基于IPSO-BP的受损钢结构改造施工安全预警评估研究

为研究受损钢结构改造施工安全预警状况,建立受损情况下钢结构改造施工安全预警指标体系,并针对BP神经网络算法易陷入局部最优的问题,提出了用改进粒子群算法（IPSO）对BP神经网络权重及阈值进行调整的IPSO-BP安全预警评估模型。通过分析某单层重钢厂房受损现状,针对其结构损伤情况和已构建的安全控制指标体系进行数值模拟分析。研究结果表明:与传统的BP模型相比,IPSO-BP模型具有更好的预测能力,构建的安全预警指标体系及预警模型可以很好地对受损钢结构改造施工过程安全状况进行综合评估,对受损钢结构改造施工安全控制具有一定的参考价值。     

地铁隧道施工安全风险演化的BP-SD模型研究

为深入研究地铁隧道施工风险的动态演化过程,结合系统动力学(SD)、误差反向传播(BP)神经网络与平均影响值（MIV）算法,确定模型中影响因素间的因果关系和影响函数,构建地铁隧道施工风险演化的BP-SD模型。模型仿真结果表明:安全管理风险系统与施工人员风险系统的值的变化对地铁隧道施工风险值影响最大,施工环境系统的值的变化对地铁隧道施工风险值影响次之,机械设备系统的值的变化对地铁隧道施工风险值影响最小。因此,可通过降低安全管理风险值与施工人员风险值控制地铁隧道施工风险发生的概率。     

基于BP神经网络的民航机场安全预警研究

在完善、改进已有民航机场安全预警指标体系及其指标值的基础上,突破民航机场传统的危险预警模式,建立基于BP神经网络的民航机场安全预警模型.采用SPSS主成分分析法对模拟数据进行预处理,基于MATLAB软件实现网络模型的训练与检测,从而实现安全预警.研究表明此模型是可行有效的,可为研究机场安全预警问题提供新的思路和方法.     

DEA-BP神经网络下地铁车站深基坑施工安全评价

为明确地铁车站深基坑施工安全等级,考虑评价指标的非线性关系和复杂动态性,基于数据包络法(DEA)-反向传播(BP)神经网络,提出一种地铁车站深基坑施工安全评价方法。首先,从人员、设备、环境、管理、技术5个方面系统构建安全评价指标体系;然后,利用DEA计算指标权重,运用BP神经网络网络评价地铁车站深基坑施工安全等级;最后,以重庆地铁1号线小什车站为例,运用该方法评价车站深基坑施工安全。结果表明:该车站深基坑施工安全等级为高,与实际情况吻合;安全意识、机械伤人、周边环境、技术交底、渗流破坏是影响深基坑施工安全的主要指标。     

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.     

风电运维人员行为安全预警指标体系构建与分析

为提高风电运维人员安全行为水平,在独立性、完备性、梯度性、可行性原则的前提下,从人因、机械设备、作业环境、监督管理、信息沟通5个方面建立行为安全预警指标体系,利用问卷调查法获取行为安全预警数据,基于果蝇优化算法(FOA)优化反向传播(BP)神经网络,建立“15-10-1”结构的行为安全预警模型,利用该模型训练测试问卷数据。结果表明：构建的行为安全预警指标体系是科学合理的,FOA-BP神经网络模型有较强的预警能力,能够预测风电运维人员的行为安全风险。测试后,模型能实现较好的预警效果。     

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。     

川藏铁路桥隧施工安全风险评价

通过评估川藏铁路工程建设的施工风险等级,为高质量推进川藏铁路工程建设提供理论支撑。剖析了国内外学者关于风险评估研究的理论与方法,针对川藏铁路施工建设中的5座特大桥梁工程和9座超长隧道工程,分析了桥梁隧道建设工程的特征,构建了川藏铁路桥梁工程的17个安全风险评价指标体系和隧道工程的20个安全风险评价指标体系,通过建立基于模糊综合评价法的风险评估模型完成了对川藏铁路重点桥梁和隧道工程的风险评价,最后构造BP神经网络模型对风险评估结果进行验证,以川藏铁路部分重点桥梁工程评分数据和部分重点隧道工程评分数据为训练数据,以剩余评分结果为验证数据,预测桥梁和隧道工程的风险等级。结果表明:采用BP神经网络预测桥梁隧道工程安全风险等级的准确率高达98. 82%,BP神经网络对于该工程施工安全风险评价具有适用性;川藏铁路重点桥隧工程项目有50%处于较危险以上,只有20%的工程处于安全级别。     

基于改进随机森林模型的海底管道腐蚀预测

为提高海底管道腐蚀速率预测精度,建立一种基于改进随机森林的海底管道腐蚀预测模型。首先,采用斯皮尔曼相关系数,分析实海挂片腐蚀数据的相关性,并采用因子分析降维;然后,设定K值为5的K折交叉验证,建立随机森林回归(RFR)模型,并输入降维后的数据;最后,输出模型的交叉验证得分,并对比评价该模型与其他模型的最高得分预测结果。研究结果表明:改进RFR的五折交叉验证输出平均得分值为0.912,高于BP神经网络(BPNN)模型、支持向量回归(SVR)模型2种对比模型;五折交叉验证最高得分预测结果均方根误差(RMSE)、平均绝对误差(MAE)分别为1.441和1.3,均优于对比模型相应值。     

基于BP神经网络和SVR的Fund?o尾矿坝排水数据预测对比研究

针对尾矿库运行过程中安全预警问题,选取2015年巴西Samarco铁矿溃坝事故案例,研究BP神经网络和SVR方法在排水数据预测的适用性。综合分析了排水数据的复杂且非线性的特点,以库水位、降雨量和干滩长度为输入特征,采用上述2个模型对尾矿坝排水数据进行预测。研究结果表明:基于BP神经网络预测结果的最大相对误差不高于4.35%;基于SVR算法的最大相对误差不高于9.21%;Fundo坝的排水预测结果是可行的,BP神经网络的预测精度更高,而SVR模型的运算速度更快。研究结果可为矿山安全工作的快速响应和溃坝预警提供信息支撑和参考依据。     

基于BP神经网络的建筑工人不安全行为预警模型

为减少建筑工人不安全行为,提高企业安全管理水平,采用事故统计分析、文献分析、质性访谈方法获取不安全行为影响因素,从组织、个人、外在环境、设备4个方面建立不安全行为预警指标体系,在此基础上,基于反向传播(BP)神经网络原理,将预警指标作为网络输入,不安全行为无警、轻警、中警、重警4种状态作为网络输出,进而设计编制预警问卷...     

地铁土建工程风险管理的思考

风险管理理论提供了前瞻性的安全管理方法，越来越得到人们的重视和广泛应用，其实质是以最经济合理的方式消除风险导致的各种灾害性后果。本文结合企业安全管理工作实际，简要地阐述了在地铁土建工程建设中开展安全风险管理的必要性，通过建立地铁土建工程的监测、评估、预警、应急体系以及一些可靠的管理方法，可以预防和减轻地铁土建工程风险，以达到降低风险等级的目的。     

基于动态元网络的地铁施工安全事故致因分析

为有效避免地铁施工安全事故的发生,将动态元网络的分析方法应用于地铁施工安全事故致因分析,建立地铁施工安全事故网络节点体系,提出重点控制因素。以杭州地铁一号线施工安全事故为例,在充分考虑人的主观能动性后,建立以人员、行为、事件和组织为节点的节点体系,确定节点的数量及节点之间的相互关系,建立施工安全事故网络模型并进行分析,对打击效果进行对比分析,找到比较理想的打击策略,确立节点的重要度排序,研究结果表明:应重点控制有效的监督相关节点,即可有效地避免或者减少此类事故的发生。得出的结论与事故通报结果基本相符,这为避免地铁施工安全事故提供了新的研究思路。     

基于粗神经网络的管制员工作差错风险预警模型

针对空中交通管制员工作差错风险类型,指出指标体系建构过程的动态性特征,从个人、团队、设备、环境及管理几个方面,建构预警指标体系,运用粗糙集在数据挖掘方面的优势,通过基于属性重要度的启发式约简算法,提取关键指标,剔除冗余指标,可以实现在不丢失关键预警监控对象的情况下,结合BP人工神经网络构建实时预警模型,既有利于加快运算速度,又有利于进行重点监控.经过实例仿真,粗糙集与BP网络结合建构的预警模型,能有效针对管制员工作差错风险进行实时预警监控.     

地铁施工灾害关键警兆监测指标研究

为实现地铁施工灾害警兆的实时监测和重点跟踪,预防和减少地铁施工灾害的发生,应用WBS-RBS及关联规则对地铁施工灾害关键警兆监测指标进行科学选取。通过分析以往地铁施工事故,针对基坑工程采用WBS-RBS方法,全面识别施工过程中的风险源,并运用基坑工程警兆监测指标关联规则模型对"地墙渗漏"警兆的20组样本数据进行计算分析,得到警兆与监测指标的频繁项集,从而甄选出关键警兆监测指标。结果表明,由于关联规则的存在,当警兆监测指标组合中某个指标超过阈值时,组合中可能存在其他指标同时超过其指标阈值,因此这时应加强对其他指标的监测。     

基于信息融合与GM的石油罐区安全监控预测模型

近年来,石油罐区安全事故发生频率呈不断上升趋势。为有效增强罐区安全监控预警系统监测数据的可靠性,并实现对事故的早期预警,基于多传感器信息融合技术和灰色模型(GM)理论,建立出石油罐区安全监控预测模型。首先,研究了基于递推最小二乘法改进的最优加权融合算法,并将其作为一级(特征级)融合模型,其次,介绍分析了灰色预测理论及GM(1,1)模型的实现过程,最后建立出基于GA-BP神经网络算法的二级(决策级)数据融合模型,并得到石油罐区安全监控预测模型。     

建筑施工高处吊篮作业安全防护预警模型研究

为提升高处吊篮作业的安全防护水平,为建筑施工安全防护预警模型研究提供理论支持,针对安全防护不足和缺位对高处吊篮作业的不利影响,建立高处吊篮作业安全防护预警指标体系。通过对作业人员的筛选,作业信息采集及数据化处理,构建基于SVM（支持向量机）的高处吊篮作业安全防护预警模型。最后,通过对历史样本数据仿真模拟验证模型的适用性和可行性。研究结果表明:建筑施工高处吊篮作业安全防护预警模型的仿真模拟结果与实际结果相比较为吻合,从安全防护审批、个体防护用品、安全防护设施、安全防护标识、心理生理防护及作业条件防护6个方面进行分析构建的安全防护预警模型可为高处吊篮作业提供预警支持,并可作为建筑企业安全管理系统的一部分,推广至其他特种作业领域。