基于断面和阻力等效的桩群调流效果研究

大型深吃水系泊船舶在复杂水流环境下易出现漂移、离绑等事故,可影响港口设施及周边水域的安全。针对某离岸码头的船舶漂移断缆事故,构建了大范围和小范围的潮流嵌套模型,小范围模型用于探讨不同桩群布置方案的调流效果,大范围模型为小范围模型提供水位边界条件,采用断面和阻力等效的方法概化处理了船舶和桩群对水流的影响。经实测潮流水文资料调试和验证,获得了合理的计算参数,证明本文建立的潮流嵌套模型满足精度要求。基于上述模型,研究了案例工程附近海域的潮流特性,分析了造成漂移断缆的原因,评估了四个桩群调流方案的工程效果。结果表明,轴线方向70°、轴线长度150 m的布置方案为最优选择。这一方案实施后,案例工程附近海域的涨潮流速普遍下降,且工程的实施对邻近码头前沿水域无显著影响,说明该方案具有良好的调流效果。     

“双高计划”背景下安全类专业群建设现状、组群逻辑及建设途径

安全生产关系国家和人民的利益,关系社会安全与和谐。然而我国安全技术人才队伍建设工作相对滞后,高质量安全技能人才相对匮乏。因此加强高职安全类专业群建设刻不容缓。本文分析了安全类专业群建设的现状及组群逻辑,在此基础上研究了安全类专业群建设内容与举措。     

粒子群优化算法在源强反算问题中的应用研究

在危险化学品泄漏事故中泄漏源强是预测事故后果的主要影响参数,也是事故应急救援决策的基础。为了在化学品泄漏事故过程中快速准确地获取泄漏源强数据,将粒子群优化(PSO)算法应用于危险化学品泄漏源强的反算中。利用高斯烟羽扩散模型和下风向浓度测量数据,将计算浓度与测量浓度的误差平方和作为目标函数,采用粒子群算法来优化,以确定源强并通过模拟的测量浓度数据进行算法有效性验证。结果表明,PSO算法及其参数改进算法不依赖于初值的选择,计算速度快,能满足事故应急响应救援的需要。     

科学防控甲流确保部队安全

目前,全国甲型H1N1流感仍在广泛传播,最近我国多个地方报告甲型H1N1流感聚集性病例,西藏新近出现全国首例甲型H1N1流感死亡病例。随着秋冬季的到来,疫情防控面临流行、集中暴发及病毒发生变异等新形势,必须继续增强防控意识,继续认真落实适度从严的防控措施,继续实行联防联控和群防群控有效方式,深入开展爱国卫生运动,逐步改变不良生活习惯,培养健康文明的生活方式,使部队甲型H1N1流感防控工作依法科学有序进行。     

土体侧移作用下桩基侧向土压力的群桩效应∗

当前工程建设中受土体侧移作用影响的桩基问题越来越突出,桩侧土压力是桩?土相互作用研究中的重要问题,并且受群桩效应影响很大,运用岩土数值计算程序 FLAC3D ,针对粘土饱和不排水情况进行了平面应变数值模拟研究,土体采用摩尔?库伦理想弹塑性本构关系,桩基采用线弹性本构关系,桩?土之间建立接触面。研究结果表明,桩周粘结力对桩侧极限土压力有明显影响,达到桩侧极限土压力所需要的桩土相对位移随 E/Cu 的增大而减小。单排桩时,随着桩间距增大桩土荷载分担比降低,桩侧极限土压力值增大,达到极限土压力时所需要的桩土相对位移增大。双排桩时,当桩间距大约为 2D 时加筋和遮拦效应影响范围比较小,然后随桩间距增大加筋和遮拦效应影响范围增大,而排间距的增大会使遮拦和加筋作用降低,当排间距大于 6D 后遮拦和加筋效应基本消失,桩间距和排间距的增大都使达到桩侧极限土压力所需要的桩土相对位移量增大,并将计算结果与先前学者试验结果进行了对比与分析,具有较好的一致性并有所发展。     

粒子群算法在化工设备可靠性分析中的应用

基于可靠度指标的几何含义,分析了粒子群算法的原理、模型和算法实现过程。通过算例用MATLAB语言编程进行计算,并与一次二阶矩法和蒙特卡罗法得出的结果进行了比较,证明了粒子群算法在化工设备可靠性分析中的有效性和可行性。     

聚并元件结构和来流颗粒粒径对细颗粒物湍流聚并的影响

文章亮点 将V型钝体用于湍流聚并,钝体后方形成了大量稳定的强旋涡,明显提高了聚并效率. 发现细颗粒物的聚并消除主要发生在聚并元件尾部生成旋涡的区域,在下游区域较少发生碰撞和聚并. 发现烟气中大、小颗粒混杂的情况下小颗粒的去除效率得到明显提升,工业中可充分利用这一特点来进行细颗粒物的消除.     

基于PSO-SVM算法的环境监测数据异常检测和缺失补全

针对环境监测数据异常和数据缺失问题,提出了基于支持向量机的粒子群优化数据异常检测和缺失补全算法。利用粒子群优化算法选取较优的支持向量机训练参数组合,以此建立非线性的支持向量机模型,并利用结果模型对测得的真实数据拟合预测。以宁夏回族自治区某污水处理厂的污染物测量数据作为实验数据,结果表明,利用该算法预测数据的准确率可达97.977%,检测异常数据准确度高,缺失数据补全正确。     

基于改进的PSO‑BP神经网络的边坡稳定性研究∗

边坡稳定性研究对于重大地质灾害防治极其重要，但由于影响边坡稳定性的因素具有非线性、多样性以及模糊性等特征，边坡稳定性分析一直是地质灾害防治领域的热难点问题。已有研究表明神经网络预测模型可有效应用边坡稳定性分析，但同时存在预测精度低、鲁棒性差、收敛速度慢等缺点。为改善上述问题，在粒子群算法优化的 BP 神经网络（简称 PSO?BP 神经网络）算法基础上提出一种改进的边坡稳定性预测模型。该模型以容重、内聚力、内摩擦角、边坡角、高度、孔隙压力比作为输入参数，以安全系数作为输出参数。通过借鉴遗传算法中的变异思想来提升模型全局寻优的能力，利用能量函数负梯度下降原理提高模型的收敛速度。将所收集到百余条边坡数据进行数据清洗，最终得到 80 条高质量边坡数据，随机选取其中的 50 条边坡数据作为模型的试验数据。最后采用十折交叉验证的方法对模型的准确性进行验证，并在多维度与其余边坡稳定性神经网络预测模型进行对比分析。结果表明：①该模型相比于其余模型收敛速度、准确率、鲁棒性均有明显提高；②将 K 折交叉验证应用在小样本数据下的边坡稳定性神经网络预测模型，可有效避免结果的偶然性。③该模型的预测误差仅为 4.31%，满足工程精度需求，可在实际工程中为边坡稳定性分析与灾害防治提供参考。     

基于ADPSO-FNN算法的催化再生烟气二氧化硫预测方法

为了解决催化裂化装置再生器出口烟气二氧化硫质量浓度难以实时预测的问题，提出一种基于自适应粒子群优化-模糊神经网络(Adaptive Particle Swarm Optimization-Fuzzy Neural Network, ADPSO-FNN)算法的催化再生烟气二氧化硫质量浓度智能预测方法。首先，针对数据来源多，且来自数据采集系统(Data Collection System, DCS)与实验室信息管理系统(Laboratory Information Management System, LIMS)中多维数据时间尺度不匹配的问题，利用基于自适应回归算法实现多时间尺度的数据清洗；其次，建立基于模糊神经网络算法的二氧化硫质量浓度预测模型，提取再生烟气产排过程中的动态特性；然后，提出基于动态惯性权重和学习因子机制的自适应粒子群算法，平衡全局探索能力及局部开发能力，实现再生烟气二氧化硫质量浓度的预测；最后，利用炼厂检修前、后的数据分别建立二氧化硫预测模型并进行测试。结果显示：该预测方法实现了催化再生器出口二氧化硫的准确预测，解决了现场多时间尺度数据难以建模的问题。