排序方式: 共有73条查询结果,搜索用时 15 毫秒
2.
3.
针对煤矿瓦斯爆炸灾害子系统的复杂非线性动力学特性,以南方某省1958—2007年的煤矿瓦斯爆炸事故发生数构建时间序列,应用霍斯特时间序列数据的标度行为,提出瓦斯爆炸时间序列的重标极差分析(R/S分析)方法。结果表明:瓦斯爆炸时间序列的霍斯特指数为0.550 2,分形维数为1.449 8,其分式布朗运动轨迹表现出一定的持久性和非高斯性。为诊断瓦斯爆炸事故时间序列变异年份,对时间序列进行分段R/S分析,获得变异年份为1974年,以1974年为分界点构成2个时间序列,霍斯特指数分别为0.589 1和0.697 5,分形维数为1.410 9和1.302 5,与煤矿瓦斯爆炸事故时间序列的持久性趋势一致。煤矿瓦斯爆炸事故时间序列看似无序却蕴藏规律,反映了系统的动力学变化特征,R/S分析方法可以描述煤矿瓦斯爆炸事故时间序列的动力学特征。 相似文献
4.
基于AHP-Fuzzy的高处坠落危险性评价研究 总被引:2,自引:1,他引:1
高处坠落事故在建筑安全生产事故中所占的比率最大。预防和控制高处坠落事故始终是建筑业应解决的重要问题,高处坠落危险性评价是预防与控制高处坠落事故的重要手段。以高处坠落风险为研究对象,通过对高处作业"人—机—环境—管理"复杂系统进行分析,建立生产人员素质因素、生产设备因素、环境条件因素、安全管理因素等4个大类和23个小类的危险性评价指标体系。在层次分析法和模糊综合评价法等研究基础上,构建了高处坠落风险的AHP-Fuzzy评价模型,确定了各层次的权重集。对给出的实例进行评价,评价结果符合实际情况。结果表明,基于AHP-Fuzzy的高处坠落危险性评价方法是可靠与实用的,并对高处坠落危险性的评判有指导意义。 相似文献
5.
基于人工免疫原理的事故预防研究 总被引:1,自引:1,他引:0
介绍生物免疫识别模式,分析事故预防过程的实质是抑制潜在危险转化成事故的控制过程,分析比较事故预防与生物免疫识别模式在作用、生存环境、动作触发源等的共性,构建了基于免疫识别模式的事故预防系统并建立了事故预防数学模型;定义事故预防系统的识别率、失效率、误判率并给出了数学表达式,指出监测生产系统各环节状态信息是否符合系统的安全要求就是识别潜在危险的过程,是事故预防的关键,基于人工免疫原理的事故预防数学模型具有较强的健壮性、自适应性和动态防护性等特点。 相似文献
6.
金竹山土朱煤矿开采地表沉降规律与灰色预测模型研究 总被引:4,自引:1,他引:3
针对金竹山矿业公司土朱煤矿煤层赋存条件,依据采动理论的裂缝垂直分带模型,分析地表沉降和塌陷的机理;提出在采煤活动阶段应进行地表实际位移观测,经数据处理后得到地面沉降曲线,以确保地面人类活动的安全;在采煤活动后阶段则实施灰色预测地面沉降,即通过采煤活动阶段的地表实际观测数据为历史原始数据序列,建立灰色Logistic模型;并对采煤活动后阶段的地面沉降进行预测。精度检验表明:灰色Logistic模型预测精度高,利用该模型预测地面沉降可减少地面沉降监测经费和实时提供预警信息,以确保开采区域内人们生命财产安全。 相似文献
7.
煤矿瓦斯爆炸事故演化的突变模型 总被引:5,自引:5,他引:0
煤矿瓦斯爆炸事故,从微观上看,是在瓦斯积聚、引火源和氧气浓度3个条件同时具备的情况下发生的,从宏观上看,是在生产活动中存在人的不安全行为和物的不安全状态导致了微观3条件的同时具备。笔者介绍了突变理论的基本原理;在轨迹交叉事故致因理论基础上,分析了瓦斯爆炸事故演化的非线性特征;建立了事故演化的尖点突变模型。并指出:事故演化是一个流变-突变过程,其突变的程度反映了事故的严重度;人的不安全行为是事故发生的主要因素;物的因素决定事故的严重度;安全生产必须建立本质安全型矿井,避免人和物的运动轨迹越过分歧点集。 相似文献
8.
基于混沌、灰色理论模型,预测煤矿生产中安全状况的对比分析 总被引:3,自引:2,他引:1
建立煤矿安全生产状况预测的非线性回归模型、混沌动力学模型、灰色模型和灰色残差模型,用4种模型对我国百万吨煤矿死亡率进行预测分析,其结果表明:混沌动力学预测模型和非线性回归模型使用参数较少、计算简单,易于推广,但预测精度尚不高,误差较大;使用灰色残差模型进行预测,虽然计算复杂,但预测精度较高,验证2007年度百万吨死亡率相对误差仅为0.96%,煤炭生产的安全性指标百万吨死亡率宜采用残差模型进行预测。笔者认为,灰色残差模型在对煤矿安全生产的宏观管理领域有广泛的应用前景。 相似文献
9.
10.
以消防安全工程学与系统安全工程理论为基础,结合我国城市发展特征及消防安全管理状况,建立了城市区域火灾风险评价指标体系;针对神经网络易陷入局部极小而引起评价指标权值分布不合理的缺陷,提出了基于神经网络和遗传算法的城市火灾风险评价模型,该模型以火灾发生的可能性以及灾后的严重程度为输入单元,火灾风险等级为输出单元,采用误差反算法训练BP网络,最终得出火灾风险等级范围,有效地解决了城市火灾的动态性和非线性特征;研究实例证明了该模型的有效性,可为城市的消防安全管理提供确实可行的参考依据。 相似文献