具有小世界邻域结构的混合鲸鱼优化算法

针对标准鲸鱼优化算法收敛精度低和易早熟的问题,提出了具有小世界邻域结构的混合鲸鱼优化算法。该算法采用小世界网络作为种群的空间结构,在围猎捕食和气泡网攻击阶段,设计了一种混合引导策略来协调算法的全局搜索和局部开发能力。此外,为了能够找到更多局部最优解,提出了基于边界信息的小概率局部维度变异策略。基于标准测试函数的仿真实验表明,与标准鲸鱼优化算法和其他性能优异的改进算法相比,具有小世界邻域结构的混合鲸鱼优化算法在收敛精度和稳定性方面更具优势。     

基于韦伯-费希纳定律的空气质量普适韦伯指数公式

在适当设定各项空气污染物浓度"参照值"cj0的基础上,用相应于"参照值"cj0的污染物的"规范值"xj作为基于韦伯-费希纳(W-F)定律空气质量指数公式中的污染刺激量。由于各污染物同级标准的浓度"规范值"xjl差异不大,从而可以认为各污染物的韦伯指数公式等效于一个具有共同适用的韦伯常数α的W-F指数公式,并采用粒子群(PSO)算法优化得出α,得到对7项空气污染物皆适用的空气质量普适韦伯指数公式。该公式应用于多个实例分析,并与多种其它评价方法的评价结果比较表明,空气质量普适韦伯指数公式具有简单、实用和直观的特点。     

基于优化方法的区域疏散路径规划研究

由于各种灾害的频频发生,对于区域整体及局部的疏散规划方案的研究具有迫切性和必要性。基于传统的迪杰斯特拉算法和回溯法的思想,对矩阵化的地图信息进行处理和计算,得到满足最大疏散人数、总体最短疏散路径、最短疏散时间等优化条件的优化方案。最后将这种方法运用到实际中,得出了某大学校区的路径选择方案。     

基于SA-ELM的爆破震动速度预测

针对爆破震动速度与其影响因素之间的复杂非线性,结合模拟退火算法(SA)的全局寻优性,提出了一种新的SA-ELM算法.以矿山周边建筑物爆破震动实测数据作为训练样本,选取总药量、最大段药量、测点与爆破点距离、地面震动特性、建筑物震动特性等8个影响因素作为输入变量,建立了爆破震动速度预测的SA-ELM模型.模型训练值和预测值与实测值的均方误差(MSE)分别为0.20和3.26,平均相对误差控制在5％以内,显示出该模型具有良好的训练精度和泛化能力.对比传统ELM模型,SA-ELM模型不但提高了精度和泛化能力,而且降低了隐层节点数变化对训练结果的影响,提高了模型的稳定性.     

不同升温速率下煤自燃机理函数的优化——基于人工鱼群算法

为了确定最优的煤自燃机理函数,首先采用热重实验和热解动力学方法建立煤氧化反应的热分析动力学方程,再利用人工鱼群算法对煤自燃氧化方程进行优化,最终确定最优的煤自燃机理函数。该方法能较好的确定最优化煤自燃机理函数,且具有较好的拟合效果。对不同变质的煤样进行煤自燃机理函数的人工鱼群算法研究,并以双鸭山东荣二矿14层采区的煤样为例进行热重实验分析,得到不同转化率下的活化能。利用人工鱼群算法对不同升温速率下所得的煤自燃机理函数方程进行优化,结果表明煤自燃的最概然机理函数类型为[-ln(1-α)]n,反应级数n随着升温速率升高而降低。     

浅谈公安监管监控联网信息化的建设

2014年,公安部监所管理局下发了《关于规范和加快推进公安监所监控联网建设的通知(公监管〔2014〕72号)》,要求各地规范和加快推进公安监所监控联网,全力配合全国公安监管信息中心建设。为贯彻落实全国公安监管工作座谈会议精神,按照部监管局通知的工作部署,天津市结合实际需求,与其他省市一样着力建设省、市、所三级的监管指挥系统,     

基于多目标规划的防灾避难场所选址模型研究

给出了固定避难场所选址的影响因素,应用层次分析法与信息熵相结合的方法确定影响因素权重。建立了多目标规划选址模型,并用粒子群算法对模型进行求解。模型综合考虑了避难场所的灾害风险、区位规模和防灾救灾设施等因素,因此模型具有较高的实际应用价值。最后,结合实例,验证了该模型与求解算法的有效性和适用性。     

农村突发公共卫生事件应急医疗设施选址研究

为提高农村突发公共卫生事件应急医疗设施选址决策的科学性,基于新冠肺炎(COVID-19)疫情传播迅速,危害性强的突发公共卫生事件特征,依据应急医疗设施设计标准并兼顾农村医疗预算少、应急道路崎岖的特点,首先,选取设施备选地工程地质条件、单位成本、传染率、抵达时间、场所规模以及服务覆盖区域6项影响因素,将熵值法(EVM)和层次分析法(AHP)有效结合确定影响因素权重;其次,建立考虑患者到应急医疗设施的距离之和最小以及所选择应急医疗设施的综合评价值最优的多目标选址模型;然后,设计改进的粒子群优化(IPSO)算法求解模型,得到选址决策;最后,选取天门市部分村庄进行实证分析,以验证模型算法的有效性。结果表明：传染率和单位成本是建设应急医疗设施主要影响因素,IPSO算法选取3个应急医疗设施,能够满足8个村庄患者的治疗需求,并保证患者在4～7 min内就医,为高效开展疫情防控活动提供保障。     

一种基于人工蜂群算法的多目标路径决策方法

为兼顾火灾中人员疏散的安全性与效率,使得人员避免遭受火灾风险侵害的同时尽可能节省人员疏散所需时间,提出一种基于人工蜂群算法的最优疏散路径决策方法。首先,通过将一个考虑逃逸代价的单目标模型以及一个考虑路径复杂度的单目标模型合并为一个双目标路径规划模型,实现以火灾风险、路径长度及路径复杂度为最终优化目标;然后,以某建筑为例,运用Pyrosim软件进行建筑内火灾模拟,利用本文的最优疏散路径决策方法得到该火灾场景下的最优路径。结果显示：该决策方法可以有效帮助人员避开风险水平较高的区域,同时尽可能降低所选疏散路径的复杂度,验证了该方法用于考虑火灾蔓延对疏散路线影响的可行性。     

基于改进YOLOv5s算法的隧道初期火灾检测模型

为提升公路隧道初期火灾的检出率与检测精度,考虑初期烟火特征量小且不易侦测的特点,提出一种基于改进YOLOv5s算法的公路隧道初期火灾检测模型。首先,在YOLOv5s特征检测层并入变压器预测头,在原有3个特征检测头的基础上新增第4个160×160尺度的特征检测头,以增强多尺度识别能力;同时,引入加权双向特征金字塔网络(BiFPN)结构,用于融合高低层火焰和烟雾的语义信息;然后,采用完全交并比(CIoU)替换距离交并比(DIoU),并在置信度损失中采用Focal Loss改进YOLOv5s的损失函数,从而提升新模型整体的训练效果和检测精确度;最后,在真实隧道内开展初期火灾模拟试验,获取50 000幅训练集样本,并结合2022年3月1日江苏镇江观音山隧道真实火灾视频数据,对比分析YOLOv5s-Opt和YOLOv5s算法模型。结果表明：YOLOv5s-Opt对初期火灾的平均检测精度达到90.38%,比YOLOv5s提高2.06%;对于同一段火灾实测视频,YOLOv5s-Opt的检出率比YOLOv5s高出3.63%。YOLOv5s-Opt算法模型更擅长初期火灾小目标的检测和识别,在检测精度和检...