基于物元分析与PCA的部队汽车分队安全评价模型

为改善部队汽车分队的安全状况,建立了基于主成分分析与BP神经网络的部队汽车分队安全评价模型。在利用层次分析法建立分队系统的安全评价指标体系的基础上,将专家作为样本,进行物元分析,两者联合确定指标权重,进而得到相对客观的评价样本。对样本提取主成分,使输入变量降维且相互独立,以提高网络训练和预测效果。结果表明,其预测精度优于不采用主成分分析的BP网络模型,且相对误差在4%以内,模型具有可行性。因此,结合了物元分析与主成分分析的BP网络耦合模型能更加客观、准确地评价和预测被评价对象的实际安全状况。     

基于RS-SVM的城市埋地燃气管道外腐蚀情况评价

为提高城市埋地燃气管道外腐蚀情况评价的准确性,识别影响管道外腐蚀的主要因素,构建评价指标集,结合粗糙集(RS)与支持向量机(SVM)的优势,建立管道外腐蚀情况预测评价模型。给出具体评价步骤,包括收集样本数据、预处理数据、用属性约简算法筛选核心指标集、用SVM训练器训练数据,形成检验模型。以某条城市燃气管线为例进行实例验证和分析。结果表明:用RS-SVM模型预测评价管道的腐蚀等级与实际结果一致,传统方法预测管道腐蚀速率平均相对误差为14.1%,RS-SVM模型预测的平均相对误差为7.9%,较之传统方法精度更高。     

建筑物火险综合评价初探

论述了火险综合评价的要点及建筑物火险综合评价应考虑的回素，提出了建筑物火险综合评价体系。     

基于可拓层次分析法的东北林区贮木场火险等级评价研究

以贮木场火险等级评价为背景,基于贮木场火险因子的层次结构,采用可拓层次分析方法,建立东北林区贮木场安全评估指标体系。运用可拓层次分析法从不同层次上对贮木场进行火灾安全等级评价,客观的给出了较为有效的可拓区间数,确定了各个火险评级指标在东北林区的贮木场火险等级评价中的权系数。通过实例分析说明了可拓层次分析法在东北林区贮木场火险等级评价中的可行性,同时评价模型对构建贮木场火险等级的动态评估演化模型具有指导作用,为企业提高经济效益、实现科学管理提供一定的理论依据。     

城市燃气管网脆弱性评价及其应用

为研究城市燃气管网系统的本质安全性,提出了适用于城市燃气管网系统的脆弱性概念及脆弱性研究思路。根据城市燃气管网自身的行业特点与实地调研结果,从物理、结构和社会功能3个角度出发,建立了城市燃气管网脆弱性指标体系及等级标准。然后通过MATLAB R2010a的BP神经网络方法分别训练"敏感性程度"和"自身应对能力"网络模型,并构建脆弱性的函数模型。最后将城市燃气管网脆弱性等级划分为5个,用于评价城市燃气管网的脆弱性程度。训练得到的网络模型的均方差均小于0.05,结果表明,训练得到的网络模型效果良好,具有较强的泛化能力,且能够方便地用于评价未知样本,得到研究区域的燃气管网脆弱性等级值为0.91,研究区域的燃气管网脆弱性被评定为"不脆弱"。     

基于PCA和BP神经网络边坡稳定性分析

基于影响边坡稳定性各因素之间具有一定的相关性和边坡工程是一个非线性、不确定的动态过程等这些特征,首次应用主成分和BP神经网络的原理和方法,建立了边坡稳定性评价模型,并应用SPSS软件对影响因素进行分析并确定主成分,应用Matlab71神经网络工具箱对一些边坡样本进行训练仿真。对比了经过主成分分析和未经过主成分分析评价结果,结果表明,经过主成分分析的BP神经网络评价精度更高,相对误差更小。表明了建立主成分和BP神经网络评价模型具有较好的可行性和适用性。     

基于Fisher判别理论的尾矿库安全评价模型

结合多元统计分析中的判别分析思想,建立尾矿库安全等级评价的Fisher判别模型。以湖南某尾矿库为例,合理选取一星期内观测的44组尾矿库数据进行判别分析,其中4组为检验样本,不参与判别函数的训练。研究结果表明,安全超高与标准判别函数之间的汇聚组间绝对相关性最大;各类协方差矩阵F检验的显著性概率Sig.0.05,判别分析显著;训练样本回判的正确率高达95%,检验样本判别的正确率达到100%,判别结果与实际尾矿库的安全情况基本吻合,为尾矿库的安全评价提供了一条更加系统、精准的途径。     

基于SVM的CO2驱油藏输油管道脆弱性评价研究

CO2驱油在全国范围内的广泛开展导致内外扰动对输油管道的威胁大大增加,为指导企业发现输油管道的薄弱点从而预防事故发生,提出CO2驱油藏输油管道脆弱性概念及研究思路。将脆弱性分为5个等级并确定各级脆弱性的取值范围。深入分析脆弱性要素,从致灾因子、承灾体和灾害响应3个方面建立脆弱性评价指标体系,并确定各等级脆弱性对应的指标范围。利用MATLAB R2013a的SVM回归方法,构建脆弱性评价模型并进行实例应用。结果表明:模型训练的输出与期望输出拟合较好,均方误差为9.98052×10-7;训练好的SVM模型具有较强的泛化能力和较高的准确性,其对检验样本脆弱性进行预测的最大相对误差为0.027。利用模型得到研究区域某输油管道的脆弱性值为0.381,其脆弱性程度为不太脆弱。     

基于BP神经网络的污水格栅间气体监测

为实现对城市污水泵站格栅间内H₂S和CO有害气体浓度实时准确监测分析,设计气体传感器阵列监测系统,建立单隐层BP神经网络模型对气体浓度样本进行训练,确定网络隐含层数为9,训练函数为traindm,模型优化后输出的H₂S和CO气体浓度与实测值的平均相对误差分别为1.3%与0.4%。研究结果表明：采用BP神经网络模型对传感器阵列采集到的样本数据进行训练,可提高其测量精度,提升精度范围在57%～75%之间,能够满足对污水泵站有害气体监测的基本要求,所建立模型表现出良好效果。研究结果可为污水格栅间有害气体监测提供新方法。     

我国大兴安岭地区森林雷击火发生的火险天气等级研究

借鉴加拿大林火天气指数(FWI)系统,改进其计算方法。利用大兴安岭地区1966-2006年的气象数据,得到历史上雷击火发生时的火险天气指数,统计分析确定我国大兴安岭地区森林雷击火发生的火险天气等级。根据实地采样测定的可燃物的含水率对计算方法进行了验证。通过统计雷击火发生的火灾级别来检验划分雷击火发生火险天气等级方法的合理性。     

基于BP神经网络的河南省火灾风险评价

采用火灾发生起数、死亡人数、受伤人数、直接经济损失、烧毁面积、受灾户数及人口火灾发生率7项指标构建河南省火灾风险评价综合体系,并用BP神经网络对该省份的18个地级市行政区的火灾风险进行评价,评价结果显示,该方法不但可以体现各地区的火灾风险相对水平,而且还可避免传统方法的主观性,具有较强的可行性和可靠性,对控制火灾风险、客观地反映各地区的消防工作现状具有一定的指导意义。     

高层住宅火灾风险综合评估体系研究

火灾风险评估对于高层住宅的火灾事故预防有着重要意义。本文分析了高层住宅火灾风险因素,并结合现行的建筑设计防火规范,建立了高层住宅火灾风险评价指标体系,将高层住宅火灾风险评价指标分为三级,一、二级指标采用重要性排序的方法,三级指标采用专家打分的方法,各指标权重使用结构熵权法进行计算。最后,利用该方法进行实例分析,对高层住宅的实际火灾风险进行评估,得出其火灾等级,验证了所提评估方法的可行性。对制定高层住宅火灾控制方案有着重要的意义。     

基于RBF神经网络的火灾报警系统失效概率预测

报警系统失效主要包括漏报、误报,对系统进行失效概率预测,可以帮助判断设备质量优劣,评估系统效能。利用Matlab软件编程,通过神经网络预测失效概率。根据不同场所正在使用的火灾报警器的失效数据作为原始数据,归纳总结失效原因,建立事故树,结合专家打分法与模糊理论得到网络的输入值与输出值。通过网络训练,得到可以对系统失效概率进行预测的RBF神经网络,测算效率大幅提高。以70组不同品牌、用途的火灾报警系统作为算例,通过训练数据,最终达到输入底事件发生概率可直接输出顶事件发生概率的目的。结果表明,RBF神经网络相较于BP网络与事故树算得的失效概率具有更高的拟合度,RBF神经网络模型在进行系统失效概率预测时具有可靠性。     

基于贝叶斯网络的建筑火灾动态风险评估方法研究

为提高建筑火灾风险评估的准确性,建立1种智能化的动态风险评估方法。针对具体建筑的风险评估,以物联网技术为基础,构建智能消防监测系统,在建筑日常使用过程中通过动态风险评估,实现火灾风险要素的实时监测、数据传输,充分发挥大数据、云计算的支撑作用,将贝叶斯网络方法引入火灾风险定量评估过程,构建火灾动态风险评估模型;结合具体的应用实例,分析不确定因素对风险评估结果的影响。研究结果表明:基于贝叶斯网络的动态风险评估方法能较准确地反映建筑火灾风险的可能性,达到实时监测、动态评估的效果。     

基于主成分分析法的危险货物运输企业安全评价

为更准确地评估危险货物运输企业安全等级以降低其运输风险,提出基于主成分分析法(PCA)的危险货物运输企业BP神经网络安全评价模型;在从人-机-物-环境-管理角度构建危险货物运输企业安全评价指标的基础上,分别利用该模型和其他3种模型对3家实例企业进行仿真评价和对比分析。结果表明,该模型的评价结果与期望值间的相对误差约为0.5%～1.2%,计算精度优于其他模型,且具有计算量小等特点。     

基于灰色关联分析的高层建筑火灾风险评估

为了研究高层建筑火灾风险,在综合考虑高层建筑空间火灾特点及发展过程的基础上,建立了包括安全疏散系统、建筑自身防火能力、灭火能力、消防救援设施以及安全管理五大因素的火灾风险评估指标体系,并利用灰色关联度分析法构建了高层建筑火灾系统的灰色关联评价模型。通过计算各评价指标序列和实际样本序列直接的灰色关联度,建立了系统的灰色关联矩阵,得到了各影响因素及系统整体的风险等级。利用该模型对上海市静安区胶州路728号教师公寓大楼的火灾风险进行了综合评估,结果与实际情况相符。评估结果表明,在高层建筑火灾风险评估中引入灰色关联分析方法可以得到高层建筑火灾危险性的科学数据,并进一步指出薄弱环节,对高层建筑的防火设计及日常安全管理等都具有指导意义。     

基于改进层次分析法的火灾高危单位消防安全评估

开展消防安全评估对提升火灾高危单位消防安全管理水平和维护公共安全具有重要意义。根据火灾高危单位的特点,给出了消防安全评估指标体系,包括建筑防火、消防设备设施和消防安全管理3项一级指标,建筑整体布局、安全疏散系统、消防给水系统、自动灭火系统、防排烟系统、电气防火系统、其他设备及器材、日常管理、应急制度及培训教育、电器燃气消防器材管理10项二级指标,建筑类别、安全出口、室外消防水、自动喷水灭火系统、风机、消防电源及其配电、防火门窗、消防安全管理制度、应急制度、电器管理等54项三级指标。在现场调研和理论分析的基础上,利用改进的层次分析法计算得到某火灾高危单位消防安全评估指标体系各指标的权重,建立了火灾高危单位消防安全评估模型,对其火灾危险性进行了评估。     

基于PCA-FPP-BP神经网络的高层建筑火灾安全评价

为解决高层建筑构造复杂、人员密度大、火灾触发因素繁多而造成高层建筑火灾安全评价困难的问题,本文提出基于PCA-FPP-BP神经网络的高层建筑火灾安全评价模型。首先运用主成分分析(PCA)对构建的高层建筑火灾安全评价指标降维处理,筛选主要信息;接着基于三角模糊数构建模糊评判矩阵,利用模糊优先规划(FPP)求解指标的权重值,减少主观的影响;最后考虑到指标间关系错综复杂彼此交叉和反馈的特性,选择BP神经网络对高层建筑火灾安全进行评价。通过工程案例证明该评价模型的实用性以及可靠性。     

基于YOLO-BP神经网络的古建筑修缮阶段火灾监测方法*

为提高古建筑修缮阶段火灾监测水平,有效预防火灾事故,提出1种基于YOLO-BP神经网络算法的古建筑修缮阶段火灾监测模型。针对修缮作业对古建筑产生的消防隐患,在施工场地设置监测点,并利用YOLO算法以火源、可燃物为目标进行检测与定位,计算火源与可燃物距离;以火源温度、含氧量、火源与可燃物距离3项指标作为BP神经网络输入层,以火灾概率为输出层,从而进行预测;基于古建筑修缮阶段焊接、切割动火作业阶段的样本数据进行仿真模拟。结果表明:利用模型监测古建筑修缮阶段火灾的准确率达93.9%,验证模型的可靠性;当火源温度在150~2 000 ℃范围内,含氧量不小于19.5%时,动火作业安全距离为10.1 m。     

基于Bayesian网络的建筑火灾疏散条件安全性评估方法*

为了对建筑火灾疏散条件安全性进行评估,基于Bayesian网络对疏散条件重要构成要素及评估方法逻辑推理过程进行研究探讨。结果表明:评估网络结构、根节点、中间节点及目标节点之间存在因果关联关系;研究得出根节点先验概率与量化节点条件概率表设定方法;Bayesian网络将风险评估与人工智能分析方法相结合,实现对建筑火灾疏散条件的安全性评估,并可用于识别高风险建筑。