中国安全生产科学研究院《职业危害区域风险综合评价关键技术研究》课题获得第五届安全生产科技成果二等奖

本研究在分析区域职业危害风险评价方法、策略的基础上,对影响区域职业危害风险的因素进行了深入研究,应用变异系数法、相关系数法与主成分分析法结合专业判断方法筛选了有关评价因子并进行了量化评定;在此基础上,研究建立了区域职业危害风险综合评价方法与技术指标体系,确立了区域职业危害风险分级标准,并编制了便于监督管理部门决策分析、嵌合WEBGIS功能的区域职业危害风险评价系统。     

主成分与层次分析法在区域可持续发展能力评价中的应用对比

主成分分析法在综合评价中的应用存在许多不足之处,首先以江苏省的13个城市为样本,分别应用主成分分析法和层次分析法评价其区域可持续发展能力,两种方法所得评价结果差别很大;然后去掉两个城市,仅以11个城市为样本,采用相同的方法进行评价,两种方法的结果仍存在巨大差别,且同一种方法前后两次评价结果的变化有显著区别:层次分析法两次评价结果所得各城市的排名次序基本相同,仅南通和常州互换了顺序,但得分几乎相同;而主成分分析法两次评价结果差别显著。上述结果表明,主成分分析法在区域可持续发展能力的评价中是失效的,主成分分析法不适于评价可持续发展能力。     

基于主成分分析和BP神经网络的综合安全评价模型

提出了基于主成分分析法和BP神经网络的综合安全评价模型.利用主成分分析法的数据降维功能对评价指标进行特征提取,选用合适的主成分作为神经网络的输入,构建网络拓扑结构.在建立多层次道路危险货物运输企业安全评价指标体系的基础上,采用MATLAB对企业安全现状进行实证仿真分析.结果表明,基于主成分分析法和BP神经网络的综合安全评价模型的评价结果优于其他评价模型.研究表明,本文得到的综合模型能够更加客观、准确地反映评价对象的实际情况.     

超大城市公共安全风险评估、归因与防范

为了科学评价超大城市公共安全风险,从人口状况、能力指标和脆弱性指标着手,建立超大城市公共安全评估指标体系。基于上海市2007—2016年的部分数据,采用主成分分析法对上海市公共安全风险17个指标进行测度,找出影响公共安全水平的重要因子。同时,基于统计数据分析了公共安全事件风险源和5个潜在风险点,并提出防范建议。研究结果表明:近10 a来,上海公共安全状况存在明显改善,且地区经济与人口因子、公共城建与生态能力因子是影响上海城市公共安全风险最主要的2个因素;汽车交通事故、电气原因造成的火灾事故、盗窃、殴打他人是扰乱城市公共安全最突出的因素。     

基于鱼骨图的公共安全风险测度与评价

为科学测度我国各地区公共安全风险,改善公共安全状况。基于鱼骨图分析法,建立包括能力和脆弱性指标的公共安全评价指标体系。采用主成分分析法(PCA),结合统计软件SPSS对我国31个省市的公共安全风险进行测度,找出影响公共安全水平的重要因子,计算出各省市公共安全风险的综合评价值,得到不同省市的风险排序,为改善公共安全风险较高地区的安全状况提供了启示。结果表明:我国各地区公共安全的风险水平差异较大且公共安全资源和保障因子是影响公共安全抗风险水平的最重要因子,加大基础设施投资,特别是社会保障类基础设施建设投资,可较好地改善公共安全抗风险状况。     

PCA-SVM模型在煤层瓦斯涌出量预测中的应用

针对煤层瓦斯涌出量影响因素众多且各因素间呈复杂非线性的特点,文章利用主成分分析法(PCA)和支持向量机(SVM)的理论基础,构建了PCA-SVM的煤层瓦斯涌出量预测模型,该模型利用SPSS20.0软件中的主成分分析模块对影响煤层瓦斯涌出量的12个因素进行降维,提取其中3个最能反映原始数据本质特征的主成分因子,再将主成分因子的前25组数据作为训练集,后10组数据作为测试集,借助MATLAB中的LIBSVM工具箱进行支持向量机预测,最后将PCA-SVM、SVM及使用较为广泛的多元线性回归3种方法的瓦斯涌出量预测结果进行对比,预测结果表明PCA-SVM模型在预测精度、稳定性方面都优于其他两种预测方法,更适合煤层瓦斯涌出量的预测。     

天然气开发对区域水环境安全的影响研究——以川东平原德阳地区为例

天然气开发在实际过程中大多是区域滚动开发,对流域的水环境安全可能形成较大的影响和隐患.运用主成分分析法对区域内各部分环境特征和国家环境质量标准进行分析、处理、排序,能够识别区域内各部分的环境质量变化情况,为区域环境管理和风险预防提供理论基础.以川东盆地,沱江和涪江上游德阳地区天然气区域开发为例,分析天然气开采对区域内各部分地表水环境质量的影响.可知在选定的4个水质参数中,pH值和COD两个主成分能够代表开发前所有监测信息的93.02%,开发后的95.09%.研究结果表明,在加强环境保护的前提下,区域天然气开发不会影响区域水质;同时也证明在区域水环境安全评价中主成分分析法是一种非常有效、快速的方法.     

PCA-SVR在煤层瓦斯含量预测中的应用

针对煤层瓦斯含量与其影响因素之间存在着复杂的非线性关系,建立了基于主成分分析和支持向量回归机的煤层瓦斯含量预测模型。该模型有效地解决了小样本、非线性预测的问题,并发挥了主成分分析法消除输入变量间相关性的优点,减少了输入变量个数,提高了预测精度和收敛速度。通过实证分析,该模型的预测精度高,能够直接用于煤矿现场预测煤层瓦斯含量。     

基于标准模型库的企业财务风险分析方法探析

笔者在对企业财务风险指标进行科学选取的基础上 ,利用主成分分析法和因子分析方法计算企业财务风险综合得分 ;依照所得的两种综合得分进行风险聚类 ;并以聚类结果构建企业财务风险标准模型库。该风险标准模型库形成了企业财务风险的相对静态数据参考 ,据此 ,监管部门可方便地运用模糊识别方法对企业财务数据进行风险判断和分类 ,不需对加大样本的企业数据进行重新计算 ,大大提高了工作效率。该方法综合了几种方法的优点 ,在实践中得到了较合理的分析结果。     

企业安全氛围测评的实证研究

安全氛围是影响企业安全生产的重要因素,首先在理论分析的基础上明确安全氛围的定义及其包含的主要研究内容,提出安全氛围构成的关键元素,开发测评工具,并构建基于主成分分析法和四分象限图分析法的测评数据分析模型。采用主成分分析法具体描述各关键元素对企业安全氛围的影响度值;应用四分象限图分析法进一步分析,根据元素的影响度值将元素划分至"优势区"、"优先改进区"、"深入改进区"和"维持优势区"4个区域,为企业改进安全氛围提供更为具体直观的参考。提出的测评工具及测评数据的定量分析模型在一定程度上克服定性评价的不足,可以在不同类型的企业应用。     

旧工业建筑改造施工安全影响机制研究

为减少旧工业建筑改造(ROIB)施工阶段安全事故,提高施工阶段的安全性,针对旧工业建筑特性研究施工安全影响机制。根据ROIB具体施工情况识别风险影响因素,采用主成分分析法(PCA)分析影响因素,并构建指标体系;基于指标体系建立结构方程模型(SEM),并对模型进行影响机制的验证分析;从影响强度和影响路径2方面机制解析SEM的分析结果。结果表明:各外源潜变量对施工安全绩效影响在0.05水平均具有显著性;影响因素的重要程度排序由大到小依次为人员因素、施工机械与材料、施工环境与管理、技术因素。     

基于主成分分析法的大气悬浮颗粒物来源探析

主成分分析的方法可以将监测数据和分析变量进行降维,通过较少的变量来提炼原数据库中的大量信息,每一个新的主成分都包含了一类或几类颗粒物来源的信息。将主成分分析法运用到从A市获取的大气颗粒物的21种化学元素分析数据(元素构成的相对量),初步揭示了A市大气颗粒物来源的重要种类。研究结果表明,主成分分析法在城市大气颗粒物来源研究方面是一种切实可行的有效的方法,将该数学处理方法运用到定量的颗粒物化学元素构成分析数据,应该可以得到更加精确的大气颗粒物来源的信息。     

主成分分析法和德尔菲结合法的影响驾驶行为指标构建

为了构建影响驾驶行为的指标,统计了影响驾驶行为的41项因素。针对这些因素,制作了调查问卷,并对各个行业的120名驾驶员发放问卷。对收回的有效问卷结果进行统计,并采用主成分分析法和模糊德尔菲与灰色德尔菲法结合两种方法对问卷结果进行分析。主成分分析与德尔菲结合法都能有效地将驾驶员观点定量化,进而得到对驾驶员行为相对影响较大的指标。比较两种方法的分析结果,运用交叉法得到了19个主要影响驾驶行为的指标。     

建筑工人安全意识影响因素的主成分分析

为提高建筑工人的安全意识,减少建筑事故发生,研究了工人的安全意识状况及其影响因素。首先,通过调查问卷对施工现场330名工人的安全意识状况进行测量,探讨工人安全意识的27个影响因素的分类;然后利用SPSS 22. 0软件进行相关性分析和主成分分析(PCA),找出安全意识的主要影响因素,并提取出自身、岗位环境和安全管理3个主成分;最后构建了建筑工人的安全意识综合影响因素模型。结果表明:风险态度和行为2个维度的分值偏低;工友关系、安全奖罚制度、安全设施完备性等12个影响因素与安全意识的相关性较强;提取的3个主成分中,安全管理影响因素对工人安全意识的影响最大。     

企业安全评价分析的主成分方法

依据某机车车辆厂的特点,建立了安全性评价指标体系,并应用主成分分析法对数据进行分析处理,求出指标综合表达式和排序结果,从而得到指标的客观权重,并指出了主成分法应用于安全评价中的特点。     

基于因子分析的民航从业人员职业压力研究

从职业压力源入手,分析社会环境、工作环境、个人心理和技术等因素对民航从业人员职业压力因子的影响,提出了评价民航从业人员职业压力因子指标体系.用问卷调查的方式采集数据,应用因子分析法和主成分分析法确定了主要压力因子.建议依据主要压力因子,制定管理策略以降低职业压力因子产生的不利影响.     

基于PCA-RBF神经网络的地铁车站火灾风险评估

为避免地铁车站火灾事故的发生,帮助地铁车站管理部门做好火灾风险评估工作,提出基于PCA-RBF神经网络的地铁车站火灾风险评估模型。采用主成分分析法(Principal Component Analysis,PCA)对风险评价指标体系进行降维处理,并将降维后的主成分作为RBF神经网络的输入变量;选择具有代表性的样本数据训练RBF神经网络,并用检验样本测试训练效果;最后,输入待测样本数据得出火灾风险评估结果。通过实例对比分析,验证了该评估模型在地铁车站火灾风险评估中的可行性与准确性,对类似项目火灾风险评估具有一定参考意义。     

基于主成分分析法的空管多指标安全综合评估研究

在空中交通管制运行风险识别的基础上,建立反映其安全状况的指标体系,并确定指标的量化方式。运用主成分分析法对指标数据进行处理,建立管制安全综合评价模型;通过实例对管制安全的评价结果进行分析,认为管制员违规操作和技术水平是影响管制安全运行的重要因素,另外空管设备的完好程度对管制安全存在较大的隐患。根据建立的模型,对4个管制单位的安全性进行了评价。综合评估的结果为空管部门制定安全措施及预防对策提供科学的分析依据。     

城市危机管理系统鲁棒性评价研究——以上海市危机管理系统为例

为提高城市危机管理系统的鲁棒性,探究影响系统鲁棒性的主要因素,建立城市危机管理系统的鲁棒性评价体系。采用因子分析中的主成分分析法,分析评价上海市2004—2009年危机管理系统鲁棒性评价指标的数据,并根据数据分析结果找出影响城市危机管理系统鲁棒性的主成分和因子。结果表明,上海危机管理系统的鲁棒性呈现日趋增强的趋势,企业亏损程度、犯罪率、离婚率、对外界公共卫生事件的防御程度、自然灾害因素对上海危机管理系统的影响较大。提高企业盈利能力、降低犯罪率和离婚率、提高公共卫生防御能力、完善自然灾害预防措施有助于增强城市危机管理系统的鲁棒性。     

基于SKPCA与NEAT算法的煤与瓦斯突出危险性预测

针对煤与瓦斯突出预测精度不足的问题,为了减少突出灾害的危害,提出了基于稀疏核主成分分析法(SKPCA)与增强拓扑神经进化算法(NEAT)的煤与瓦斯突出危险性预测方法.通过核主成分分析法对突出非线性数据进行降维,然后对主成分数据进行稀疏化,减少原始数据中不重要元素对降维后主成分的影响.搭建增强拓扑神经进化网络(NEAT)预测模型,采用进化算法同时优化神经网络的权值和拓扑结构,得到最佳神经网络预测模型.将处理后的主成分数据输入模型预测突出危险指数,结果表明,该方法危险等级预测准确度达到98％,SKPCA-NEAT模型在煤与瓦斯突出预测上相比PCA和BP神经网络具有优势.