基于CF与LR模型的泥石流危险性评价

泥石流危险性评价是泥石流防灾减灾工作不可或缺的部分.以帕隆藏布流域为研究区,以多元遥感数据和实地调查数据为数据源,从致灾因子和孕灾环境入手,选取年均降雨量、地层岩性、距断层距离、NDVI、土地利用类型等8个影响因子,利用CF模型和LR模型确定各因子及其分类级别的权重,采用Pearson相关系数法进行因子间的独立性检验,运用ROC曲线对评价结果进行验证.结果表明:1)泥石流危险性的影响因子权重从大到小依次为土地利用类型、年均降雨量、距断层距离、土壤类型、归一化植被指数、地层岩性、坡度、地形起伏度;2)高危险区面积占研究区总面积的17.11％,其泥石流数占研究区泥石流总数的43.62％,表明泥石流发育集中,与实际情况相符;3)模型精度验证AUC为0.903,表明模型评价精度较高,评价结果理想,可为帕隆藏布流域泥石流防治提供辅助决策.     

精准防灾导向下乡村地质灾害易发性评价及防灾策略研究——以花垣县为例

山地乡村地质灾害频发,而现有的防灾规划不够科学且过于粗放,实现精准防灾成为当下乡村振兴的重要内容.以花垣县为例,通过地理加权回归模型(GWR)和一般回归模型(OLS)的比较,开展地质灾害易发性评价研究.结果表明:GWR模型验证系数远优于OLS,因此GWR更适合解释地质灾害的形成,且预测准确率达到97.9％;花垣县南部和西北部等区域属于灾害高易发区;花垣县致灾要素中降雨、高程、断裂带、水系致灾贡献比例高,建筑、道路、采矿要素次之,且不同村庄致灾因子存在明显空间差异性.研究不但提高了地质灾害易发性评价的科学性,而且提出了"异村异法"的精准防灾策略,增强了乡村抵御灾害的能力.     

重庆市地质灾害孕灾环境分区研究

为探索重庆市地质灾害孕灾环境分布情况,以重庆市主要地质灾害为研究对象,在分析孕灾因子基础上,选取暴雨强度、地貌条件、地质岩性、年均降雨量、植被覆盖度和地质构造条件等6个因子,构建地质灾害孕灾环境分区指标体系,利用层次分析法(AHP)和专家效度相耦合方法确定各指标权重,并建立孕灾环境综合指数评价模型。在ArcGIS软件平台支持下,以1 km×1 km网格尺寸为单位精细获取各指标分析数据,计算得到各网格孕灾环境综合指数值,并根据该值进行重庆市地质灾害孕灾环境等级区划分。结果表明:重庆市地质灾害孕灾环境综合指数值在43～84之间,孕灾分区主要集中在高易发区和中易发区,其中危险区1.29×104 km2,占总面积的15.62%;高易发区4.42×104 km2,占53.68%;中易发区2.38×104 km2,占28.85%;低易发区0.15×104 km2,占1.85%。     

基于层次-模糊评价法的山区油气管道地质灾害易发性研究

针对山区油气管道地质灾害的基本特征,将层次分析与模糊综合评价相结合,建立起可用于山区管道地质灾害易发性评价的层次-模糊评价模型;并从自然因素、管道敷设状况、灾害活动和设计与误操作四个方面建立山区油气管道地质灾害易发性评价体系.首先依据专家经验构造各层影响因素的判断矩阵,并利用层次分析法求出各影响因素的权重集,然后对山区油气管道地质灾害易发性进行多级模糊综合评价,最终根据评价结果确定山区油气管道地质灾害易发性等级.通过具体实例检验了本文所建立评价方法的应用效果.     

基于机器学习的高速公路大型货车追尾风险预测

针对高速公路大型货车追尾事故频发的问题，评估高速公路大型货车追尾风险，并分析交通流特性对大型货车追尾风险的影响，以降低追尾事故的发生率。根据德国HighD开源数据集，以不同冲突风险等级的碰撞时间(TTC)阈值作为大型货车冲突风险的划分标准，提取大型货车的车辆轨迹与交通特征参数等数据，基于随机森林(RF)、支持向量机(SVM)和人工神经网络(ANN)等3种机器学习模型分别建立高速公路大型货车追尾风险实时预测模型；以混淆矩阵、受试者工作特征曲线的曲线下面积(AUC)和洛伦兹(KS)检验等评价指标，对比分析各模型的整体预测能力，并选取预测精度最好的模型分析各个特征参数对追尾风险的影响程度。研究结果表明：RF模型的预测准确率达75%,相对SVM模型高出8%,相对ANN模型高出10%,且RF模型的预测精确度、召回率、AUC值和KS值均优于SVM模型和ANN模型；最小车头间距、车速标准差和加速度标准差3个参数对大型货车追尾风险影响程度最高。     

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IWOA-PNN模型的管道焊缝腐蚀剩余强度预测

针对管道焊缝腐蚀问题构建基于改进鲸鱼优化算法(Improved Whale Optimization Algorithm, IWOA)的概率神经网络(Probabilistic Neural Network, PNN)剩余强度预测模型。首先，通过种群初始化、非线性收敛因子和惯性权重因子提高鲸鱼优化算法的寻优速度和精度；然后，利用IWOA算法优化PNN的光滑因子，构建IWOA-PNN预测模型；最后，以水压爆破试验数据为基础，使用MATLAB软件进行仿真试验，并与另外2个模型进行对比分析。结果表明：IWOA-PNN模型的E_RMS为0.633 1,E_AR为2.19%,R²为0.954 6,均优于PNN和鲸鱼优化算法(Whale Optimization Algorithm, WOA)-PNN模型；IWOA-PNN模型与传统模型相比误差更小，能够更为准确地预测焊缝腐蚀后剩余强度，为管道的维修和更换提供参考。     

基于多模态信息融合的心理负荷评估*

为了相对稳定地识别人员是否处于心理负荷状态,设计并实施含能材料起爆作业心理负荷诱导试验。首先对心理负荷诱导情况进行判断,然后分别采集27名被试在静息状态和实施含能材料撞击起爆作业状态下的眼动、心率变异性（HRV）和脑电信号（EEG）,通过正态性检验和假设检验获得心理负荷表征指标并进行统计功效分析,依据表征指标,采用支持向量机（SVM）和随机森林（RF）算法建立多模态信息融合的心理负荷评估模型,最后采用被试工作特征曲线（ROC曲线）分析各模态组合和分类器的心理负荷识别性能。研究结果表明:双模态（眼动+EEG）下SVM算法和3模态下RF算法评估性能和稳健性较高,多模态信息组合具有优异的识别效果。     

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。     

建筑工程安全文明施工费预测精度研究

为准确测算建筑工程安全文明施工费,提出案例推理技术(CBR)-最大信息系数(MIC)-随机森林(RF)预测模型方法。通过实地调研61个典型工程样本数据,选择12个安全文明施工费的影响因素作为候选特征变量,采用CBR进行样本相似度检索以构建模型的训练样本集,运用MIC确定关键特征变量输入模型,组合建立3种RF模型(RF、MIC-RF和CBR-MIC-RF),并通过实证分析其预测精度。结果表明：通过样本相似度检索和识别关键特征变量,可显著提高RF模型的预测精度(平均绝对百分比误差(MAPE)为3.35%);模型预测精度随不同等级的相似度阈值呈“U”型变化,设置合适的相似度阈值对提升模型的预测效果至为关键;CBR-MIC-RF模型可获得比支持向量机模型更好的预测性能。     

基于改进YOLOv5s的综采工作面人员检测算法

为了智能监控井工煤矿综采工作面危险区域人员闯入和安全帽佩戴问题，避免监控视频受粉尘干扰、光照不均等因素影响图像检测精度的问题，提出一种基于改进YOLOv5s的目标检测算法(简称YOLOv5s-DPE),并建立相关模型。首先，在颈部网络部分，采用深度可分离卷积(DwConv)替换普通卷积，降低参数量和计算量；然后，引入改进的路径聚合网络(PANet)提升特征提取能力，替换边界框损失函数完全交并比(CIOU)为有效交并比(EIOU),提升检测准确率；最后，选取综采工作面视频中的人员图像进行检测，选取煤矿井下人员闯入和安全帽佩戴监控视频作为检测数据集，并进行训练和验证。结果表明：对比初始YOLOv5s算法模型，YOLOv5s-DPE算法模型的参数量下降14.2%,浮点数计算量下降7.6%,算法网络模型大小下降12.5%,均值平均精度(mAP)@0.5提升到93.7%,mAP@0.5∶0.95提升到65.8%,YOLOv5s-DPE模型对小目标检测效果更好，误检漏检等情况有所减少。     

基于GIS和信息量法的泥石流流域滑坡危险性评价

滑坡为泥石流提供重要的物质来源。分析泥石流流域内影响滑坡的各种因素,研究滑坡发生的条件与规律,能够为估计泥石流的发展趋势提供重要依据。选择四川省安县雎水镇4条泥石流沟作为研究区,利用GIS空间分析并结合信息量法,选取高程、坡度、坡向、植被覆盖类型、沟壑密度、地形湿度指数6个评价因子,进行滑坡危险性评价。评价结果显示:研究区滑坡易发生在高程小于1 000 m、坡度大于40°、沟壑密度5～7 km/km2、地形湿度指数为7.12～9.78、阴坡朝向和低植被覆盖的区域。中等危险度以上的区域包含79.39%的滑坡,并且随着危险度的增大,研究区单位面积上发生的滑坡面积也变大,其中,极高危险区内发生的滑坡面积占极高危险区面积的51.97%。     

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。     

基于“情景-任务”的重特大地质灾害救援装备调配优化

地质灾害应急救援是一种涉及因素多、技术含量高、时间要求紧、工作任务重和社会影响大的非常规防灾减灾行动。救援装备是救援工作的重要保障，当前以滑坡、泥石流为代表的地质灾害救援装备调配存在效率低、匹配度低、利用率低等问题。以“灾害情景—救援任务—救援装备调配”的思路，分析中国地质灾害救援案例，总结出“情景-任务-装备”的匹配关系；在此基础上，以救援任务完成时间最短和救援装备利用率最高为目标，构建基于不同情景-任务的救援装备调配模型；针对不同任务与救援资源的调配优先权冲突，用多优先级动态列表规划(MultiPRI List Dynamic Scheduling, MPLDS)算法求解，从而提高救援资源配置和利用效率，保证调配效果最佳；最后，以2019年贵州水城“7·23”特大山体滑坡救援行动为例验证模型和算法的有效性和可行性，为不同灾害类型下救援情景-救援任务-救援装备间的匹配及优化配置提供一种研究范式，为“任务-资源”调配问题的求解提供一种有效的算法，还有助于深化多个受灾点和出救点下多任务、多目标复杂动态优化问题的研究。     

基于GIS的区域公路地质灾害数据模型研究

为有效管理地质灾害数据,构建2类数据模型并整合ESRI的Geodatabase数据模型和关系数据库(RDBMS)来存储和管理复杂的区域公路地质灾害数据,确保数据对象的精度与完整性.一类是区域公路地质灾害数据模型,包括地理与社会经济要素数据集、地形与岩性构造要素数据集、水文与气象监测要素数据集、灾害信息与分布要素数据集、群测群防监测网要素数据集及分析与评价结果要素数据集;另一类是公路地质灾害单体工点数据模型,主要包括监测布置网要素数据集、基础属性数据、监测数据和分析数据.采用ArcEngine开发了ArcHgddms来创建这2种公路地质灾害数据模型,并建立了包含空间数据(如矢量数据和栅格数据)和属性数据的公路地质灾害数据库.     

BP神经网络模型的改进及其在海底管道外腐蚀速率预测中的应用

针对海底油气管道外腐蚀问题构建模型预测其腐蚀速率，建立基于改进鹈鹕优化算法(Improvement Pelican Optimization Algorithm, IPOA)的BP神经网络(Back Propagation Neural Network, BPNN)腐蚀速率预测模型。通过Logistic-Tent混沌映射初始种群与收敛因子非线性化的方法提高鹈鹕算法(POA)的全局搜索能力和寻优精度，采用IPOA算法优化BPNN的权值和阈值，提升模型的预测精度与鲁棒性。以实海挂片试验数据为基础，建立POA-BPNN和BPNN模型作为对比。结果表明：IPOA-BPNN模型的决定系数R²为0.966 4,均方误差为0.235 3,平均相对误差为3.16%,均优于其余两个模型，模型的鲁棒性较未改进有较大的提升。这表明IPOA-BPNN模型能够为海底管道的维修与更换提供决策支持。     

云南电网地质灾害易损性评估与区划

云南电网几乎覆盖云南全境,已有的灾害历史表明：地质灾害可以导致电网设备产生物理性损伤,致使电网不能正常运行,甚至产生连锁反应,造成局部电网瘫痪.目前国内学者在电力系统易损性领域的研究还处于起步阶段,尚无应用广泛的规范性易损性评价模型.围绕云南电网地质灾害易损性评估,提出了基于内生易损性和外因易损性的电网地质灾害易损性评估方法;采用统计分析方法,以云南电网本身健康指数和历史地质灾害资料为依据,通过从内生易损性和外因易损性对云南各市（州）局电网进行了地质灾害易损性评估;按四级分区法绘制了云南电网地质灾害易损性区划图.研究结果表明,云南省作为地质灾害多发易发省份,云南电网有43.75％部分处于地质灾害高易损性等级以上,电网的安全运行受到较严重的威胁,分析结果可为云南电网地质灾害防灾减灾管理等提供参考依据.     

维数约简用于BPNN的核事故源项估算方法

为在核事故后果评价中准确估算放射性物质源项,优化误差反向传播神经网络(BPNN)核事故源项估算模型,用主成分分析(PCA)法选取累计贡献率大于85%的6个主成分,代替原模型源项的10个影响因素,建立PCA-BPNN模型;用随机森林(RF)算法计算源项各影响因素的重要性,去除风向和混合层高度这2个重要性较小的影响因素,构建RF-BPNN估算模型;对比分析上述3个模型的估算效果。结果表明:与BPNN模型相比,PCA-BPNN模型与RF-BPNN模型估算时间较短,误差较小,可如实反映事故的源项信息; RF-BPNN模型相比于PCA-BPNN模型,精度及稳定性更优。     

基于HIOA-MK-TCRVM算法的边坡稳定性估计模型

为提高边坡稳定性估计方法的精度及计算效率,将混合智能优化算法(HIOA)与多核二分类相关向量机(MK-TCRVM)算法相结合,建立HIOA优化的MK-TCRVM(HIOA-MK-TCRVM)算法,并用其估计岩质边坡及土质边坡稳定性。同时,基于单核二分类相关向量机、支持向量机(SVM)等算法建立其他的边坡稳定性估计模型,并与HIOA-MK-TCRVM算法进行精度与稀疏性对比分析。最后,分析HIOA算法优化MK-TCRVM算法参数的效果。结果表明,HIOA-MK-TCRVM算法对训练集与测试集边坡稳定性估计的准确率均达到100%,其精度优于其他边坡稳定性估计模型;HIOA-MK-TCRVM算法的相关向量数占训练样本数的25%以内,模型稀疏化效果明显;向HIOA算法中加入遗传操作后,其进化速度及最优解均得到较好的改善。