基于改进的非线性GM(1,1)模型的职业病预测研究

为了更准确地预测职业病，在传统GM(1,1)模型的基础上，提出改进的非线性GM(1,1)模型，在传统的GM(1,1)模型中引入弱化算子，将紧邻均值与原始数据之间的线性假设改为非线性假设，提高曲线的拟合度。以2005—2014年的全国职业病例数为研究对象，进行数据拟合和预测分析，其中以2014年职业病例数作为验证数据，并利用后验差比值和小误差概率2个参数，检验该改进模型的预测精度。由应用实例的分析结果可知:在职业病发病趋势的预测方面，改进的非线性GM(1,1)模型的预测精度提高到一级，曲线拟合度较高，预测得到2015年的职业病例数为34 900例。     

社会资本对山区居民山洪灾害应急避险能力的影响研究*

为研究社会资本对山区居民应急避险能力的影响，在广泛调研的基础上采用结构方程模型分析社会资本与山区居民应急避险能力各要素之间的作用关系。结果表明:个人网络对避险知识和避险意识有显著的正向影响，对避险行为影响不显著；信任与避险知识和避险意识呈显著的正向影响，而与避险行为呈反向影响，但信任可以通过避险知识和避险意识间接正向影响避险行为；互惠对避险知识影响不显著，但互惠与避险意识和避险行为存在显著的正向关系；避险知识和避险意识对避险行为呈显著正向影响，其中避险意识对避险行为影响更为显著。因此可以通过增加山区居民社会资本的方式提高山区居民山洪灾害应急避险能力。     

基于Tripod-Beta模型的船舶火灾事故风险分析

为深入分析船舶火灾事故风险因素及其后果产生的影响,通过分析1991-2017年全球船舶火灾事故调查报告,从人员、管理、船舶设备、货物、环境5个方面对船舶火灾影响因素进行识别研究;采用三脚架事故致因模型(Tripod-Beta model),构建考虑安全栅的船舶火灾事故情景演化模型,识别船舶火灾关键影响因素;并在样本量较少的情况下,采用信息扩散理论计算船舶火灾发生率;最后,利用布尔函数和风险矩阵,对船舶火灾事故风险进行评价研究。结果表明:船员不安全行为和船舶设备表面过热、设备短路是船舶火灾事故的关键风险因素;事故后果链中安全栅遭到破坏时,船舶火灾风险处于不希望发生范围内。该方法能有效评估船舶火灾风险的等级,满足海事管理部门的监管工作需求。     

道路交通噪声预测声源简化研究

为了分析《环境影响评价技术导则声环境》(HJ 2.4—2009)中将道路声源简化为1条位于道路中心线处的线声源与按照车道数简化为多条线声源之间的误差,针对不同宽度的道路,推导了多条线声源与1条线声源在接收点噪声影响的误差计算公式,并基于Predictor-lima预测软件预测和现场噪声衰减规律实测进行了验证。研究结果表明,对于接收点到道路边缘的距离大于道路宽度的情况,可简化为1条线声源;对于接收点到道路边缘的距离小于道路宽度的情况,应按照车道数简化为多条线声源。     

生态认知对长江流域渔民退捕意愿的影响研究基于鄱阳湖区的调研数据

流域禁捕是贯彻落实长江经济带发展战略和"共抓大保护、不搞大开发"的重要举措.渔民作为禁捕政策的最终执行者和落实者,其参与的积极性和主动性是政策顺利实施和推进的重要保障.基于计划行为理论,利用鄱阳湖区实地调查数据和结构方程模型,探讨了生态认知对渔民退捕意愿的影响及作用机理.研究发现:(1)生态认知对渔民退捕意愿有显著正向影响,即渔民生态认知水平越高,其参与禁捕政策的意愿越强;(2)生态认知的主观规范、行为态度、感知行为控制3个维度均对渔民退捕意愿具有显著正向影响,且3个维度两两之间也存在显著正向影响.其中,主观规范对渔民退捕意愿的影响最为显著;(3)主观规范中指令性规范对渔民参与禁捕的带动作用大于示范性规范;行为态度受渔民对政府禁捕政策的心理预期、生态修复保护与经济发展的重要性对比认知的影响较大;感知行为控制主要受到禁捕政策对家庭生产生活的影响程度及渔民参与禁捕政策能力的影响.为此,应建立有效的监督管理体系,提高指令性规范对渔民退捕的带动和引导作用,提高渔民对长江流域生态保护重要性的认知,营造浓厚的流域生态保护及积极参与禁捕的社会氛围,同时,制定适宜的转产转业政策,且将相关政策、补偿等严格落实到每位参与退捕的渔民,增强渔民对政府的信任程度,进而提高渔民退捕意愿.     

基于组合赋权的混合粒子群优化支持向量机的岩爆倾向性预测

为有效预测岩爆灾害发生烈度,提出一种基于组合赋权的混合粒子群优化支持向量机(H-PSO-SVM)岩爆倾向性预测模型。根据岩爆发生机制,在分析岩爆发生的主要影响因素的基础上确定出评判指标;综合考虑模糊层次分析法(FAHP)所得主观权重和熵权法所得客观权重,应用调和平均数概念,构建组合赋权准则;引入遗传算法交叉、变异操作改进传统粒子群(PSO)极值跟踪和粒子更新方法,建立H-PSO-SVM岩爆倾向性预测模型。利用国内外已有工程实例数据进行50次随机抽样试验,对比分析H-PSO-SVM模型和PSO-SVM模型等预测结果。结果表明:H-PSO-SVM模型应用于岩爆工程实例预测具有可行性和适应性,模型预测的准确率高于其他模型,且预测结果更稳定。     

基于SVM的矿井通风阻力系数影响因素分析与预测

矿井通风阻力系数是通风安全最重要的基础参数之一，为了实现矿井通风阻力系数简单准确地预测，提出了利用支持向量机（SVM）来预测矿井通风阻力系数的方法。通过分析影响因子与矿井通风阻力系数的相关性关系，并利用MATLAB逐步建立单影响因素与矿井通风阻力系数、多影响因素与矿井通风阻力系数之间的SVM预测模型，对比分析各预测模型的相对误差，确定最佳矿井通风阻力系数预测模型，即当输入模型影响因素为巷道断面积、周长和支护方式时，预测相对误差小于10%的样本数占测试样本的76%，相对误差小于20%的样本数占测试样本的90%。结果表明:该预测方法在矿井通风阻力系数预测中是可行的，并具较高的准确性。     

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。