基于UHBs的输气管道高后果区泄漏燃爆事故分析

为探究输气管道高后果区中人的不安全行为（Unsafe Human Behaviors,UHBs）对输气管道泄漏燃爆事故发生的影响,结合模糊Bow-tie模型和贝叶斯网络对输气管道泄漏燃爆事故进行分析。构建基于T-S模糊故障树的输气管道泄漏燃爆模糊Bow-tie模型,并转化为贝叶斯网络;从人的不安全行为发生的可能性出发,将不同等级高后果区划分为不同等级人口敏感区;利用专家经验评判法得到不同等级人口敏感区基本事件的先验概率和中间事件的条件概率表;运用贝叶斯网络双向推理算法求解模糊Bow-tie模型。结果表明:随着地区人口敏感等级的提高,输气管道泄漏燃爆事故发生的概率随之增大,发现导致输气管道失效泄漏事故发生的最主要原因为施工破坏,失效原因与EGIG分析的结果基本相符,验证该方法在高后果区输气管道泄漏燃爆事故分析上的可行性,可为输气管道高后果区的安全管理提供决策依据。     

重大危险源事故风险预警技术研究

重大危险源事故风险预警技术是事故控制技术中的一大研究重点。本文通过对比分析安全生产领域常用事故预警模型的优缺点,总结了事故预警模型的发展趋势,提出了基于模糊综合评判技术和动态模糊神经网络技术的重大危险源事故风险预警模型,详细陈述其构建过程,最后对液化石油气蒸气云爆炸事故应用该模型,得到了较好的预测效果,实现了风险程度的定量化预警。该预警模型具有快速的自学习能力和容错能力,能够同时处理多种风险因素、自动生成模糊规则并满足预警系统的实时性要求,可应用于重大危险源在线监控预警系统,为企业端和政府端监管者提供有效的重大危险源事故风险定量化预警信息,为遏制重大灾难事故的发生、减少死亡人、数受伤人数和直接经济损失提供先进的理论和技术支撑。     

民用机场停机坪安全三维风险预警模型研究

鉴于机场风险管控能力差异对风险的影响,对停机坪安全三维风险预警模型进行了研究。采用扎根理论构建35个停机坪安全风险预警指标,在传统二维风险矩阵的基础上,考虑风险受体脆弱性,建立停机坪安全三维风险预警模型,采用最优分割法确定预警警级和阈值,采用层次分析法-模糊综合评价法计算警度,并发出预警信号。结果表明:35个风险预警指标中,18个指标警情处于Ⅱ级,发出黄色轻警信号;17个指标警情处于Ⅲ级,发出橙色中警信号;而综合风险警情为Ⅱ级,发出黄色轻警信号。     

旅游安全预警的集对分析-可变模糊方法

为解决可变模糊方法在旅游安全预警中存在的计算过程复杂和难于确定阈值的问题,基于集对分析理论、可变模糊集理论及二元语义方法,提出旅游安全预警的集对分析-可变模糊方法。首先,基于集对模糊联系度,构造可变模糊集理论的相对差异度,进而建立集对分析-可变模糊综合评价模型;然后,结合预警分级特征值,运用二元语义方法确定旅游安全预警级别和阈值;最后,将该方法应用于实际算例,并就预警结果与其他旅游安全预警方法进行对比分析。结果表明:集对分析-可变模糊预警方法在简化计算过程的前提下,所得预警结果与BP神经网络方法、TOPSIS方法、可变模糊方法基本一致。     

基于多源数据融合的石油罐区安全监控模型

由于单一传感器在石油罐区安全监控中容易受到外界因素影响从而产生误差,为提高传感器检测结果的可靠性和罐区安全监控预警的准确性,基于多源数据融合技术,建立罐区安全状态预警模型。首先,介绍了多源数据融合技术的3个层级:数据级融合,特征级融合和决策级融合,以及目前各领域常见的数据融合方法;其次,建立了基于最优加权融合算法的一级融合模型和基于BP神经网络算法的二级融合模型;最后,得到石油罐区安全监控数据融合模型,并为进一步的实践应用打下了理论基础。     

基于时间序列ARMA模式识别的基坑监测预警优化研究

本文分析了传统监测预警模式的特点,为优化深基坑工程传统监测预警模式提出基于时间序列ARMA模型对地铁深基坑变形进行多重防线监测预警。在大量监测数据的基础上,利用时间序列ARMA模型对基坑沉降变形进行预测,对比分析预测值与实际值。根据武汉唐家墩地铁站基坑水事故特征,研究ARMA模式数据的变化,预警深基坑工程施工风险,并进行综合风险分析,以达到全面预防涌水事故的目的。     

基于BP神经网络和SVR的Fund?o尾矿坝排水数据预测对比研究

针对尾矿库运行过程中安全预警问题,选取2015年巴西Samarco铁矿溃坝事故案例,研究BP神经网络和SVR方法在排水数据预测的适用性。综合分析了排水数据的复杂且非线性的特点,以库水位、降雨量和干滩长度为输入特征,采用上述2个模型对尾矿坝排水数据进行预测。研究结果表明:基于BP神经网络预测结果的最大相对误差不高于4.35%;基于SVR算法的最大相对误差不高于9.21%;Fundo坝的排水预测结果是可行的,BP神经网络的预测精度更高,而SVR模型的运算速度更快。研究结果可为矿山安全工作的快速响应和溃坝预警提供信息支撑和参考依据。     

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。     

基于神经网络的经济圈道路交通安全综合测度模型

为提高交通安全评估的准确性、简化评估过程,以我国3大经济圈范围内道路交通安全状况为研究对象,运用神经网络理论构建模糊测度模型。在分析经济圈道路交通安全特性的基础上,建立风险程度、事故烈度、经济影响3层测度指标体系。利用模糊一致性判别矩阵,界定测度因子综合权重,确定测度区间阈值,将测度集分为严重危险、中度危险、基本危险、基本安全、安全等5个等级。以经济圈道路交通事故数据作为测度对象,利用神经网络对测度模型进行融合训练。结果表明,神经网络模型的训练正确率为100%,且能够有效简化评估过程。     

基于IPSO-BP的受损钢结构改造施工安全预警评估研究

为研究受损钢结构改造施工安全预警状况,建立受损情况下钢结构改造施工安全预警指标体系,并针对BP神经网络算法易陷入局部最优的问题,提出了用改进粒子群算法（IPSO）对BP神经网络权重及阈值进行调整的IPSO-BP安全预警评估模型。通过分析某单层重钢厂房受损现状,针对其结构损伤情况和已构建的安全控制指标体系进行数值模拟分析。研究结果表明:与传统的BP模型相比,IPSO-BP模型具有更好的预测能力,构建的安全预警指标体系及预警模型可以很好地对受损钢结构改造施工过程安全状况进行综合评估,对受损钢结构改造施工安全控制具有一定的参考价值。     

基于模糊理论的隧道施工安全预警模型研究及应用

针对公路隧道施工安全事故发生的特点和影响隧道安全施工的复杂因素,建立了公路隧道施工阶段多层次多因子安全监督动态评估指标体系;运用模糊数学中的多层次多目标模糊优选模型,建立隧道施工安全监督二级动态评估预警模型;利用层次分析法(AHP)计算各评估指标参数的权值,使评估结果更客观、更符合实际。通过对数学模型实际应用,评估结果与实际安全状况比较吻合;该数学模型对公路隧道施工安全监督进行动态评估具有现实的指导意义,为隧道施工安全管理工作提供了理论指导。     

基于空间单元分析的装配式建筑施工安全预警模型

为提高装配式建筑施工的安全绩效,针对装配式建筑施工安全监测与预警问题,分析施工现场人的不安全行为、物的不安全状态以及不安全的环境及这3类危险源交叉关联情境;以单元空间为对象,提取各类危险源的动态信息,构建空间单元危险特征向量;采用支持向量机(SVM)分类算法建立装配式建筑施工空间单元安全预警模型。研究结果表明:空间单元安全监测与预警模型具有良好的泛化能力,可识别实际工程项目空间单元的安全风险。     

基于信息融合与GM的石油罐区安全监控预测模型

近年来,石油罐区安全事故发生频率呈不断上升趋势。为有效增强罐区安全监控预警系统监测数据的可靠性,并实现对事故的早期预警,基于多传感器信息融合技术和灰色模型(GM)理论,建立出石油罐区安全监控预测模型。首先,研究了基于递推最小二乘法改进的最优加权融合算法,并将其作为一级(特征级)融合模型,其次,介绍分析了灰色预测理论及GM(1,1)模型的实现过程,最后建立出基于GA-BP神经网络算法的二级(决策级)数据融合模型,并得到石油罐区安全监控预测模型。     

基于因子分析与BP网络的地铁施工安全预警研究

为了解决当前我国地铁施工过程的安全预警问题,构建因子分析与BP神经网络相结合的地铁施工安全预警模型。在分析地铁施工安全预警指标的基础上,采用SPSS因子分析法对调查数据进行降维,采用Visual Basic 6.0软件编写BP网络程序,并通过工程实际数据实现模型的训练及检测。研究结果表明,通过因子分析能使BP网络的输入数据从37个减少至7个,经因子分析降维后的收敛速度和计算精度均高于未经因子分析的神经网络,且误差均在10%以内。通过因子分析与BP神经网络相结合构建的耦合模型识别地铁施工过程中的不安全因素,进而有针对性地完善地铁施工的相关预警技术。     

基于尖点突变模型的地铁深基坑土压力预警阈值研究

为提高地铁施工灾害预警的准确性和可靠性,将尖点突变模型引入地铁施工灾害预警阈值的研究中,建立基于时效影响因子的地铁深基坑土压力尖点突变模型。该模型利用突变流形分析系统的平衡和临界状态,通过势函数突变点临界值确定预警阈值的大小,为地铁施工灾害预警工作提供科学依据。通过实例分析,计算出考虑时间效应的土压力预警阈值。结果表明,地铁深基坑土压力尖点突变模型消除了计算过程中的人为因素影响,并能反映基坑土压力突变的特点。当然,在实际工程施工中,需要对预警阈值进行及时的重新修正,以适应外界环境和技术的不断更新变化。     

基于模糊BP神经网络的深基坑支护方案优选

介绍了深基坑支护方案优选模型的建立过程及其实例分析。基于深基坑支护方案优选影响因素的模糊性和因素之间的关联性,笔者将模糊优选理论与神经网络理论相结合,在详细分析深基坑支护方案优选影响因素的基础上,建立了4层深基坑支护方案模糊BP优选神经网络模型,提出了模型参数和方案优选反馈计算的方法。应用该方法对北京市某广场大厦的基坑支护方案进行了分析,实例结果表明,采用该方法所进行的深基坑支护方案优选,获得令人满意的效果,是一种值得推广的方法。     

深基坑开挖变形研究进展

深基坑的设计理念主要以“变形控制”为主,综合前人的研究成果,将深基坑开挖变形研究分为2类：深基坑开挖平面变形研究和三维变形研究。在深基坑开挖平面变形研究的模式下,回顾了地表沉降模式、地表沉降影响范围以及基坑支护变形,并对具有代表性的工程实测数据进行了归纳总结;在深基坑开挖三维变形研究的模式下,对土体本构模型和数值模拟进行了总结分析;介绍了深基坑智能监测发展趋势,对机器学习在深基坑变形预测和稳定性评估方面的不同算法模型的性能进行了分析。通过理论分析、工程实测、数值模拟、智能监测以及机器学习5个方面,对深基坑开挖变形进行了综述。可以看出,深基坑变形研究需要多方法并举、多领域贯通、多学科相互配合,旨在构建智能一体化云监测分析预警平台,保障深基坑工程的施工安全,为今后智慧工地和智能建造的发展提供可靠的支持。     

地铁深基坑坍塌事故安全风险分析

为了降低和控制地铁深基坑施工风险,避免在施工过程中造成深基坑坍塌事故,以重庆市某地铁站深基坑开挖为例,进行了深基坑开挖风险评估。建立了深基坑坍塌事故导致人员伤亡的事故树模型,再通过事故树建立层次结构模型,将事故树的结构重要度转化为层次分析法中的判别因子,结合层次分析法的权重计算及排序,对深基坑坍塌事故的致灾因素进行了定性识别和定量分析。结果表明,施工地质条件复杂、设计方案不合理、勘察资料有误等事件为主要致灾因素。在地铁深基坑施工过程中应做好动态监测及日常管理工作,保证勘察设计的准确性与可行性。改进后的模型可为企业施工管理提供理论指导。     

基于模糊神经网络方法的信息系统安全风险评价研究

为提高信息系统安全风险评价的准确性,提出基于模糊神经网络的信息系统安全风险评价模型。该模型利用模糊理论隶属度反映各因子的相对状态,对模糊性具有很高的识别精度。将风险因子模糊隶属度矩阵输入BP神经网络中,增加了它对模糊性的识别能力。通过非线性分析处理的BP神经网络进行学习和测试,得到输出风险评价等级。实例分析结果证明算法的应用性。误差分析结果证明了模型的有效性。检验结果表明,模糊神经网络模型的识别精度高于单一的模糊评价模型和神经网络模型。     

DEA-BP神经网络下地铁车站深基坑施工安全评价

为明确地铁车站深基坑施工安全等级,考虑评价指标的非线性关系和复杂动态性,基于数据包络法(DEA)-反向传播(BP)神经网络,提出一种地铁车站深基坑施工安全评价方法。首先,从人员、设备、环境、管理、技术5个方面系统构建安全评价指标体系;然后,利用DEA计算指标权重,运用BP神经网络网络评价地铁车站深基坑施工安全等级;最后,以重庆地铁1号线小什车站为例,运用该方法评价车站深基坑施工安全。结果表明:该车站深基坑施工安全等级为高,与实际情况吻合;安全意识、机械伤人、周边环境、技术交底、渗流破坏是影响深基坑施工安全的主要指标。