有机过氧化物反应热的危险性预测研究

为了采用非实验的方法对安全物质学的研究内容及研究方法进行初探,基于定量结构-性质关系法,选择13种与有机过氧化物热危险性的影响因子密切相关的描述符,分别对起始分解温度T0和分解热△H的实验数据进行多元线性回归、偏最小二乘和支持向量机回归分析,从而获得3种相应的预测模型。对比T0与△H的实验值和预测值,结果发现:SVM预测模型的精度高于PLS预测模型,MLR预测模型的精度最低;同种预测模型对分解热的预测结果均优于起始分解温度。此外,分析各预测模型的稳定性数据发现:MLR模型的预测过程发生了过拟合现象,不具备预测能力;PLS模型的交互验证系数均大于0.5,具备较稳定的预测能力;SVM模型的交互验证系数均大于0.9,具备非常稳定的预测能力。     

基于SPSS的PCA-MRA回采工作面瓦斯涌出量预测

为克服自变量之间的多重共线问题,增强多元回归模型预测的精确性,将主成分分析(PCA)与多元回归分析(MRA)相结合提出了PCA-MRA模型,并将该模型用于实际瓦斯涌出量预测。结果表明,采用SPSS软件直接对影响回采工作面瓦斯涌出量的因素进行主成分回归分析,避免了复杂的推导计算以及繁琐编程,预测精度较高。     

城市交通事故现场处理时间及影响因素分析

为了分析城市交通事故现场处理的时间长度和影响因素,以城市交通事故现场处理时间为研究对象,将城市交通事故现场处理的过程细分为划定警戒区域、现场勘查、撤除现场3个阶段,运用事故现场数据采集和视频数据提取的方式,采集了 829条泸州市城市交通事故现场处理数据,从中提取可能影响城市交通事故现场处理时间的4个事故相关因素、5个现场处理相关因素和3个环境因素.以城市交通事故现场处理时间为因变量、12个可能的影响因素为自变量,采用逐步回归的方法提取显著影响因素.结果表明,城市交通事故现场处理的平均时间为15.28 min,警戒区域占道情况、当事人确认情况、事故发生时间和事故严重程度是影响城市交通事故现场处理时间的最主要因素,围观群众影响情况、事故类型、天气情况、道路等级和事故发生时段对城市交通事故现场处理时间也有一定的影响.模型验证表明,所建立的回归模型平均相对误差为3.95％,具有较好的适应性.     

道路交通事故的非线性偏最小二乘回归建模

就有效预防交通事故、提高道路交通效率而言,借助高精度的道路交通事故预测模型,准确分析事故原因是重要的基础性工作。首先基于偏相关分析方法,对影响事故起数、死亡人数和受伤人数这3个事故指标的11个因素进行相关性分析,确定最相关的影响因素及其线性相关性;然后利用偏最小二乘回归方法,对事故指标与影响因素之间的线性关系进行建模;进而基于非线性偏最小二乘回归方法,建立两者之间的非线性关系模型。通过对回归模型的精度分析,用偏最小二乘回归方法仅能对事故指标与影响因素之间线性关系准确建模,测定系数最大为0.98,相对误差最大为21.77%。用非线性偏最小二乘回归方法,对事故指标与影响因素之间的线性和非线性关系均能准确建模,测定系数最大为1.相对误差最大为4.23%。     

基于统计回归的高分辨率工业源排放大气常规污染物排放清单建立与校核方法

采用多元线性逐步回归数学统计方法,在调查分析案例城市工业企业排放信息数据的基础上,建立了大气常规污染物(SO2、NOx、CO、VOCs(挥发性有机化合物)、PM10)排放量与相关影响因素(综合能源能耗、电消耗量、工业生产产值)的数学关系模型,并分析此模型对核算区县分辨率工业源排放大气常规污染物排放清单的适用性。结果表明,所建立的回归模型对核算区县分辨率工业源排放大气常规污染物排放清单具有较好的适用性与推广性。将该模型应用于唐山市,得到工业源SO2、NOx、CO、VOCs、PM10排放量拟合值的市级误差和区县级误差分别为17%、0.18%、-40%、-15%、47%和33%、16%、29%、27%、70%。建立的回归模型不但具有收集数据统计量种类简单的便利性,而且其区县级工业排放量拟合值与REAS(Region Emission Inventory in Asia)排放清单相比更接近调查值。     

PLS-BP法定量分析火灾中的常见有毒有害气体

针对火灾和材料燃烧中常见的有毒有害气体,选取低浓度的CO、CO2、NO、NO2、SO2、HCl、HBr、HCN八种典型气体同时进行定量分析。基于傅里叶变换红外光谱技术(FTIR),设计可靠实验系统和实验过程控制,准确得到气体的光谱数据。通过合理去除干扰光谱区间、筛选样本、选择模型参数等,建立BP-PLS回归模型,并对未知样本进行预测,各组分的校正误差均方根RMSEC达到4×10-6以下,预测可决系数R2均达到0.95以上。通过将PLS-BP模型与经典的线性模型经典最小二乘(CLS)和偏最小二乘(PLS)进行比较,PLS-BP模型在非线性拟合能力和预测性能两方面明显高于经典线性模型CLS和PLS。     

巷壁与空气热湿交换规律数值模拟研究

为探讨矿井通风过程中巷壁与风流的热湿交换规律,更好地保证井下员工生命安全,运用Fluent求解器对热湿交换过程进行数值模拟。以正交试验设计为方法,选定影响巷壁与空气的热湿交换规律的10个因素进行正交试验。采用极差分析法和相关性分析法分析试验所得结果,探讨各因素对终点温度和终点相对湿度的影响。结果表明:对终点温度影响较大的3个因素依次为巷道壁温、巷道长度、进风温度,且都表现出正相关性。巷道壁面湿度对终点湿度影响最明显,成正相关,剩余各因素影响较小。最后对正交试验所得数据进行多元线性回归,得出拟合方程,将此用于风温和空气湿度预测。     

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GA/PSO-BP神经网络的石家庄VOCs环境浓度预测模型研究

为了提升挥发性有机物(Volatile Organic Components, VOCs)的预测精度,在反向传播(Back-Propagation, BP)网络结构的基础上使用优化算法分别为遗传算法(Genetic Algorithms, GA)优化BP神经网络(GA-BP)和粒子群算法(Particle Swarm Optimization, PSO)优化BP神经网络(PSO-BP)对VOCs质量浓度进行预测。首先,对污染物及气象因子进行筛选。采用相关性分析法及逐步回归法进行分析筛选,并筛选出合适的输入变量。其次,建立BP神经网络结构。利用BP、GA-BP、PSO-BP神经网络,以石家庄市2022年夏季污染数据为样本对VOCs质量浓度进行预测。结果显示,经相关性分析及逐步回归法筛选,将PM_2.5质量浓度、O₃质量浓度、NO₂质量浓度、温度、相对湿度作为输入变量。经预测结果对比,PSO-BP神经网络模型的预测精度较高,烷烃、烯烃、芳香烃和含氧烃实测值与预测值之间的拟合程度(R²)分别为0.80、0....     

基于混合聚类的农村公路单车事故影响因素分析

为探究影响安徽省农村公路单车事故严重度的主要因素,利用因子分析法,将自变量转化为相互独立的公共因子,依据因子得分,利用K均值算法聚类事故数据;采用二元Logistic回归模型对各类别数据建立事故严重度模型。结果表明:相对于潜在类别分析,基于混合聚类结果构建的Logistic回归模型拟合优度、预测精度更优;性别、年龄、是否超速等仅在某一类别中显著;道路线形、地形等在多个类别中显著,但对于事故严重度的影响方向不同。