地铁停车场上盖物业开发声环境影响评价研究

占地面积大、交通便利的地铁停车场上盖物业开发越来越受到青睐。以南京市江宁大学城停车场上盖物业为例,对受到地铁停车场、高架地铁和公路3方面噪声源影响的上盖物业进行了声环境影响预测分析。得出:该项目受到停车场噪声影响的最大声级达61.9dB(A),受到高架地铁噪声和公路噪声叠加影响的等效声级昼间可达67.7dB(A),夜间可达63.6dB(A)。在确保落实相应防护措施的前提下,地铁停车场上盖物业在声环境上总体上具有可行性。     

基于GA-BP神经网络的化工园区应急救援能力可靠性分析

提出一种基于遗传算法优化的BP神经网络(GA-BP)的化工园区应急救援能力可靠性分析模型。通过事故树分析对16家化工园区应急救援能力的可靠性进行量化,并作为GA-BP神经网络模型训练的输出值;以事故树中的28项基本事件为依据进行分类总结,建立化工园区应急救援能力层次分析评估指标体系,在日常生产状态下的应急系统维护与事故时的应急处置能力这两个准则层下分为要素层,包括应急系统硬件维护、应急救援人员管理、应急管理机构、应急预案与演练和信息传递、应急人员动员、现场处置、事故后恢复能力,指标层元素分别对应事故树的基本事件,并计算指标层元素相对于目标层的复合权重,再以调查问卷的方式邀请专家对化工园区的指标层元素进行打分,将每一园区的各项要素得分与复合权重相乘作为GA-BP神经网络模型的输入值;从样本组中选取12组作为训练样本、4组作为测试样本,验证建立的GA-BP神经网络模型的可行性,并与传统BP神经网络的分析数据进行对比。结果显示:GA-BP神经网络输出数据的平均误差为3.83%,均方误差为0.002;而BP神经网络输出数据的平均误差为8.13%,均方误差为0.004;GA-BP神经网络的分析结果与事故树的分析结果更为接近,且相对于事故树分析减少了复杂的建树过程,具有更高的易用性。