基于粗糙集-模糊评判-神经网络的隧道施工安全状态评估

为了有效地对隧道施工进行安全状态评估,建立了以人-机-环-管理系统为基础的隧道施工安全状态评估指标体系,构造了基于粗糙集-模糊评判-神经网络的隧道施工安全状态评估模型.该模型通过粗糙集约简输入变量,提炼学习样本,再利用神经网络对其进行训练和评价,提出了使用层次分析法和模糊数学的方法对隧道施工安全整体综合评判,得到的评价值作为神经网络训练目标值的方法.实际结果表明,通过使用该模型方法,神经网络训练的条件属性由原来的17个变成6个,训练周期由原来的2 992次减少为1 637次,泛化能力、安全状态评估的结果都优于约减前,能够对隧道施工安全状态做出有效的评估结论.     

基于粗糙集理论的地铁灾害应急能力评价研究

本文利用粗糙集理论的相关知识,研究了地铁灾害应急能力的评价问题。从地铁灾害应急能力的特点出发,构建了准确、全面、有效的地铁灾害应急能力评价指标体系,分析了如何利用粗糙集进行权重确定。最后,通过一个应用实例说明了模型的有效性。     

基于人误系统复合状态(MSHES)的人误防范理论研究

评析国内外以第一代人因可靠性分析(静态)、第二代人因可靠性分析(动态)为主体形成的人误防范理论和方法;针对目前不能量化人的生理、认知、心理等相关非结构性和非确定性参数和数据的"瓶颈",建立基于人-机-环系统业务流程的人误系统复合状态(Multiplex State ofHumanErrors System,MSHES)结构模型;探求运用粗糙集数据挖掘,对资深专业人员的经验规则信息、人因事故或事件分析的信息,挖掘人因层次结构中的根因与人误层次结构中的差错之间的关联关系,构建基于规则的人误防范专家系统结构模型;探究人的风险性评估和人误防范理论。     

基于粗糙集Skowron差别矩阵的矿井火灾风险评价指标约简

在安全评价过程中,当构建的指标体系过于庞大,数据繁琐,不利于进行安全评价工作。为了对矿井火灾风险评价指标体系进行快速简化,基于粗糙集理论属性约简功能,采用理论与实例分析相结合的方法,利用Skowron差别矩阵算法对矿井火灾风险评价决策表进行属性约简。研究表明:通过约简,矿井火灾风险评价指标由原来的16个缩减为6个,大大减少了后续评价过程中权重确定的计算量,降低了评价的复杂程度,减少了评估工作量。同时约简结果也为矿井火灾防治工作提供了一些指导意见,体现了差别矩阵在决策表的属性约简中的高效性。     

基于范例推理的灾害性地震应急物资需求预测研究

基于范例推理(CBR)理论,利用最近相邻法和粗糙集理论搜索相似度最高的主震历史范例,分析各主要物资需求量的影响因素,预测当前范例主震期应急物资需求量。通过序贯决策,采用马尔科夫预测模型预测余震类型,进而搜索余震历史范例,预测余震期应急物资需求量。以"玉树"地震为例,运用该方法估算地震发生后食物类、生活用品类、药品类、工程机械类的需求量。     

基于粗糙集-未确知测度理论的金属矿山紧急避险能力评价模型

为实现对金属矿山紧急避险能力的可靠预测,建立了基于粗糙集-未确知测度理论的紧急避险能力评价模型。以问卷调查的方式获取指标数据;运用粗糙集理论对影响紧急避险能力的28个指标进行约简,删除相对不重要的指标,从而得到最优指标,进而通过归一化数据求得约简指标的综合权重;对约简后的指标建立未确知测度模型。以广西某矿为例,根据专家的打分,确定单指标未确知测度;依据置信度准则,进行等级判定,得出该矿山的紧急避险能力评价结果。将预测结果与专家评价结果对比,两者结果相符,表明该方法可行。     

水体富营养化驱动因子粗糙分析

基于水质污染因子及其污染特性存在不确定性的特点,将粗糙集理论应用于水质污染因子及特性分析,建立污染因子评价粗糙集数学模型.该模型仅依赖于数据本身提供的信息,挖掘污染因子之间不确定的分类关系,计算其对水体污染或水质富营养化的重要性即贡献率大小,科学、快速和客观地揭示水体污染中起主导作用的污染来源,为水体污染控制提供理论依据.应用数学模型分析巢湖12个监测点的水质数据,确定巢湖主要污染因子及其导致湖泊富营养化的贡献率,结果显示TP、COD、TN等是导致巢湖水体富营养化的重要因子,今后应控制巢湖入湖水体的总磷及其有机污染物含量,以改善巢湖水质富营养化状况.     

基于RS-云模型的硫化矿石自燃倾向性综合评价

为实现硫化矿石自燃倾向性的综合评价,应用云理论,选取矿样的氧化质量增加率、自热点和自燃点等定量化指标构建了评价指标体系,运用粗糙集法（Rough Set, RS）计算各评价指标权重,依据分级标准对云模型进行标准化,进而建立硫化矿石自燃倾向性分级的RS-标准云模型。以30组工程实例进行模型检验,并在实际工程中进行应用。结果表明:RS-标准云模型的判别结果与实际结果较吻合,且判别准确率高于贝叶斯(Bayesian, Bayes)方法,表明RS-标准云模型在硫化矿石自燃倾向性综合评价中具有良好的实用性和可靠性,可为矿山的硫化矿石自燃灾害的研究提供一种新思路。     

基于粗糙集和支持向量机的标准农田地力等级评价

标准农田是耕地的精华,是确保国家粮食安全的关键。科学评价标准农田地力等级对标准农田培肥和土壤改良有着重要意义。将粗糙集(Rough Set,RS)理论和支持向量机(Support Vector Machine,SVM)相结合,提出了基于RS和SVM的标准农田地力等级评价方法,同时,利用遗传算法的并行搜索结构和模拟退火的概率突跳特性,提出了GASA优化SVM参数算法。该方法首先在确定标准农田地力等级评价指标的基础上,利用地力调查样本数据及传统的指数和法评价结果构建RS决策表,应用RS穷尽算法对决策表进行约简,剔除冗余的评价指标,然后用约简后的评价指标作为SVM的输入,运用GASA优化SVM参数算法对SVM进行训练,建立标准农田地力等级的RS-SVM评价模型。应用该方法对温州市鹿城区标准农田地力等级进行评价,与未用RS约简的SVM模型和BP神经网络模型评价结果进行对比,SVM模型和BP神经网络模型的输入指标数均为15个,其评价正确率分别为100%和90%;RS-SVM模型的输入指标数为14个,其评价正确率分别为100%,结果表明,该方法通过RS约简评价指标后,SVM评价精度并没有降低,但降低了SVM输入向量维数和计算复杂度,提高了训练效率;SVM 用于标准农田地力等级评价,具有比BP神经网络更高的评价精度,可有效用于标准农田地力等级评价,为耕地地力评价提供了新方法。     

粗糙集综合评价法在公路建设项目大气污染评价中的应用

简述了粗糙集理论的基础知识，应用粗糙集综合评价法对公路建设项目大气污染进行了评价，并通过实例验证了该方法的可行性和实用性。