基于随机森林的飞机长着陆预警方法

为降低飞机冲出跑道事故造成的人员伤亡和财产损失,以长着陆事件为研究对象,探讨1种有效的长着陆事件预警方法。提出应用随机森林模型对长着陆事件进行预警,给出模型的特征筛选、构建及评价方法,并使用实际飞行数据验证模型有效性。结果表明:基于随机森林的飞机长着陆预警模型精确率为88.41%,召回率为87.14%,模型可以有效对长着陆事件进行预警。     

基于RF的森林火灾风险评价模型及其应用研究

为了预测森林火灾发生的可能性,为森林火灾的预防预报提供依据,减少火灾损失,在Python平台上应用随机森林算法,以西班牙东北Tr'as-os-Montes地区Montesinho森林公园2000年1月至2003年12月的数据记录,对影响森林火灾的指标变量进行分析和评价。结果表明,随机森林算法对森林火灾预测的准确度约为80%,表明随机森林算法对森林火灾具有较好的预测能力,可用于对森林火灾的预测预报。     

基于随机森林算法的福建省林火发生主要气象因子分析

应用"随机森林"算法,以福建省22个国家级气象站每日气象数据和2000年~2003年间林火火点卫星解译数据为基础,对影响福建省林火发生的主要气象因子进行分析,并对2004年的林火数据进行独立检验。研究结果显示,"日最高地表气温"、"日最低地表气温"、"日照时数"、"日最高气温"和"日最小相对湿度"等5个气象因子是影响林火发生的主要驱动因子,且这5个气象因子对林火发生的影响大小为:"日照时数""日最高气温""日最低地表气温""日最小相对湿度""日最高地表气温";随机森林算法的拟合结果显示:随机森林算法对福建省林火发生的预测精度为82.3%,表明随机森林算法对我国福建省林火发生的预测具有较高的预测能力,可用于基于气象因子的我国福建省林火发生的预测预报。本研究可为福建省林火的预测和决策工作提供一定的参考依据。     

基于运行场次用时误差的载人设备故障预警可视化研究

针对国内游乐设施行业载人设备运行状态监测不够完善、故障诊断多数情况下需要依赖技术人员经验的现状,分析了基于机理模型、基于知识和基于数据驱动的载人设备故障预警方法,研究了载人设备故障预测的多元线性回归算法,并利用矿山车的时间系数、人数系数、温度系数,建立了矿山车载人设备的多元线性回归模型。通过矿山车15个同步点区间用时预测案例,在可视化平台上显示预测和实际运行曲线,实现了对矿山车或过山车类载人设备运行故障的有效预警。     

基于CatBoost算法的孔隙压力预测方法及其在井壁稳定分析中的应用

为解决传统孔隙压力预测方法(如伊顿法和鲍尔斯法)在预测孔隙压力时,适用范围较小、受人为因素影响较大等问题。基于CatBoost机器学习回归算法建立孔隙压力智能预测模型,并与决策树回归算法和随机森林回归算法进行比较,以某区块2口直井为例验证模型的预测效果。结合CatBoost模型的孔隙压力预测结果,利用数值模拟软件分析孔隙压力对井壁稳定的影响。研究结果表明：CatBoost模型的5个评价指标相对最优,孔隙压力当量密度实测值与预测值的相对误差最小,CatBoost模型具有较强的泛化能力和较高的预测精度;在低孔隙压力条件下,井周等效塑性应变不均匀性明显,井周进入塑性区的围岩区域主要集中在最大主应力方向;在较大孔隙压力作用下,井周等效塑性应变不均匀性有所降低,但井周等效塑性应变的极大值仍存在于最大主应力方向。研究结果可对孔隙压力精确预测和钻井作业安全施工提供一定指导作用。     

世界航空史上死亡人数最多的十大空难

<正>NO.1特内里费空难1977年3月27日傍晚,在西班牙特内里费岛上,两架波音747巨无霸客机在跑道上高速相撞。其中,荷航飞机上的257人全部遇难,泛美航班上则有54人奇迹般地生还。由于发生事故的两架飞机都是满载油料与人员状态的大型客机,因此事件造成两机上多达583名乘客与组员死亡。这是直到2001年"911"事件发生前,因为飞机而引发的灾难中死伤人数最多的一起,也是迄今为止死伤最惨重的空难意外。     

暴雨洪涝灾害转移安置人数的组合预测模型研究

为了更加科学精准地预测暴雨洪涝灾害下需要转移安置的人数,收集2011—2018年全国范围内严重暴雨洪涝灾害案例,通过Pearson相关性分析检验转移安置人数与表征暴雨洪涝灾害严重程度影响因素之间的关系;分别使用基于主成分分析的回归模型和支持向量机(SVM)预测暴雨洪涝灾害下需要转移安置人数,并以2种方法的结果为基础,提出1种组合预测方法对暴雨洪涝灾害转移人数进行修正。研究结果表明：组合预测法的MSE、MAE均小于回归预测和SVM模型预测。使用组合预测方法对洪涝灾害转移安置人数进行预测,可以充分结合单一预测模型的优势,提高组合预测模型的预测精度和泛化能力。研究结果可为确定暴雨洪涝灾害的避难需求并制定避难疏散计划提供参考。     

全球重大恐怖袭击盘点

<正>印航炸弹恐怖袭击1985年6月23日,一架波音747-237B型客机由加拿大前往英国的航段,突然神秘坠毁于爱尔兰以南的大西洋中,全机329人罹难,280名乘客是加拿大籍,其中有136名小孩。后来事件被确认为恐怖袭击。这是在"911"事件发生前,死亡人数最多的炸弹袭击,亦是有史以来,单一飞机死亡人数最多的恐怖袭击,更是历来导致最多加拿大人死亡的袭击事件。印度航空182号班机是一班由加拿大蒙特利尔前往印度新德里及孟买,中停英国伦敦的航班。     

地铁恐怖袭击下乘客疏散交通方式调查研究

为科学地认识地铁恐怖袭击事件下乘客疏散方式决策行为,基于随机抽样调查,采集乘客疏散交通方式选择意向数据,揭示不同地铁恐怖袭击场景下乘客心理特征及疏散交通方式选择行为差异。结果表明:地铁恐怖袭击事件引发乘客恐慌,恐慌程度与性别、年龄、文化程度、月收入、是否接受恐袭安全教育和通勤距离6个因素显著相关;除常规的行程时间、出行费用等因素外,安全性是乘客进行疏散交通方式选择的首要因素;在恐怖袭击事件导致地铁网络重要站点关闭情况下,仍有部分乘客选择地铁作为疏散交通方式,且选择比例随出行距离增加而增加;恐怖袭击事件的攻击方式影响乘客疏散交通方式选择,爆炸恐怖袭击下地面公交客流分担率高于其他方式,而持刀伤人事件下地铁客流分担率最高。     

基于PCA-ELM的地震死亡人数评估

地震往往会在短时间内造成巨大的人员伤亡和财产损失,为了震后救援工作能够快速高效的展开,建立了主成分分析(Principal Components Analysis,PCA)和极限学习机(Extreme Learning Machine,ELM)相结合的地震死亡人数预测模型。综合考虑影响地震死亡人数的多种因素,选取震级、震源深度、震中烈度、抗震设防烈度、人口密度、发生时间和预报水平7项主要因素作为评价指标。首先,利用主成分分析对原始变量进行降维处理,并计算出主成分得分,作为ELM的输入;其次,对构建的ELM地震死亡人数预测模型进行训练;最后,对选取的32组地震样本进行算例仿真,并与未经PCA处理的ELM算法和BP神经网络算法进行对比。结果表明,基于主成分分析的极限学习机算法对地震死亡人数预测具有较高的预测精度,验证效果良好。     

基于随机搜索优化XGBoost的瓦斯涌出量预测模型*

为防治瓦斯灾害,解决井下瓦斯涌出量在预测过程中因影响因素繁多带来的精度较低问题,提出1种基于套索(Lasso)回归与随机搜索优化极限梯度提升(XGBoost)的模型进行瓦斯涌出量预测。以沈阳某煤矿综采面瓦斯涌出量历史数据为例,综合考虑影响瓦斯涌出量的影响因素。首先利用Lasso回归提取对瓦斯涌出量有重要影响的特征数据,作为预测输入;采用随机搜索算法对XGBoost模型4种主要参数进行寻优,选取最优参建立预测模型获得预测指标并分析比较其他模型。研究结果表明:Lasso回归筛选出的影响因素结合随机搜索获得的最优参数组合优化XGBoost比其他模型预测精度更高,平均相对误差为1.53%,均方根误差为0.140 3 m3/min,希尔不等系数为0.013 2,研究结果可为现场瓦斯管理提供参考依据。     

基于特征提取的输油管道泄漏系数预测*

为准确预测管道泄漏系数,估计管道泄漏量,以基于瞬变流方法的模拟数据为例,建立多个管道泄漏系数预测模型(多层感知机、长短期记忆网络、随机森林、支持向量机以及K近邻回归),综合考虑管道流量和压力数据特点,提出序列提取法和均值提取法2种管道时序数据预处理方法,模型评价指标为相关系数（R2）和平均绝对百分比误差（MAPE）。研究结果表明:随机森林和多层感知机的抗噪性较强,在5%的噪声影响下,模型准确度下降幅度较小;均值提取法去噪功能较好,可在一定程度上降低噪声影响;基于均值提取法的多层感知机模型效果相对较好,R2为0.997 5,MAPE为1.599%,研究结果可为准确预测管道泄漏系数、估计泄漏量提供指导。     

基于随机森林的高速公路运营隧道风险判别法则研究*

为快速、准确识别山区高速公路隧道不同区段风险因素组合,基于交通事故调研数据,分析其时空变化规律;从人-车-路-环境角度系统筛选风险影响因素,采用随机森林理论构建风险等级预测模型;以决策树与规则相互关系为基础,结合自变量重要评分法,提出基于随机森林的高速公路运营隧道风险判别法则。研究结果表明:判别法则集预测精度较好且运行时间短,能够明确高速公路不同隧道区段事故成因,为预防隧道严重交通事故发生提供参考。     

GSK-XGBoost模型在井底风温预测中的应用*

为防治矿井热害,针对矿井井底风温在预测过程中精度较低的问题,提出1种网格搜索法结合K折交叉验证优化XGBoost的预测模型。通过分析确定影响井底风温的主要因素,使用网格搜索算法结合K折交叉验证,进行迭代缩小搜索范围并调参,选取最优参数配置,实现对XGBoost模型的优化,得到预测结果并与其他模型进行比较。研究结果表明:初始参数经优化后,当最大回归树深度为3且学习速率为0.1时,XGBoost回归模型性能最佳,与随机森林模型、BP神经网络模型、T-S模糊神经网络模型相比,平均相对误差分别降低了2.12%,0.88%,0.3%,均方根误差分别降低了0.66,0.24,0.11 ℃。     

基于缓冲区重采样的LSTM林火预测模型*

为提高林火风险预测精度,挖掘地图上隐含的空间信息、时间序列上隐含的长期趋势和循环波动,提出1种基于缓冲区重采样的长短期记忆（LSTM）林火预测模型,选取15个与林火相关的影响因素,以方差膨胀因子为评价指标对其进行多重共线性检验,方差膨胀因子大于10的因素具有共线性,并采用信息增益率验证筛选结果的合理性。考虑到火灾的空间聚集特性,采用缓冲区分析与过采样相结合方法减少样本不均衡现象的影响,最终得到176 732条样本。对12个影响因素和研究时间段的火点建立LSTM预测模型,对森林火灾发生风险进行预测。研究结果表明:基于缓冲区重采样的LSTM林火预测模型有效考虑时空上隐含的信息,预测模型准确率为87.06%,特异性为97.99%,敏感度为76.12%,阳性预测率为97.43%,阴性预测率为80.41%,ROC曲线与AUC值均优于随机森林（RF）和支持向量机（SVM）这2种基准算法。维尔克松秩和检验发现,本文提出的模型与基准算法结果具有显著性差异。研究结果可为提高林火风险预测精度提供参考。     

基于APRIORI-TAN的交通事故伤害分析与预测*

为探究道路交通事故因素和事故伤害的相关性,以2 467起涉及人员伤亡的交通事故为数据集,运用Apriori算法分别挖掘事故伤害关联规则,并结合社会网络分析的可视化和核心-边缘分析构建受伤事故和死亡事故的关联规则网络。结果表明:事故伤害程度与事故时间、道路条件和交通环境等因素关系紧密,尤其死亡事故与碰撞固定物、人行横道事故、高速公路、高速道路、非市区、酒驾和超速存在高相关性。基于树型贝叶斯网络（TAN）构建事故伤害程度的预测模型,预测结果准确率可达87.56%。     

考虑恐怖袭击下危险品运输安全监管的演化博弈与稳定性分析*

为了提高恐怖袭击背景下的危险品运输安全水平和政府监管能力,首先构建政府监管部门、危险品运输企业和恐怖袭击者的三方演化博弈模型;其次引入政府动态惩罚机制和动态惩罚-补贴机制,进而采用系统动力学仿真分析动态惩罚和动态惩罚-补贴下的局中人的演化稳定策略。研究结果表明:给定情形下,引入动态惩罚机制能弥补原有模型没有稳定策略的不足;引入动态惩罚-补贴机制的模型可以演化出稳定的纯策略。     

基于遗传-蚁群算法的单层建筑火灾疏散路径规划研究

为解决如何快速、有效地找出单层建筑火灾最佳疏散路径问题,分析火灾发生时可能影响人员逃生及最佳路径生成的因素。提出基于遗传-蚁群算法求解火灾时期人员疏散路径。运用遗传算法的快速全局搜索能力,对蚁群算法初期所需要的信息素进行快速处理;利用蚁群算法的正反馈机制,快速找出可行路径,缩短搜索时间;并运用Matlab软件对其进行仿真。结果表明:遗传-蚁群算法所求得的路径生成质量有明显提高,并缩短路径生成时间,有助于提高人员逃生效率,降低人员伤亡率。     

内蒙古雷击人员伤亡特征及其致灾因素的熵权分析

为揭示内蒙古雷电灾害分布规律和成灾原因，基于内蒙古2009—2018年雷电灾害资料和2013—2018年地闪定位系统资料，运用数理统计、熵权法分析内蒙古地区雷击人员伤亡特征及其致灾因素的影响权重。结果表明:内蒙古近10 a平均每年发生雷击伤亡事故6.20起，全区每年每百万人中约有0.36个人因雷击伤亡；乌兰察布市和锡林郭勒盟每年每百万人的雷击伤亡人数最多，呼和浩特市每1 000 km2人员雷击伤亡率最高；每年雷击伤亡事故的86.58%集中在6—8月份；1 d中雷击死亡主要集中在下午13∶00—18∶00时段，占83.33%；雷击伤亡事故主要发生在农村牧区；雷击伤亡的年龄分布主要集中在40~69岁；雷击伤亡中男性所占比例高达70.73%；全区大约每7万个地闪中会有1次导致雷击伤亡事件，雷击伤亡与地闪频次在时间上有较好的相关性，雷电灾害致灾因子熵权显示高程、地闪强度较地闪密度和地形起伏度更易造成雷击人员伤亡。