基于ARIMA的安全生产事故预测与实证研究

为了减少企业安全管理者在生产作业中由于不确定性导致错误决策所产生的风险,在企业历年安全生产事故数据基础上进行预测具有一定的现实意义。以某企业2008年至2011年的安全生产事故次数时序数据,采用EViews 5统计分析软件,基于ARIMA时间序列预测模型更加关注对事故发生是否平稳而相对于其他预测模型更关注于趋势研究的良好特点,建立安全生产事故ARIMA时序预测模型,并对2012年的安全生产事故发生次数进行预测,通过效果检验发现该模型预测结果基本上能够反映该企业安全生产事故发生的实际情况。通过ARIMA方法在某企业安全生产事故预测具体案例的实现,是对现有安全生产事故预测方法的补充和完善,可为企业安全管理和决策提供一定的指导。     

南京市化学原料及化学制品制造业能源消耗预测

化学原料及化学制品制造业作为南京市高能耗、高污染产业,对其能源消耗总量及能源消耗结构进行预测,对节能减排具有重要意义。以2002—2012年能源消耗量弱化之后的数据为原始数据,运用灰色GM(1,1)模型对2013—2020年南京市化学原料及化学制品制造业能源消耗总量以及主要能耗进行了预测。由于部分原始数据序列光滑性较差,所建预测模型的精度较低,使用平均弱化缓冲算子对其进行处理。结果表明,处理之后建模精度提高,预测的结果更加准确。     

内腐蚀海底管道剩余强度的FOA-GRNN模型

为探究内腐蚀海底管道剩余强度,保证管道安全运营,基于管道壁厚、直径,腐蚀深度、长度、宽度和极限抗拉强度等影响因素,提出果蝇优化算法(FOA)优化广义回归神经网络(GRNN)的剩余强度计算方法,应用GRNN构建剩余强度预测模型;采用FOA优化模型,人为设置光滑因子的负面影响;通过有限元模拟生成影响因素和剩余强度数据库,并采用FOA-GRNN模型训练和预测;以巴西国家石油研究中心的极限强度爆破试验数据为例,分析验证预测模型。结果表明:FOAGRNN模型对有限元模拟数据的剩余强度预测平均相对误差(ARE)为16.53%,对试验数据预测ARE为7.81%,预测结果合理、准确。     

基于防火监督数据的风险评估与预警体系构建研究

本文提出了基于防火监督数据的风险评估与预警体系构建方法。首先,通过收集、整理和分析防火监督数据,建立数据库和指标体系。其次,采用数据挖掘技术对数据进行分析,识别风险因素和风险特征。再次,利用统计模型和算法,对风险进行评估和预测。最后,建立预警模型和机制,实现风险的实时监测和预警并优化。通过构建基于防火监督数据的风险评估与预警体系,可以提高火灾防控能力,减少火灾事故发生几率,保护人民生命财产安全。     

基于WSR-SD的大型企业安全生产风险管控研究

本文首先基于物理-事理-人理(WSR)方法论对大型企业安全生产风险因素进行分析,并引入系统动力学(SD)方法构建大型企业安全生产风险SD模型,通过对安全监管干预方案的仿真研究,预测了安全生产风险系统的发展状态,为如何提高大型企业安全生产风险管控水平给出了建议。     

输气管道小孔泄漏压力响应实验与仿真研究

管道压力是进行泄漏速率和泄漏后果模拟的重要参数,搭建泄漏及气体扩散测试实验系统,并建立实验系统的Flowmaster模型,通过实验数据对模型进行验证,验证结果表明,可以基于Flowmaster模型预测小孔泄漏条件下管道内的压力响应情况,并且能够较为精确的计算泄漏稳定后管内的平均压力,为小孔模型准确计算泄漏速率提供理论依据。     

尾矿库溃坝灾害风险分级评估的加权云模型研究

为了实现尾矿库坝灾害风险的准确分析,提出了一种尾矿库溃坝灾害风险分级评估的加权云模型。首先基于文献计量法以及相关分级标准构建了尾矿库溃坝灾害风险分级指标体系;然后基于博弈论确定了频次法和投影寻踪算法的组合权重;最后采用云模型来表述各风险等级之间的模糊性和不确定性,并结合基于博弈论的组合权重确定了尾矿库溃坝灾害风险等级的综合隶属度,再采用9组尾矿库实例进行验证加权云模型的评估结果。结果显示,加权云模型评估的9组尾矿库样本结果与实际相符,表明模型具有较高的预测精度,可以为尾矿库溃坝灾害风险等级评估提供可靠的依据。     

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MCMC填补的SSA-SVM煤与瓦斯突出预测模型

为提升煤与瓦斯突出预测准确度,减小数据缺失对煤与瓦斯突出预测的不利影响,提出1种基于链式多重填补马尔科夫链蒙特卡罗(MCMC)的麻雀搜索算法(SSA)优化支持向量机(SVM)预测模型。根据突出影响因素选取模型参数,运用MCMC对突出事故缺失值进行数据填补,采用SSA优化SVM,建立MCMC-SSA-SVM模型对填补后数据集进行预测,验证MCMC填补有效性和SSA优化性能;分别构建SVM、SSA-SVM、PSO-SVM、GAM-SVM、CMC-SVM、MCMC-PSO-SVM和MCMC-GA-SVM这7种模型进行突出预测,对比预测准确度,分析MCMC-SSA-SVM、MCMC-PSO-SVM和MCMC-GA-SVM的适应度。研究结果表明：MCMC填补后准确度均提升7.89个百分点以上,SSA的优化性能强于PSO和GA,MCMC-SSA-SVM预测准确度最高,为97.37%,泛化能力优于对比模型。研究结果可为煤与瓦斯突出预测研究提供借鉴和参考。     

面向“数值-文本”大安全数据的企业风险分析

为充分利用实际生产过程中产生的数值和文本数据,预防事故的发生,加强企业的安全管理水平,基于多种机器学习模型提出了一种能综合利用数值数据和文本数据的企业风险分析方法。首先,基于岭回归、被动进取、弹性网络回归、梯度增强等机器学习算法,构建了面向数据信息的生产风险分析模型;然后依次基于Jieba分词、LDA主题建模、单分类算法和集成算法等文本挖掘技术,构建了面向文本信息的生产风险分析模型;最后利用Pearson相关系数和回归算法,实现了面向“数值-文本”大安全数据的企业安全分析。结果表明：基于梯度增强回归算法的数据分析模型效果最好,基于Voting模型的文本分析模型表型分类效果最优,Pearson相关系数为0.443 8,基于GBR模型的“数值-文本”综合分析拟合度最高,“数值—文本—比对—综合”的大安全数据分析思路有助于提高企业的安全管理水平。     

基于案例推理的化工园区应急资源需求预测

为确定化工园区突发事故的应急资源需求,提出了一种基于案例推理的化工园区应急资源需求预测方法。该方法主要由三部分组成:(1)基于案例推理的模型构建;(2)化工园区事故的案例描述;(3)基于人工神经网络的案例适应。最后,以石化园区火灾爆炸事故的应急资源需求预测验证该方法的有效性。研究表明,该方法可以实时地对化工园区应急资源需求进行预测,为化工园区的应急资源储备和配置提供支持。     

基于预处理的AFOA-ELM冲击地压危险预测模型

为提高冲击地压危险性预测准确率,提出一种基于预处理的改进的果蝇优化算法(AFOA)优化极限学习机(ELM)的预测模型。以重庆砚石台煤矿为例,选取其10个冲击地压危险性影响因素作为模型特征;以部分实测数据作为样本数据集并进行预处理,采用合成少数类过采样技术(SMOTE)构建平衡数据集,使用灰色关联分析法(GRA)及因子分析法(FA)降低特征维度;针对果蝇优化算法(FOA),引入跳脱变量和分类准确率方差变量构造AFOA,利用AFOA优化选取ELM的输入层权值及隐含层阈值,构建冲击地压危险预测模型,训练预处理样本数据、预测并对比其他模型预测结果。结果表明:数据集预处理可以显著提高AFOA-ELM模型预测效果;基于预处理的AFOA-ELM冲击地压危险预测模型,预测准确率为93. 75%,均方误差为6. 25%,预测精度显著优于其他对比模型。     

企业风险分级管控和隐患排查治理双重预防体系构建研究

安全生产双重预防机制是我国在当前安全生产形势下防止事故发生的积极探索和重要手段,双重预防机制机理的本质是有效的风险控制。为给企业安全生产双重预防机制构建与实践工作提供理论指导,从固有风险和现实风险角度研究双重预防机制的科学机理,并基于系统建模理论和方法,分析归纳了企业双重预防机制体系设计的七大要素。然后,以有效的风险控制为核心,利用霍尔三维模型及应用RBS理论与方法,并融合一系列科学、有效、实用的管理方法和工具,构建了企业双重预防机制体系模型,以指导企业安全生产双重预防体系构建工作。     

基于Kalman滤波理论的矿山企业伤亡事故预测

结合矿山企业伤亡事故统计的特点,在充分掌握用于伤亡事故预测方法的基础上,选择基于Kalman滤波理论构建矿山企业千人负伤率预测模型,并对该模型的具体算法进行了改进。以我国某矿山的千人负伤率统计数据为例对该模型进行验证。结果表明,该模型预测精度较高,预测效果比较理想,不失为一种有效的预测方法。     

金属网篮交叉点法预测烟草的临界自燃条件

使用金属网篮模拟了小尺寸的烟草热自燃实验,利用交叉点法测量自热过程烟草内部温度数据并求解反应动力学参数,根据求解所得动力学参数成功预测了大尺寸情况下堆积烟草的热自燃临界条件,得到烟草贮存的临界堆积厚度与临界环境温度之间的函数关系,为烟草的安全存贮提供方法指导。     

基于物联网的建设工程施工安全D-S诊断研究

针对建筑业生产安全事故频发且传统施工安全诊断方法准确率不高的问题,基于物联网技术在建设工程施工安全应用的优势,构建了建设工程施工安全诊断指标体系,采取AHP-熵权法组合赋权的方式确定了诊断指标权重。建立了基于D-S证据理论的施工安全诊断模型,并经案例分析验证了模型的有效性,为建筑企业安全管控和事故预防提供依据。     

基于Hadoop平台的瓦斯突出预测预警方法研究

为防治煤与瓦斯(甲烷)突出事故,提出基于Hadoop平台的煤与瓦斯突出预测预警方法。首先,选用霍尔特指数平滑法对实时监测的瓦斯体积分数数据进行预处理,以提高监测数据的准确性和完整性;其次,基于BP神经网络模型,提取监测的瓦斯体积分数的特征参数,并结合人工检测的防突检测参数,构建瓦斯突出预测预警模型;最后,在平煤八矿戊9-10-21050工作面,进行现场应用,验证该方法的可行性。研究表明:用该方法能较好地处理及分析海量瓦斯体积分数所得数据,突出预测预警结果可靠性较高,能够满足现场实际应用的需要。     

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。     

大数据环境下企业安全绩效管理的基础性问题*

为明晰大数据对安全绩效管理的影响,把握信息时代下企业安全绩效管理的研究方向,基于大数据时代下安全绩效管理内容,阐述数据驱动下安全绩效管理的应用优势,探讨数据驱动下安全绩效管理的研究变革,剖析大数据环境下企业安全绩效管理的数据流向,构建数据驱动下安全绩效管理的框架模型,并提出数据驱动下企业安全绩效管理应用对策。结果表明:基于大数据的安全绩效管理有助于提升企业安全管理水平,也为安全生产系统优化提供理论依据。     

煤粒瓦斯瞬时扩散模型研究

为使扩散方程能够准确描述煤粒瓦斯涌出规律,首先依据相似理论和扩散第二定律建立瓦斯扩散系数计算方法,并结合试验数据得到扩散系数与时间的关系。然后基于此构建煤粒瓦斯瞬时扩散球状模型,运用分离变量法对模型进行求解,得到该模型的无穷级数解析解和模型系数的确定方法。最后通过计算值与试验值对比验证瞬时扩散模型的准确性,同时分析瞬时扩散模型与煤体复杂孔隙结构的关系。结果表明:扩散系数随时间的变化符合幂函数递减规律;构建的瞬时扩散模型能够准确描述煤粒瓦斯扩散规律,理论计算高度反映了试验结果;瞬时扩散模型可以从时空角度体现煤粒复杂的孔隙结构。因此该模型可用于计算瓦斯预测参数和研究瓦斯动力灾害形成过程。