基于随机森林理论的采场稳定性预测研究

为预防采场安全事故,选取地下采场地质构造、埋深、围岩强度等10个因素作为采场稳定性预测指标,从收集到的实际采场稳定性数据中选取25组作为训练样本,建立采场稳定性预测的随机森林(RF)模型,通过8组测试数据预测采场稳定性;将该模型预测结果与支持向量机(SVM)模型及人工神经网络(ANN)模型的预测结果进行对比。研究表明:采用RF模型采场稳定性等级预测准确率最高,而使用SVM模型次之,ANN模型的准确率较差;用RF模型能够相对有效地判定采场稳定性。     

严重冲突场景下山区双车道公路货车跟驰风险预测

为预测严重冲突场景下山区双车道公路货车跟驰事故风险，基于视频轨迹数据、实测交通流数据、道路线形数据及交通事故数据，采用双变量冲突极值模型、轻量型梯度提升机，构建严重冲突场景下山区双车道公路货车跟驰事故风险实时预测(Truck Following Accident Risk Real-Time Prediction, TFARRP)模型，并利用耦合度模型分析变量耦合程度。研究显示：碰撞时间(Time to Collision)为5.418 s,后侵入时间(Post Encroachment Time)为0.512 s,这是严重冲突场景阈值；TFARRP模型准确率高达95.000%;平均车头时距(A_HD)、两车间距(T_CD)、货车平均速度(T_AS)、及货车横向偏移(T_LO)对TFARRP模型的重要度都超过了10%;当监测到A_HD<21.11 s、T_CD<35.00 m、T_AS<29.00 km/h或T_LO     

高速公路追尾碰撞事故起数预测模型研究

为分析显著影响追尾碰撞事故的因素,分别采用负二项(NB)回归模型和零堆积负二项(ZINB)回归模型建立追尾碰撞事故起数预测模型。通过模型的拟合优度检验和准确性检验,对比2种模型的优劣,采用弹性分析确定自变量对因变量的影响程度。以2006—2008年某高速公路发生的追尾碰撞事故进行实证性研究。结果表明:ZINB回归模型比NB回归模型具有更好的拟合效果和预测准确性;在ZINB回归模型中,曲度、曲线比例、车道宽度与追尾碰撞事故起数显著正相关,曲率变化率、相邻路段坡差和弯坡组合与追尾碰撞事故起数显著负相关;车道宽度、曲率变化率和曲度对追尾碰撞事故的发生影响尤为明显。     

考虑均值异质性的高原山区公路责任事故严重度风险因素辨识

为明晰高原山区高速公路事故严重度的影响因素及差异，量化事故数据异质性对事故严重度的交互影响效应，基于云南省某高原山区高速公路550起有责交通事故数据，从责任驾驶员、责任车辆、道路特征和责任事故特性4个方面选取潜在特征变量，采用固定参数有序Probit模型和随机参数有序Probit模型，构建考虑均值异质性的高原山区高速公路责任事故的严重度分析模型，并采用边际弹性系数量化分析不同影响因素对事故严重度的影响程度。结果表明，缓和曲线、有其他妨碍安全驾驶的行为、轻型货车、重型货车、多车、下坡以及曲线路段7个因素显著影响责任事故严重度。“驾驶员存在其他妨碍安全驾驶的行为”和“重型货车”的估计系数分别是服从(0.375, 0.201)和(0.531, 0.988)正态分布的随机变量，总体导致死亡及重伤事故的概率分别增大6.15%和9.61%;当驾驶员在曲线路段存在其他妨碍安全驾驶的违法行为时，重伤或死亡事故概率增大6.54%。当重型货车在缓和曲线路段发生碰撞时，重伤或死亡事故概率会降低8.37%,重型货车因未与前车保持安全距离发生重伤或死亡事故概率会降低9.95%,而当重型货车与小客车碰撞时，重伤或...     

基于粒子群-支持向量机(PSO-SVM)的苯储罐泄漏事故风险预测

将支持向量机(SVM)模型运用于事故前苯储罐泄漏事故风险预测,为使模型性能最优, 用粒子群算法PSO优化SVM模型参数,建立了PSO-SVM风险预测模型。为验证模型风险预测性能,分别采用遗传算法(GA)和网格搜索法(GS)优化SVM参数,并比较测试集与PSO-SVM、GA-SVM、GS-SVM三种模型预测结果的均方误差及相关系数。然后进一步探讨模型中权重调整方式、种群规模对PSO-SVM模型预测性能的影响。研究发现,权重线性递减所建PSO-SVM预测值与测试集相关系数更高、均方误差更小、预测效果更好,种群规模没有影响PSOSVM模型预测值但会影响计算时间,这为危化品泄漏事故的风险预测提供了一种新的方法。     

基于主成分分析和神经网络的事故预测方法及应用

为解决人工神经网络(ANN)对复杂系统进行事故预测建模时,易导致网络复杂,降低网络性能和增大预测误差的问题,提出一种基于主成分分析法(PCA)的ANN事故预测方法。介绍PCA法和ANN的基本理论,阐述基于PCA法的ANN事故预测模型及其预测步骤,即在利用ANN预测之前,先用PCA法分析事故影响指标,将多个指标转化为少数几个能反映原始信息的互不相关的综合变量(主成分),然后以这些变量作为输入进行ANN建模,从而达到简化模型,提高网络性能和计算精度的目的。以煤矿事故预测为例,进行应用和对比研究。结果表明:基于PCA的ANN事故预测相对误差小于3%,而直接运用ANN方法预测的相对误差达到5%。这说明,对复杂安全系统进行事故预测时,基于PCA法的ANN预测方法是更可行的。     

数据挖掘在预测组织事故防控效果中的应用*

为进一步探索数据挖据技术在组织事故预防工作中的融入性与适用性，基于24Model构建事故预控基础模型,通过预测准确率数值及接受者操作特性曲线（ROC曲线）对比分析随机森林（RF）、支持向量机(SVM)、决策树（DT）与神经网络（NN）4种方法对组织事故防控效果的预测性能。结果表明:针对事故率控制（Y1）、职业危害预防（Y2）、财产损失3类预测目标（Y3），RF方法均能达到较高的准确率及稳定性，具有较优的预测性能。根据特征重要度（FI）排序，明确对组织事故水平影响最显著的因素为安全实践活动认知（SC5）及安全管理程序文件（SMS3），FI值均大于0.150 0。研究结果可为有效预测组织事故防控效果提供方法依据，同时为企业安全工作的规划设计提供思路。     

猪堵高速

2009年4月18日6时许,沈海高速公路莆田段2147KM+100M处,发生一起货车追尾翻车事故,两部大货车追尾碰撞后翻车,致使前车上的四、五十头大猪冲出车厢,满高速公路跑,造成严重交通堵塞。莆田高速公路交警支队值班室接到报警后,立即组织事故处理民警及高速路政人员出警。经过一个多小时的努力,事故路段终于恢复正常通行,确保了当天(农历三·廿三)妈祖诞辰日高速公路莆田段的畅通。     

基于事故修正系数的山区高速公路事故预测模型

为量化分析山区高速公路线形指标对交通事故发生及严重程度的影响,引入事故修正系数(CMF)概念,提出基于CMF的高速公路交通事故预测模型。验证事故数据服从零膨胀负二项(ZINB)分布,并标定10个不同线形组合路段的基本事故预测模型;在界定理想条件的基础上,借助优势比分析方法,建立10个不同线形组合相对于基本预测模型的CMF模型;通过弹性分析识别出对不同严重程度事故有显著影响的因素,并以此分析山区高速公路线形指标及线形组合的安全效应。研究结果表明：CMF能够定量反映不同线形组合的风险效应,且其值越高,事故率及事故严重程度可能更高;山区高速公路中,平曲线缓坡组合相对安全,平曲线陡坡组合、平曲线竖曲线组合均有较高的事故风险;平曲线与凹型竖曲线组合时的风险会略低于其与凸形竖曲线组合;控制纵坡度、减少平竖曲线的组合均有利于山区高速公路交通安全。     

基于人工神经网络的机场鸟击风险预测

鸟击是影响民航机场运行安全的重要因素之一。为研究鸟类活动特征并预测其活动所造成的风险,基于某机场长期鸟类活动调研数据分析了鸟类活动与鸟击风险的关系,得到了4类12项对机场鸟击影响最紧密的风险因素。将上述因素作为输入向量,以鸟击风险作为输出变量,通过人工神经网络法(ANN)建立了机场鸟击风险预测模型,以长期鸟类活动风险记录作为数据库来训练和验证ANN模型的准确性,为提高预测的可靠性,又进行了模型优化和机场实地验证。结果表明,建立合理的ANN模型并利用长期鸟类活动数据加以训练,可有效预测机场鸟击风险。选择合理的输入变量可提高分析速度和预测精度,不仅有助于ANN模型的优化,还可以扩大ANN模型的应用领域以适应不同机场的鸟类活动特征,做出更合理的鸟击风险预测,为机场运行保障提供有力的技术支持。综合考虑"鸟""机""环""管"等因素建立的飞行区鸟击风险预测模型表明,飞行速度(V)对鸟击风险因素评价的影响最小,飞行高度(H)和飞行路线(R)对鸟击风险因素评价的影响相对较小。     

公路工程施工建设安全风险预测及时序分析

准确地预测施工建设中的安全风险对于开展高质量的公路建设作业至关重要。基于南中项目安全巡查记录，建立致因指标体系，通过比较分析K邻近(K-Nearest Neighbor, KNN)、支持向量机(Support Vector Machines, SVM)、随机森林(Random Forest, RF)、极端梯度提升(Extreme Gradient Boosting, XGBoost)模型预测的准确率，选择XGBoost模型进行风险等级及风险类型预测，通过自回归积分滑动平均模型(Autoregressive Integrated Moving Average Model, ARIMA)和长短期记忆网络(Long Short Term Memory, LSTM)模型对建设风险进行时序分析。结果表明，XGBoost模型相较于其他模型对风险等级预测的准确率最高，为0.82,对风险类型预测的准确率为0.74,具有较高的精确度。临边围蔽及设置警戒线、特种设备装置、电缆架空、气瓶保管等方面管理不到位对施工风险的影响较大，且临边围蔽及设置警戒线指标在管理指标的交互影响下与宏观风险等级呈负相关。LSTM...     

基于机器学习的公交驾驶员事故风险识别及影响因素研究

为从公交驾驶员群体中识别出易发生事故的风险公交驾驶员，结合某市公交公司营运安全管理系统数据库、百度应用程序接口(API)及网络爬取技术，并应用K近邻算法补充缺失值，获取42条线路及1 893名驾驶员的数据；基于驾驶员、车辆、线路特征、违规行为、事故、管理等基本特征变量构造派生变量；采用包括递归特征消除、有惩罚项的逻辑回归、随机森林的集成方法选择特征；采用极致梯度提升(XGBoost)等6种机器方法分别建立分类模型，并采用贝叶斯方法优化超参数。结果表明：在构建的6个分类模型中，XGBoost方法构建的模型其受试者工作特征(ROC)曲线下的面积(AUC)评估结果最佳；运用贝叶斯方法优化模型，可以在一定程度上提升ROC的AUC指标；对于风险公交驾驶员预测准确率达到98.66%,运营单位还可以根据自身情况权衡虚报率与命中率代价。此外，车辆服役时间、违规次数等特征对于事故风险具有明显的非线性影响。     

基于交通冲突的高速公路施工区安全评价

为解决目前交通冲突数据采集方法精度不高以及未考虑冲突后果严重性的问题,选择典型边施工边通车的四改八车道高速公路施工区(路基阶段)为研究对象,使用高空无人机拍摄高精度区域过境通行车辆运行视频,通过视频识别和冲突识别程序得到连续冲突车辆微观数据;基于车辆碰撞理论推导交通冲突后果严重性模型,利用冲突严重率指标对施工区进行交通安全评价。结果显示:交通量和大型货车率对冲突严重率有非常显著的影响;交通量小于700 pcu/h时,冲突严重率较低;当交通量超过900 pcu/h后,冲突严重率随交通量快速增高;大型货车率越高,冲突严重率越高;通过交通组织分流交通量和大型货车,能提高施工区交通安全性。     

生命在瞬间湮灭——沪昆高速“7·19”特别重大道路交通危化品爆燃事故分析

<正>2014年7月19日2时57分,湖南省邵阳市境内沪昆高速公路1309公里33米处,一辆自东向西行驶运载乙醇的车牌号为湘A3ZT46轻型货车,与前方停车排队等候的车牌号为闽BY2508大型普通客车发生追尾碰撞,轻型货车运载的乙醇瞬间大量泄漏起火燃烧,致使大客车、轻型货车等5辆车被烧毁,造成58人死亡(其中4人因伤势过重医治抢救无效死亡)、6人受伤,直接经济损失5300余万元。(一)事故车辆情况。1、肇事车辆湘A3ZT46轻型货车厂牌型号为福田牌一、基本情况     

高原山区公路环境下交通事故形态致因分析

为揭示高原山区公路环境下不同交通事故形态的致因,明确不同事故形态的关键影响因素及影响程度,利用采集的典型高原山区公路交通事故统计数据,基于事故形态视角构建Logistic模型,选取追尾、正面及刮擦3类事故形态为因变量,从道路交通环境、道路交通设施与车辆类型等方面选取7类影响因素为自变量,分析事故致因。结果表明:不同事故形态的致因存在明显差异性,标志标线设置是3类事故发生的保护因素,信号灯设置是正面碰撞事故发生的保护因素,追尾事故发生的危险因素是机非分隔带;对追尾事故影响最大的是大型客车,是其他车辆的5. 282倍;中型货车对正面碰撞的影响最大,是其他车辆的5倍,但对刮擦事故的影响最小;不利天气对追尾事故发生的影响是正常天气的3～4倍;夜间行车无路灯照明,发生追尾事故的概率为白天的1. 312倍。     

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。     

基于缓冲区重采样的LSTM林火预测模型*

为提高林火风险预测精度,挖掘地图上隐含的空间信息、时间序列上隐含的长期趋势和循环波动,提出1种基于缓冲区重采样的长短期记忆（LSTM）林火预测模型,选取15个与林火相关的影响因素,以方差膨胀因子为评价指标对其进行多重共线性检验,方差膨胀因子大于10的因素具有共线性,并采用信息增益率验证筛选结果的合理性。考虑到火灾的空间聚集特性,采用缓冲区分析与过采样相结合方法减少样本不均衡现象的影响,最终得到176 732条样本。对12个影响因素和研究时间段的火点建立LSTM预测模型,对森林火灾发生风险进行预测。研究结果表明:基于缓冲区重采样的LSTM林火预测模型有效考虑时空上隐含的信息,预测模型准确率为87.06%,特异性为97.99%,敏感度为76.12%,阳性预测率为97.43%,阴性预测率为80.41%,ROC曲线与AUC值均优于随机森林（RF）和支持向量机（SVM）这2种基准算法。维尔克松秩和检验发现,本文提出的模型与基准算法结果具有显著性差异。研究结果可为提高林火风险预测精度提供参考。     

基于Adaptive Lasso及RF算法的冰雪天气交通事故分析

为分析冰雪天气下高速公路交通事故频发致因,量化分析驾驶环境、驾驶员及车辆情况对事故的影响,根据Adaptive Lasso和随机森林(RF)混合算法建立预测模型。以10年约30万组冰雪环境下高速公路交通事故数据为例,训练改进预测模型验证其准确性。结果表明,混合算法的准确度和拟合程度都优于支持向量机(SVM)、分类回归树(CART)及RF等单独算法。交通事故与环境因素相关性最显著,坡路、弯道及交叉口处事故受冰雪环境影响较大;事故与驾驶员因素中部分因素显著相关,如驾驶员性别及安全带使用情况;本地驾驶员对驾驶能力及冰雪环境的估计错误更易导致交通事故。     

基于数据填补-机器学习的煤与瓦斯突出预测效果研究*

为解决煤与瓦斯突出事故数据集少,数据缺失严重的问题,提出将多重插补（MI）和随机森林填补(MF)应用于填补缺失参数,并将填补前和填补后的数据输入SVM,ELM,RF 3种机器学习算法进行训练,构建9种耦合模型。采用总体准确率、局部准确率、运行时间这3种指标评价模型性能。研究结果表明:采用数据填补算法后,由于训练样本增大,煤与瓦斯突出事故预测的总体准确率提高,运行时间增长;MF-RF模型的总体准确率与事故预测准确率最高,分别为97.90%和98.93%;RD-ELM模型的运行时间最短,为0.24 s;多重插补使得煤与瓦斯突出预测的总体准确率提高0.98%~1.11%,随机森林填补总体准确率提高5.13%~7.50%,随机森林填补的效果好于多重插补。     

深部矿山锚杆腐蚀失效风险评估研究

为解决地下矿山锚杆腐蚀失效问题,提出一种基于预测锚杆腐蚀失效速率的数学模型。收集矿山腐蚀失效锚杆相关数据,采用主成分分析法和梯度提升树方法,从原始数据中提取有用信息,并结合支持向量机(SVM)模型,预测复杂矿山环境中锚杆的腐蚀失效概率,利用具有连续特征和空间数据的数据集测试该模型,分析各环境因素对腐蚀失效影响权重,并与SVM、GTB-SVM这2种模型进行对比分析。研究结果表明：基于主成分分析的特征变换是可靠的风险预测方法,PCA-SVM模型在预测精度和结果的稳健性方面表现优越,训练集AUC值达到0.84、测试集达到0.83。该模型作为一个有用的在线工具,能够支持过程系统的安全和数字化。文中提出的主成分分析SVM模型,能够准确预测锚杆腐蚀失效的腐蚀概率。