基于人工神经网络理论的建筑物火灾安全评价研究

依据建筑物火灾危险性的影响因素,应用人工神经网络理论及系统安全方法,建立了建筑物火灾危险性的评价指标体系,该方法摆脱了评价过程中的随机性和参评人员主观上的不确定性及其认识上的模糊性等缺点,大大提高了准确性。为了验证评价模型的准确性,将该理论应用到某高校图书馆火灾危险性评价中,快速、准确地得到了安全评价结果,取得了满意效果,为建筑物防火设计以及安全管理提供了可行的依据。     

碳二馏分加氢反应装置火灾爆炸危险性评价

运用美国道化学公司的火灾爆炸危险指数评价方法 (第七版 ) ,对碳二馏分加氢反应装置的火灾爆炸危险性进行了定量计算和评价 ,其结果表明 ,该装置的火灾爆炸危险等级为“非常大”。为了降低该装置的危险程度 ,笔者提出了采取有效的安全补偿措施 ,以降低单元的危险程度的新思路。通过分析表明 ,针对部分补偿系数对装置进行安全改进 ,能有效地降低其危险性等级 ,同时可以为避免重大危险源火灾爆炸事故 ,提供切实可行的手段和途径。     

基于支持向量机(SVM)的回采工作面瓦斯涌出混沌预测方法研究

针对瓦斯涌出传统的线性预测方法存在的问题,根据瓦斯涌出时间序列固有的确定性和非线性,利用混沌动力系统的相空间延迟坐标重构理论,结合基于机器学习理论的支持向量机(SVM),建立基于SVM理论的瓦斯涌出混沌时间序列预测模型。经Ⅱ1024回采工作面瓦斯涌出时间序列仿真计算,仿真结果显示该预测模型具有比传统的回归方法更好的泛化能力,预测方法具有很高的预测精度。同时,该模型具有以往传统机器学习的瓦斯涌出预测模型建立简便、训练速度快等优点。由于充分考虑瓦斯涌出时间序列的混沌性,并利用SVM预测的优良特性,使得预测更科学。