复杂系统风险熵的涌现与动力学传播分析

随着系统复杂程度和耦合程度的提高,基于还原论思想的因果失效律不足以解释复杂系统安全事故的致因,因此必须采用基于复杂性科学和系统科学的事故分析方法.本文在评述现有的事故致因理论及模型后,给出了复杂系统安全事故的五类致因因素及其因素间的关联关系,并构建了基于致因因子风险状态的风险熵函数,分析了风险熵的涌现过程,同时在构建复杂系统事故致因网络模型的基础上,形式化地描述了风险熵在事故致因网络上的动力学传播过程.该研究结果可为复杂系统安全事故分析及预防提供新的思路.     

基于贝叶斯理论的小麦籽粒镉铅超标风险预测

对农作物污染风险进行预测具有重大意义.基于贝叶斯定理及数据分布特征,建立了贝叶斯风险预测模型,并使用区域大田调查土壤-小麦重金属含量数据,预测小麦籽粒Cd和Pb超标风险并验证该模型的准确度.结果表明,该模型预测小麦籽粒Cd超标风险时相对偏差较小,以小麦籽粒Cd含量为变量的预测相对偏差仅为(2.66±1.87)%,以土壤DTPA-Cd含量和土壤Cd全量为变量时预测相对偏差则分别为(5.11±3.77)%和(5.88±3.87)%, 3个变量均能使预测结果与真实超标概率的平均相对偏差小于10%.预测小麦籽粒Pb超标风险时,仅小麦籽粒Pb含量的预测相对偏差小于10%.数据来源、数据分布特征和变量的选择是影响贝叶斯风险预测模型预测相对偏差的重要因素.该模型基于大田数据的先验分布,能够有效反映大田生产条件下小麦籽粒重金属与土壤因子间的相互关系,预测较准确,具有应用潜力.     

基于层次分析-云模型的化工机械系统安全评价

化工行业具有高风险性,对安全技术的要求高,现场风险和安全生产管理的难度大,机械设备的安全运转是保障化工行业安全生产的重要基础。提出了基于层次分析-云模型的化工机械系统安全评价方法。该评价方法首先从机械本体、环境条件、组织管理和操作人员4个方面构建了化工机械系统安全评价的指标体系,并通过层次分析法计算评价指标的权重;然后利用综合评价云图开展了化工机械系统安全评价;最后以某化工企业为例进行了实例验证。结果表明:该评价方法具有可行性,较常规的评价方法更为全面地考虑了安全评价过程中的随机性和模糊性,可为化工企业机械设备的安全管理工作提供科学指导。     

基于HSE管理构建石化企业安全生产个性化预测预报系统

针对目前石化企业建立的安全生产预测预报系统普遍存在预测指标获取不全和预测模型较为简单等问题,提出一种基于石化企业安全管理实际的安全生产预测预报技术方法。该方法结合我国企业安全生产标准化管理以及石化企业HSE管理的实际,建立了包含4个一级指标、19个二级指标、87个三级指标的石化企业安全生产预测指标体系,量化了石化企业生产过程中安全管理的各项具体内容;通过采用隐患整改率、培训教育、应急演练、安全生产事故等指数进行修正,构建了基于预测指标得分的石化企业安全生产预测指数模型,并利用灰色模型预测其未来趋势。应用结果表明:该方法更符合石化企业实际,具有适用性和准确性,能够实现信息化和数据共享,可为国家制定石化企业安全生产预测预报技术指导标准提供依据。     

数据缺失条件下基于MLP神经网络的水华风险预警方法研究

针对水华风险预警过程中相关监测指标数据缺失的问题,借鉴多元统计和随机分析构建了一种缺失数据插补方法,用于弥补现场调查数据的不足.基于主成分分析,对水华相关影响指标进行降维,确定水体水华风险预警模型的输入层变量.同时,采用多层感知器(MLP)人工神经网络模型对水华表征指标叶绿素a的浓度进行预测,并引入风险概率的概念,提出了水华风险概率计算公式,完善了水华预警的风险表达.最后以三峡库区典型支流大宁河为案例的研究证明了上述方法的可操作性.研究结果显示,插补数据条件下和未插补数据条件下的大宁河水华风险预警模型决定系数分别为0.9711和0.7769,前者的模型准确性更高,叶绿素a浓度预测效果更好;预测时段内大宁河11 d为水华蓝色预警(无警)级别,水华发生的风险概率为1.99%~18.61%;1 d达到水华橙色预警(中警)级别,水华发生概率为90.48%.     

含氟取代苯类化合物lgK_(ow)和-lg1/EC_(50)的QSPR研究

采用Gaussian 98程序,在B3LYP/6-311G**和HF/6-311G**2种水平上全优化计算了24个含氟取代苯化合物的分子结构,基于得到的分子结构描述符,分别建立了用于预测含氟取代苯化合物正辛醇/水分配系数(lgKow)和毒性(-lg1/EC5)0的模型,预测lgKow的模型包含3个变量(偶极矩(μ),总能量(TE)和热能修正值(Et)h),预测-lgl/EC50的模型包含2个变量(分子中原子最负的电荷(q-)和零点振动能(ZPE))。用交叉验证法对模型的稳定性进行了验证(q分别为0.8480和0.9154),并用t-检验和变异膨胀因子(VIF)对2个模型中各变量的显著性和自相关性进行了检验。预测-lg1/EC50的模型的预测能力优于溶剂化能参数得出的模型。     

基于HAZOP与模糊扩展蝴蝶结模型的甲烷化装置系统风险分析

作为清洁能源的甲烷，具有很大的发展潜力。为保证甲烷化装置系统的安全稳定运行，基于危险和可操作性(HAZOP)分析与模糊扩展蝴蝶结(FEBT)模型对托普索甲烷化工艺装置系统进行了风险分析。先使用HAZOP分析和风险矩阵对该甲烷化装置系统进行了风险辨识和风险等级划分，再使用FEBT模型对该甲烷化装置系统中管道或容器内发生火灾爆炸事故的基础事件和安全屏障事件发生的可能性进行了计算。结果表明：该甲烷化装置系统中管道或容器发生火灾爆炸事故的风险管控排序最为优先；人为误操作和机械工艺方面的法兰密封失效是直接导致事故场景发生的主要促成事件。该研究结果为该甲烷化装置系统在日常安全管理中指明了关键事件，并验证了HAZOP分析和风险矩阵以及FEBT模型在化工装置系统风险分析中的有效性。     

基于机器学习方法的小麦镉富集因子预测

应用机器学习方法解析区域土壤-小麦系统镉(Cd)富集特征有助于风险决策的准确性和科学性.基于区域调查,构建了Freundlich-type转移方程、随机森林(RF)模型和神经网络(BPNN)模型对小麦Cd富集因子(BCF-Cd)进行预测,验证不同模型的预测精度并评估其不确定性.结果表明,RF(R²=0.583)和BPNN(R²=0.490)模型预测性能均优于Freundlich转移方程(R²=0.410).重复训练结果显示RF和BPNN平均绝对误差(MAE)和均方根误差(RMSE)较为接近,但RF(R²为0.527～0.601)较BPNN(R²为0.432～0.661)模型精度和稳定性更高.特征变量重要性分析显示多重因素的共同作用导致小麦BCF-Cd的异质性,其中土壤磷(P)和锌(Zn)是影响小麦BCF-Cd变化的关键变量.参数优化可进一步提高模型精度、稳定性和泛化能力.     

基于多源信息融合的危险化学品风险评估方法研究

为解决危险化学品安全风险因素不确定性高、信息融合处理难的问题,研究应用多源信息融合技术,实现危险化学品安全风险评估的方法。针对结构化、半结构化和非结构化信息,采用并行分布式信息融合构架,从整体功能、垂直层次、横向构成和数据处理流程4个方面探讨了风险评估过程的优化方法,搭建了面向风险状态动态评估的信息融合处理模型和系统架构,能够实现危险化学品安全风险多源信息的优化和分析,帮助企业管理者和现场操作者准确研判安全生产状态。     

基于贝叶斯网络的社区配电网系统动态风险评估

社区配电网系统的安全分析和动态风险评估是配电网系统安全运行的关键环节。传统的可靠性指标无法反映社区配电网系统中物理元器件的状态和短路故障事件等本质安全问题对风险评估的影响。针对现有风险评估方法的局限性,提出一种基于贝叶斯网络的社区配电网系统安全分析与动态风险评估框架。首先,在标准可靠性指标的基础上,创新性地将社区配电网系统中物理元器件的故障率和短路故障事件引入到风险评估中,提出一种新的社区配电网停电风险评估指标体系,该评估指标体系综合考虑了社区配电网的可靠性指标和本质安全特性,能够全面反映社区配电网系统的动态风险;其次,提出一种基于故障树-贝叶斯网络的社区配电网系统动态风险评估方法;最后,以一个实际社区的配电网系统为案例,验证了该动态风险评估框架的可行性和有效性。案例分析结果表明:所提出的框架能够充分评估社区配电网系统的停电风险,并可以给出合理的安全措施,以有效降低社区配电网系统的动态风险。     

LNG接收站泄漏事故最大风险预测

用道化学公司火灾爆炸危险指数评价法预测上海液化天然气(LNG)接收站内各系统的危险等级.结果表明,接收站内高压输送管道风险值最高.假设管径完全破裂,采用风险评价导则中的两相流泄漏计算公式计算泄漏量,同时对泄漏过程中可能发生的喷射火焰、爆炸、蒸汽云扩散等事故采用相应的公式进行预测.预测结果表明,发生火灾、爆炸等最大规模泄漏事故的安全半径在500m以内,蒸汽云危险扩散半径在1.5 km内.并对预测的不确定因素进行分析.      

基于PCA-LSSVM的厌氧废水处理系统出水VFA在线预测模型

采用IC厌氧废水处理系统处理人工合成废水,并利用PCA-LSSVM模型对系统出水挥发性脂肪酸(VFA)进行预测.首先利用主成分分析法(PCA)分析影响厌氧废水出水VFA浓度的多个变量的相关性并降低输入变量维数,然后用网格搜索结合10倍交叉验证优化LSSVM模型参数sig2和gam,最后利用建立的模型对实验数据进行仿真预测.仿真结果表明,稳态LSSVM模型对稳态条件下厌氧废水处理系统出水VFA具有很好的仿真预测能力,相对误差在4.72%以内,平均相对百分比误差(MAPE)为1.61%,均方根误差(RMSE)为1.08,相关系数达0.9996;稳态干扰LSSVM模型对厌氧废水处理系统出水VFA的仿真预测精度有所降低但仍然具有较好的预测能力,平均相对百分比误差(MAPE)为15.83%,均方根误差(RMSE)为15.45,相关系数为0.9984,该方法可为厌氧出水VFA在线预测和厌氧废水处理系统的优化控制提供指导.     

海洋石油安全风险监测预警体系构建与系统应用

在国家推进“工业互联网+安全生产”,实施风险分级管控和隐患排查治理双重预防数智化建设的大背景下,为降低海洋油气生产平台安全生产风险,保障“一线平台-作业公司-分(子)公司-总部”对风险预警信息获取的即时性、准确性,构建了“风险→隐患→事故”链条式海洋石油安全风险监测预警体系,开发了以风险动态监测和分级管控为目的的海洋石油安全风险监测预警系统,充分利用海洋油气生产平台原有监测监控系统对各类安全风险进行监测,通过风险实时计算综合预警模型进行风险的预测预判,实现风险识别、风险预警、风险监控、风险处理、处理结果反馈的标准化风险闭环管控,有效提升了海洋平台安全风险管控能力。     

基于Fuzzy-DBN的氨泄漏爆炸事故风险分析

传统的事件树、故障树和静态贝叶斯网络在事故风险分析中存在一定的局限性,动态贝叶斯网络对于描述多态性、相关性、时序性、交互行为的复杂系统在节点的安全风险以及预测未来一段时间内事故发生概率方面较为突出。提出将动态贝叶斯网络模型与模糊数学方法相结合的思路,分析氨制冷系统预防氨泄漏爆炸事故风险的方法。先根据氨泄漏爆炸事故故障树,利用GENIE软件建立了氨泄漏爆炸事故风险评估的模糊动态贝叶斯网络(Fuzzy-DBN)模型;然后利用模糊数学方法确定动态贝叶斯网络模型中的条件概率参数,利用动态贝叶斯网络算法推理计算各根节点发生的后验概率,并进行前向推理,预测事故发生概率;最后将该风险评估模型应用于某氨泄漏爆炸事故风险分析,通过案例分析验证了该模型的可行性。得出导致氨泄漏爆炸事故发生的关键火源因素及泄漏因素,并基于动态贝叶斯网络,根据氨制冷系统发生氨泄漏报警情况,对氨泄漏爆炸事故发生概率进行预测。     

面向非均衡文本信息的企业生产安全氛围智能感知模型

现有企业生产安全氛围的主要描述载体是文本,但文本无法定量描述的特点是企业生产安全氛围分析面临的重要挑战。基于机器学习和自然语言处理技术处理企业生产安全氛围文本信息,着重从安全氛围主题辨识和安全氛围等级预测两方面,综合实现对企业生产安全氛围的智能感知。首先借鉴合成少数类过采样技术(SMOTE)算法思想,提出一种“类SMOTE”算法,用于解决非均衡文本数据问题;然后基于隐含狄利克雷分布(LDA主题模型)实现安全氛围主题辨识,得到文本主题词及相关权重;最后基于机器学习算法实现安全氛围等级预测。经过实例验证,提出的“类SMOTE+LDA+Bayes”组合模型,对于企业生产安全氛围智能感知效果较好。     

面向密闭空间内外温度的时序预测模型

目的 研究密闭空间条件下已知外部温度时间序列对内部实时温度的预测推理问题。方法 选取密闭空间内外温度时序预测典型场景,抽象为多变量时间序列预测问题,分析变量间的关联性和依赖性。借鉴特征融合、注意力机制、多任务模型等思路,结合物理机制与数据特征,基于长短期记忆网络基本网络单元,构建密闭空间内外温度时序预测模型,并在万宁、敦煌、漠河对某型密闭空间进行数据采样,基于三地数据集进行不同模型试验。结果 多变量模型比单变量模型具有更好性能,注意力机制对该场景没有显著性能提升,结合物理机制的模型结构设计充分考虑了变量之间的关联性和依赖性,能显著提升预测精度,双输入双输出的多变量时序预测模型具有相对最高的精度和最稳定的鲁棒性,是面向密闭空间内外温度时序预测的相对最优模型。结论 研究结论可指导密闭空间其他环境特征建模,研究思路可为其他多变量时序建模问题中变量之间的关联性、依赖性分析提供参考。     

基于PCA-GRU-SVM模型的多参量煤矿瓦斯浓度预测及预警研究北大核心CSCD

煤矿瓦斯浓度精准预测及提早预警对于预防瓦斯灾害发生至关重要。为充分利用井下多传感器监测信息提升矿井瓦斯浓度预测及预警模型的性能,提出一种基于主成分分析(PCA)、门控循环单元(GRU)神经网络和支持向量机(SVM)组合的多参量瓦斯浓度预测及预警模型。针对监测数据的时序性、动态性和非线性强等特性问题,采用邻近均值法、小波降噪和归一化法对数据进行处理,利用PCA对数据降维以简化GRU模型拓扑结构,提高瓦斯浓度预测精度,通过构建基于SVM的矿井瓦斯浓度预警模型实现对矿井安全状态的实时动态监测。选取安徽某煤矿171105工作面的实测数据对PCA-GRU-SVM模型预测结果与性能进行验证。仿真结果表明：相对于PCA-LSTM、PCA-RF和PCA-BP模型,本文构建的预测模型的平均绝对误差(MAE)分别减少了18.45%、56.36%和87.3%,均方根误差(RMSE)分别减少了5.17%、9.04%和67.52%,预警模型的预测准确率为94.1%,说明该模型具有较高的拟合度和预测精度。该研究结果可为实现瓦斯灾害的预测及超前预警提供参考,对矿业安全生产具有重要意义。     

社会技术系统视角下企业生产安全事故突变机理研究

基于社会技术系统理论,将事故成因要素分为社会干预和技术控制两方面,并结合突变理论构建企业安全生产系统的尖点突变模型,分析事故可能发生的突变点及演变路径,为事故防控提供有针对性的决策依据。     

基于多源辅助数据和神经网络模型的稻田土壤砷空间分布预测

合适的方法和多源的辅助数据对于准确预测土壤重金属的空间分布具有重要意义.该研究提出一种径向基函数神经网络结合普通克里格法的模型(RBFNN_OK),由主成分分析(PCA)提取的地形因子、遥感数据和邻近信息等多源辅助数据作为自变量,预测江西省都昌县稻田土壤砷空间分布.为验证RBFNN_OK的可行性:首先在全县范围内采集144个稻田表层(0～20 cm)土壤样品,运用ArcGIS地统计模块随机抽取115个(80%)采样点作为测试集,29个(20%)采样点作为验证集.其次多源辅助数据包括地形因子、遥感数据和邻近信息等14个定量因子作为预测变量,将预测变量进行主成分分析,得到前10个主成分的累积贡献率达到97.62%.再次一个特定的RBFNN_OK被用来预测土壤砷空间分布.最后将RBFNN_OK模型的预测结果与径向基神经网络模型(RBFNN)、回归克里格模型(RK)和多元逐步线性回归模型(MSLR)进行比较.结果表明,RBFNN_OK的测量值标准偏差与均方根误差的比值(RPD)较其它3种方法分别提高了14.92%、35.71%和44.67%.此外,RBFNN_OK还提供了更加真实且有关土壤砷空间分布的细节信息.RBFNN_OK取得最优效果可能归因于引入多源辅助数据,考虑多源辅助数据和土壤砷之间的多重共线性和非线性关系.该方法可为稻田土壤砷调查与环境保护提供更为精准的信息.     

论建立有效的企业安全信息结构

1　引言所谓安全信息结构是指企业在生产经营过程中各种类型安全信息及其功能以及企业安全信息沟通的基本方式的总和。安全信息和资本、劳动力、原材料、设备一样成为主要生产要素。2　企业安全信息基本类型一般来说 ,企业在运行过程中 ,安全信息的需求可以分为两大基本类型 :企业内安全信息需求和企业外安全信息需求。2 .1　企业内安全信息企业内安全信息系指企业内部产生的各种安全生产信息。这些安全信息包括 :( 1)生产信息 :主要是反映生产过程的信息 ,如生产计划、工序管理、工艺流程信息、库存信息、生产过程中的薄弱环节、产品质量等…