主流采用的18650锂电池数据集验证IPSO-LSTM模型,并对比分析BP、LSTM和PSO-LSTM这3种模型。结果表明：IPSO-LSTM模型的平均绝对误差(MAE)在0.02以内、均方根误差(RMSE)在0.03以内,监测误差在15%以内,相较于BP、LSTM、PSO-LSTM模型,IPSO-LSTM模型的误差指标值均最小,模型具有更高的精度和稳定性。     

基于SR-CM的公务航空运行安全风险评估

为了对公务航空进行有效的安全风险管控,基于公务航空运行特点,构建基于Spearman秩相关系数-云模型(SR-CM)的公务航空运行安全风险评估模型.通过对近8年国内外公务航空事故事件进行分析整理统计,建立基于人-机-环-管系统的安全风险指标体系;针对单一赋权造成的随机性和模糊性,构建Spearman秩相关系数(SRCC)组合赋权模型,结合云模型(CM),将定性指标定量化进行安全风险评估.最后运用SR-CM模型对A公务航空公司进行试点验证,计算该公务航空公司的安全风险等级与安全风险等级标准之间的隶属度.结果表明,该公务航空公司安全风险评语云涉及从低风险到较高风险,并且与一般风险相似度最大,确定该公务航空公司的安全风险等级为一般风险.     

高速公路安全水平仿真分析

为深入研究高速公路安全系统,用系统动力学(SD)方法分析驾驶员、车辆、道路、应急救援等组成要素以及环境、管理等影响因素之间的关系,建立高速公路安全系统因果关系模型和存量流量模型。用层次分析法(AHP)确定各影响因素的权重。以三福高速公路为例,用Vensim软件模拟高速公路运营期间系统安全的变化情况。结果表明,在该高速公路运营期间,系统安全与车辆安全度呈先上升后下降的趋势、道路安全度呈下降趋势、驾驶员安全度与应急救援能力呈上升趋势。通过与实际数据对比,验证了模型的有效性。