英国国防工业安全生产法制体系研究及对我国的启示

为建立健全我国国防工业安全生产法制体系，从构建历程、宏观设计和微观建设要点等方面对英国国防工业安全生产法制体系展开系统研究，并分析当前我国国防工业安全生产法制体系存在的主要问题以及英国国防工业安全生产法制体系建设对我国的启示。结果表明:在宏观设计方面，英国构建以国防安全局为监管主体的高度扁平化监管体系；在微观建设方面，其更加注重国防工业安全生产法律体系的层次性、内容完备性，法律的实操性、更新机制，以及监管职责界定的建设。借鉴英国经验，指出将国防工业安全生产法制体系建设提升至国家战略高度，实现国防工业安全生产专门立法、强化法律可操作性、完善法律制修订机制和科学界定监管职责是我国今后努力的重要方向。     

基于三维GIS的油罐区应急管理平台研究与实现

分析油罐区危险特性和事故模式,将三维GIS系统、日常管理、监控预警、应急指挥与辅助决策等功能进行集成,建立基于三维GIS的油罐区一体化应急管理平台。该平台利用数据融合技术,将液位、可燃气体、温度等多参数进行了融合,提高了报警可靠性。同时构建了DEA-BP应急资源配置模型,结合罐区事故类型,实现了罐区重大事故应急资源的优化配置。平台还提供数字化预案和三维应急演练,为油罐区员工提高应急安全技能提供了培训环境。     

基于信息融合与GM的石油罐区安全监控预测模型

近年来,石油罐区安全事故发生频率呈不断上升趋势。为有效增强罐区安全监控预警系统监测数据的可靠性,并实现对事故的早期预警,基于多传感器信息融合技术和灰色模型(GM)理论,建立出石油罐区安全监控预测模型。首先,研究了基于递推最小二乘法改进的最优加权融合算法,并将其作为一级(特征级)融合模型,其次,介绍分析了灰色预测理论及GM(1,1)模型的实现过程,最后建立出基于GA-BP神经网络算法的二级(决策级)数据融合模型,并得到石油罐区安全监控预测模型。     

基于多源数据融合的石油罐区安全监控模型

由于单一传感器在石油罐区安全监控中容易受到外界因素影响从而产生误差,为提高传感器检测结果的可靠性和罐区安全监控预警的准确性,基于多源数据融合技术,建立罐区安全状态预警模型。首先,介绍了多源数据融合技术的3个层级:数据级融合,特征级融合和决策级融合,以及目前各领域常见的数据融合方法;其次,建立了基于最优加权融合算法的一级融合模型和基于BP神经网络算法的二级融合模型;最后,得到石油罐区安全监控数据融合模型,并为进一步的实践应用打下了理论基础。     

基于WSR-SD的大型企业安全生产风险管控研究

本文首先基于物理-事理-人理(WSR)方法论对大型企业安全生产风险因素进行分析,并引入系统动力学(SD)方法构建大型企业安全生产风险SD模型,通过对安全监管干预方案的仿真研究,预测了安全生产风险系统的发展状态,为如何提高大型企业安全生产风险管控水平给出了建议。