基于主成分分析和神经网络的事故预测方法及应用

为解决人工神经网络(ANN)对复杂系统进行事故预测建模时,易导致网络复杂,降低网络性能和增大预测误差的问题,提出一种基于主成分分析法(PCA)的ANN事故预测方法。介绍PCA法和ANN的基本理论,阐述基于PCA法的ANN事故预测模型及其预测步骤,即在利用ANN预测之前,先用PCA法分析事故影响指标,将多个指标转化为少数几个能反映原始信息的互不相关的综合变量(主成分),然后以这些变量作为输入进行ANN建模,从而达到简化模型,提高网络性能和计算精度的目的。以煤矿事故预测为例,进行应用和对比研究。结果表明:基于PCA的ANN事故预测相对误差小于3%,而直接运用ANN方法预测的相对误差达到5%。这说明,对复杂安全系统进行事故预测时,基于PCA法的ANN预测方法是更可行的。     

环氧乙烷储罐泄漏扩散中毒模拟研究

为研究环氧乙烷在不同因素影响下扩散规律及其毒性影响范围,以某厂环氧乙烷储罐泄漏事故为背景,对环氧乙烷泄漏扩散规律进行模拟分析。运用FLUENT软件,模拟环氧乙烷随泄漏速率、自然风速和地面粗糙度变化时的动态扩散变化规律。模拟结果表明:1)泄漏速率越快,毒害范围越大,并且在一定条件下,泄漏速率每增加2.5 kg/s,特别严重毒害范围(灰区)最远距离会在下风向增加60~80 m,比较严重毒害范围(黑区)最远距离会在下风向增加20~40 m;2)自然风速越快,灰区范围会变得越来越小,但黑区的毒害范围会扩散得更大,当风速为8 m/s时达到最大值,风速超过8 m/s时,风速的增加反而会使黑区范围变小;3)地面粗糙度越大,对环氧乙烷扩散的阻碍作用越大,黑区范围变小,但地面粗糙度大于4 m后,其对扩散作用的影响与4 m时近乎一致。研究结果对环氧乙烷储罐泄漏事故的预防,应急疏散和救援具有重要的指导意义。     

危险化学品道路运输系统要素与危险性解析

为降低危险化学品运输事故的发生,提高运输安全性能,从危险化学品、运输车辆、运输道路、从业人员等四大基本因素分析了危险化学品运输系统,并结合180起典型事故对危险化学品运输事故成因进行了统计分析,结果表明安全管理不善是引发运输事故的主要原因,并提出了一些建议。对减少事故损失以及事故应急预案的制定提供了参考,具有一定的社会经济效益。