基于人工神经网络的气体泄爆最大超压预测研究

为解决传统经验公式在预测气体泄爆中最大超压出现时的较大偏差或过于保守的问题，提出使用人工神经网络预测气体泄爆最大超压。基于124组实验数据，采用BP与RBF神经网络，通过优化算法计算与迭代循环对泄爆样本中的影响因素进行降维与选择，并确定2类神经网络本身在学习与计算气体泄爆样本时的相关参数。结果表明:PCA（主成分分析法）在当前样本条件下的降维效果较差，而通过迭代对比确认气体泄爆样本中的5类特征全部保留时神经网络的训练模拟效果最好；通过对124组实验数据进行随机挑选训练集与测试集的训练模拟结果发现，神经网络对气体泄爆中最大超压的预测效果较好；通过对比Molkov提出的和经Fakandu等改进的NFPA 68经验公式以及2类神经网络的预测结果表明，神经网络相比于传统气体泄爆经验公式具有明显优势。     

基于贝叶斯网络气化炉供料系统风险分析

为解决当前气化炉供料系统风险分析不完善的状况，提出1种基于贝叶斯网络和HAZOP的风险分析模型。以某单日投煤量3 000 t级气化炉煤化工企业实际运行情况为研究对象，应用HAZOP法对其进行风险分析，并将HAZOP分析结果中各偏差产生原因转化为贝叶斯网络节点；考虑到先验知识的缺乏问题，引入Leaky Noisy OR模型，通过文献资料和相关领域专家经验知识获得先验概率，并利用贝叶斯网络进行风险分析，找出系统运行的薄弱环节。结果表明:未知因素影响会使各节点的后验概率值差异性降低，更加贴合实际；在引入未知因素影响后，系统运行薄弱环节并未发生改变。     

基于复杂网络的燃气管线破裂灾害链风险分析*

为提高燃气管线突发事件应急处置决策水平和应急响应能力及效率，采用复杂网络理论和灾害链演化机理对燃气管线破裂灾害事件影响进行耦合分析，构建燃气管线破裂灾害链网络和风险评估模型，并计算得出燃气管线破裂灾害链风险度。为更准确地表达无传播路径的灾害事件之间的关系，将灾害网络中所有最短路径长度的最大值作为其最短路径长度，计算表明这种算法更符合灾害传播实际情况。结果表明:通过燃气管线破裂灾害链风险分析，能够为燃气管线灾害风险控制措施和方案制定提供参考，有利于提高燃气管线破裂灾害事件的应急处置能力和决策水平。     

维修时间不确定性下配电网灾后维修队安排的鲁棒恢复研究*

为最小化灾后配电网损失量，准确描述完整维修队工作时间（分为路途时间与具体维修时间），依据台风路径对维修队所需路途时间进行分类，并利用期望概率描述具体维修时间的不确定性。建立2阶段分布式鲁棒优化模型，采用CCG算法分析国内某地区配电网算例发现:考虑维修时间不确定性可以有效减少配电网损失量。     

How can process safety and a risk management approach guide pandemic risk management?

The coronavirus disease (COVID-19) brought the world to a halt in March 2020. Various prediction and risk management approaches are being explored worldwide for decision making. This work adopts an advanced mechanistic model and utilizes tools for process safety to propose a framework for risk management for the current pandemic. A parameter tweaking and an artificial neural network-based parameter learning model have been developed for effective forecasting of the dynamic risk. Monte Carlo simulation was used to capture the randomness of the model parameters. A comparative analysis of the proposed methodologies has been carried out by using the susceptible, exposed, infected, quarantined, recovered, deceased (SEIQRD) model. A SEIQRD model was developed for four distinct locations: Italy, Germany, Ontario, and British Columbia. The learning-based approach resulted in better outcomes among the models tested in the present study. The layer of protection analysis is a useful framework to analyze the effect of different safety measures. This framework is used in this work to study the effect of non-pharmaceutical interventions on pandemic risk. The risk profiles suggest that a stage-wise releasing scenario is the most suitable approach with negligible resurgence. The case study provides valuable insights to practitioners in both the health sector and the process industries to implement advanced strategies for risk assessment and management. Both sectors can benefit from each other by using the mathematical models and the management tools used in each, and, more importantly, the lessons learned from crises.     

Modeling of a sequencing batch reactor treating municipal wastewater using multi-layer perceptron and radial basis function artificial neural networks

A sequencing batch reactor was modeled using multi-layer perceptron and radial basis function artificial neural networks (MLPANN and RBFANN). Then, the effects of influent concentration (IC), filling time (FT), reaction time (RT), aeration intensity (AI), SRT and MLVSS concentration were examined on the effluent concentrations of TSS, TP, COD and NH₄⁺-N. The results showed that the optimal removal efficiencies would be obtained at FT of 1 h, RT of 6 h, aeration intensity of 0.88 m³/min and SRT of 30 days. In addition, COD and TSS removal efficiencies decreased and TP and NH₄⁺-N removal efficiencies did not change significantly with increases of influent concentration. The TSS, TP, COD and NH₄⁺-N removal efficiencies were 86%, 79%, 94% and 93%, respectively. The training procedures of all contaminants were highly collaborated for both RBFANN and MLPANN models. The results of training and testing data sets showed an almost perfect match between the experimental and the simulated effluent of TSS, TP, COD and NH₄⁺-N. The results indicated that with low experimental values of input data to train ANNs the MLPANN models compared to RBFANN models are more precise due to their higher coefficient of determination (R²) and lower root mean squared errors (RMSE) values.     

京津冀地区一次污染过程的星载地基激光雷达联合观测分析

针对2018年3月9—15日京津冀地区的一次空气重污染过程,进行了基于地基颗粒物激光雷达组网的星载-地基联合观测分析。颗粒物激光雷达观测到污染前期为局地污染累积过程,中期有明显的污染物区域传输过程,北京受太行山沿线城市污染输送影响较大。风廓线激光雷达观测结果表明:此次污染过程近地面主要为偏南风且风力较弱,冷空气到来时风向转为较强东北风,导致污染消散。微波辐射计观测到保定在污染过程中出现持续6 d的逆温层,同时在污染过程中近地面相对湿度较高,逆温层被打破后污染开始消散。在污染过程的各个阶段中,污染团的空间分布与变化特征均被很好地反映出来,可见地天联合观测对污染物的累积与输送研究有较大的意义,能对京津冀及周边地区的大气污染联防联控提供有力支持。     

基于BP神经网络的受限空间火灾联合探测方法

针对航空受限空间火灾探测高误报的问题，在现有技术成果基础上对多种火灾探测方式进行研讨，并提出1种基于BP神经网络技术的飞机机身内部受限空间火灾联合探测报警方法。该方法结合现有烟雾感应、气体传感器探测等常用火灾探测技术，以红外热成像探测为辅助手段，采用神经网络实现数据融合，对模拟实验舱火灾烟雾进行联合探测，在单一火灾探测方式基础上提高了探测准确率。     

隧道救援站通风网络优化设计及人员疏散研究*

为确定铁路隧道救援站最佳通风结构，对烟道布置提出合理建议，采用计算流体力学（CFD）的方法，对铁路隧道救援站通风网络进行优化设计。同时，采用模拟计算的方法对救援站人员疏散进行模拟分析，确定救援横通道布置及防护门开度设置的合理性。研究结果表明:在同等通风参数工况设置下，采用多节点排烟竖井结构后各救援横通道流量分配更均匀，救援站压力平衡性更好，通风效率可提升15%；通过疏散模拟证实，在长560 m的紧急救援站范围内设置10条疏散横通道，横通道设1.7 m宽的逃生门能够满足疏散要求。     

基于社会技术系统的复工企业疫情防控风险路径研究*

为对复工企业疫情防控中的风险致因因素进行分析，探寻复工企业疫情防控的风险路径，基于社会技术系统理论，建立宏观工效学模型，通过查阅并分析国家、地方政府、企业文件以及相关文献，从人员、技术、组织管理、内部环境及外部环境5个子系统出发，识别出16个复工企业疫情失控致因因素；运用社会网络分析（SNA）构建复工企业疫情防控关系网络，对各因素节点中心度进行计算，分析各节点在网络中的位置及影响程度；采用贝叶斯网络（BN）进行参数学习和推理学习，找出复工企业疫情失控的最大致因链。结果表明:复工企业疫情失控关系网络中，存在政府监督管理不力→防疫物资筹备不足→日常监管不到位，政府监督管理不力→ 防疫宣传、培训缺失→员工防疫知识欠缺，政府监督管理不力→防疫宣传、培训缺失→日常监管不到位3条最长风险路径。研究结果可帮助复工企业针对最长风险路径中的因素进行管理，从而有效地为复工企业防疫提供理论支持。