PSB与工作压力、工作资源及PSC的关系研究

为探讨工作压力、工作资源和心理社会安全氛围(PSC)与矿工心理社会安全行为(PSB)的深层关系,基于工作要求-资源模型(JD-R model),将PSC作为调节变量,构建工作压力、工作资源与PSB影响关系的概念模型;运用问卷调查、结构方程模型(SEM)和回归分析进行实证分析和假设验证。结果表明:PSB与工作压力显著负相关;PSB与工作资源及PSC显著正相关;PSC在矿工工作压力与PSB间起调节作用。     

RF-AHP-云模型下岩爆烈度分级预测模型

为准确可靠地预测岩爆灾害,将随机森林(RF)与层次分析法(AHP)结合,在RF分析指标重要性的基础上优化AHP法,构建RF-AHP指标权重计算方法;结合云模型理论,建立基于RF-AHP-云模型的岩爆烈度分级预测模型;通过文献调研法,建立包含301组岩爆工程实例的数据库作为岩爆烈度分级预测的样本数据,并分析25组预测样本的岩爆预测结果。结果表明:所提模型预测准确率达88%以上,可判定预测样本的岩爆烈度等级;经验证,作为预测模型核心的RF-AHP指标权重计算方法具备一定的合理性。     

工程系统一体化安全风险模型研究

借鉴功能模拟原理,利用目标树-成功树-主逻辑图(GTST-MLD)框架,提出了一个一体化安全风险模型.该模型对关联于工程系统安全特性的目标、功能、结构、行为等因素予以综合,提供了从多层次研究解决安全问题的模型基础,克服了基于事件树/故障树模型的概率风险评估等传统方法而分别对系统结构、行为、事件进行研究的问题,支持实现在更高的系统功能层面上对系统安全性的分析研究.通过研究该模型在安全风险评估、事故因果关联分析、潜在交互作用鉴别中的应用,表明研究成果为解决复杂工程系统安全问题提供了新的分析手段.     

基于机器学习的煤自然发火期预测

为快速准确地预测煤自然发火期,首先基于大型煤自燃低温氧化试验及文献数据组成数据集,并考虑煤自燃影响因素众多且与发火期存在复杂的非线性关系,建立包含煤自然发火期、环境温度、煤炭热值、水分等参数的数据集;其次采用多层感知机(MLP)和随机森林(RF)等机器学习方法建立煤自然发火期预测模型,表征内部因素和外部因素对发火期的影响;同时为增强模型的拟合能力和泛化能力,利用特征工程研究特征变量的相关性,以筛选模型的输入特征;然后利用网格搜索法优化模型超参数,以提高模型的预测能力;最后利用学习曲线法评估模型状态,防止模型过拟合。结果表明:RF和MLP模型均能预测煤自然发火期,RF模型的泛化能力更高;RF和MLP模型预测的平均绝对误差(MAE)分别为9.34天和12.10天,说明机器学习模型可同时考虑多个内外影响因素的复杂作用。     

随机风速风向对无人机地面风险作用效果研究

为准确计算无人机地面坠毁后造成的伤人风险值,考虑空域环境内风对无人机坠落过程的影响,尤其是随机风速与风向对无人机地面坠毁位置的作用效果,并引入二阶标准模型定义无人机坠落过程,建立随机风速与风向作用效果模型,将风的作用输入到无人机坠落全过程,兼以真实运行场景参数、无人机自身运行参数,开展多因素作用下的地面风险评估,重点探讨风速、风向对地面不同区域内人群带来的风险作用,进而得出更加可靠真实风险评估结果。结果表明:环境内风的作用会对无人机地面坠毁位置产生显著影响,最终使得地面风险分布极不均匀,且风险数值远高于民航有人机的安全标准,因此,无人机不适宜在某些较为复杂的城市环境下运行。     

基于改进JHA铜冶炼维修作业风险辨识与信息化应用

基于能量意外释放论,提出改进的JHA风险辨识方法。在按设备结构划分维修作业后,不划分作业步骤,而是根据风险来源进行辨识,实现了辨识的实用性和系统全面性。基于辨识结果,建立信息化维修作业风险信息数据库,并作为《检修项目指令书》安全措施的信息支撑。实践表明,改进的JHA辨识方法是有效的,信息化应用改变了经验式的《检修项目指令书》,提高了风险管控的有效性。     

基于AHP与重要性指标筛选的神经网络评价模型与应用

以对评价目标有影响的所有评价指标作为神经网络的输入,会导致网络模型复杂、降低其性能和影响计算精度的问题,因而提出基于层次分析法和重要性指标筛选法的神经网络评价建模方法即首先运用层次分析法对评价指标进行重要度排序,然后利用重要性指标筛选法过滤出对评价目标有重要影响的指标,以其结果作为神经网络的输入.该法不仅简化网络模型,而且提高网络的性能和计算精度.运用该法对企业安全工作评价,结果证明,不仅是可行的,而且达到了预期的目的.     

基于随机森林理论的采场稳定性预测研究

为预防采场安全事故,选取地下采场地质构造、埋深、围岩强度等10个因素作为采场稳定性预测指标,从收集到的实际采场稳定性数据中选取25组作为训练样本,建立采场稳定性预测的随机森林(RF)模型,通过8组测试数据预测采场稳定性;将该模型预测结果与支持向量机(SVM)模型及人工神经网络(ANN)模型的预测结果进行对比。研究表明:采用RF模型采场稳定性等级预测准确率最高,而使用SVM模型次之,ANN模型的准确率较差;用RF模型能够相对有效地判定采场稳定性。     

考虑随机效应的腐蚀管道贝叶斯退化分析

为提高管道腐蚀退化分析模型的适用性和预测精度,加强管道安全性管理,提出一种通用的基于贝叶斯理论考虑随机效应的逆高斯(IG)过程退化分析方法。根据系统退化随机效应信息,并结合直接处理在线预测数据集的方法,利用贝叶斯方法建立一个简单的IG模型和随机漂移(RD)、随机波动(RV)、随机漂移-波动(RDV)等3个随机效应IG模型。基于相关模型参数产生的后验样本,通过贝叶斯χ²优度检验得到的概率分别为简单IG模型为0.981 3;RD-IG模型为1.00;RV-IG模型为0.925;RDV-IG模型为0.994 7。案例结果表明:RD-IG模型对数据拟合良好,贝叶斯分析方法在实时监测场景下进行退化预测灵活性强;考虑随机效应的退化分析能提高预测的准确性。     

中小企业安全生产“供求”与政府管制

从安全生产作为一种"公共产品"的视角,分析中小企业供给与需求状况,得出目前中小企业安全生产处于"供给低、需求低"的非正常状态,说明劳动力市场对安全供求的调节已经失灵;通过对安全管制下中小企业日常安全管理行动的调研,结合相关研究成果,说明中小企业安全生产管制存在"管制失灵";对安全生产管制存在的问题进行分析,并提出以完善安全生产法律法规体系为前提,以加强中小企业安全生产监管信息库建设为基础,以建立和完善中小企业安全生产三大机制为手段将中小企业安全生产引入良性发展轨道。     

手过头姿势下钻孔作业肌肉疲劳MET预测模型

为评价手过头姿势下钻孔作业过程中人员肌肉疲劳发展情况,先通过模拟手过头姿势下的钻孔试验,测量试验前肌肉的最大随意收缩(MVC)、试验后的最大剩余肌力(MRF)、力量输出衰减程度(ΔF)以及手腕、手肘和肩部的主观疲劳评分(RPE),记录最大耐受时间(MET);通过设定3种操作面(正面、侧面、底面)和3种操作高度的不同操作组合作为试验变量,比较不同操作方式对手过头姿势下钻孔作业的肌肉疲劳影响情况,随后分析3种操作面(正面、侧面、底面)和3种操作高度下对MET、MRF、ΔF以及手腕、手肘和肩部RPE的影响。研究结果表明:采用正面操作并降低手臂上举高度能有效减轻肌肉疲劳;不同操作面显著影响MET、MRF及ΔF,同时,显著影响手腕、手肘和肩部的RPE;不同的操作高度显著影响MET、MRF以及手肘的RPE;所建立的MET预测模型可反映手过头姿势下钻孔作业过程中人员肌肉疲劳状态。     

QGA-RFR模型在导水裂隙带高度预测中的应用

为准确预测矿井顶板导水裂隙带高度,用随机森林回归算法(RFR)筛选出开采工作面导水裂隙带高度主要影响因素;借助量子遗传算法(QGA)优化RFR中分裂属性特征值和决策树棵数2个关键参数,建立基于QGA-RFR的导水裂隙带高度预测模型;将实测的124组导水裂隙带相关数据代入模型进行训练和预测,并将预测结果与GA-RFR、RFR、BP和支持向量机(SVM)等模型预测结果对比。结果表明:QGA-RFR模型的最优参数组合为(5,350),该参数下模型预测误差值仅为0.113 8;与GA-RFR、RFR、BP和SVM等模型相比,QGA-RFR模型具有更小的平均绝对百分比误差值(0.037 63)、均方根误差值(2.129)和最大相对误差值(0.055 06),验证了QGA-RFR模型的拟合效果更优。     

基于SEM的煤矿安全生产影响因素系统研究

为正确认识影响煤矿安全生产的各因素及其对安全系统的相对重要性,首先运用文献综述法和现场调研法,系统考虑并提炼出影响煤矿安全生产的5大类18个因素;然后选取2个煤矿的300名员工发放问卷,应用SPSS21.0统计分析数据;最后运用结构方程模型(SEM)建模方法,构建二阶验证性因子分析模型和因果关系路径分析模型,分析影响煤矿安全生产的5大类因素以及各因素间的关系。结果表明:人的不安全行为对煤矿安全生产的影响最大,其次是组织管理、物的不安全状态、煤矿固有风险和环境中的不安全因素;另外,5大类影响因素之间具有直接或间接的影响。     

高斯混合模型下建筑工人高空作业失稳检测方法

为防止施工现场高处坠落事故,实现个性化矫正管理,在考虑个体异质性对运动信号造成的差异化影响基础上,提出一种基于高斯混合模型(GMM)的实时检测方法,可及时识别建筑工人高空作业失稳状态。首先,采用姿态传感器实时采集加速度和角速度数据,以刻画建筑工人的高空作业姿态特征;然后,基于GMM算法,建立建筑工人高空作业的个性化失稳检测模型,获得个性化阈值,以判断姿势失稳状态;最后,通过试验对比基于个体数据集和公共数据集2种方式构建的模型。研究结果表明:生成的个性化检测模型在准确度P、召回率R和综合评价指标F₁值上,均远优于公共数据集模型,具有更好的个性化检测效果。该失稳检测方法能够从工人的作业姿态习惯探究个性化的高空失稳风险,促进差异化安全预控和精准化安全培训。     

损失认知、安全态度与企业安全生产行为关系研究

为规范企业安全生产行为,以知信行(KAP)理论和安全管理学相关理论为基础,构建预期事故损失认知、安全态度与企业安全生产行为关系的理论模型,深入分析损失认知、安全态度对企业安全生产行为的影响机制;并通过33个题项867份有效问卷收集数据,采用因子分析和结构方程模型(SEM)验证以上理论模型。结果表明:预期事故损失、安全态度分别对企业安全生产行为产生显著的直接正向影响;预期事故损失与安全态度显著正相关;预期间接损失认知与安全态度在对企业安全生产行为作用过程中存在着显著的正交互效应。因此,通过提高企业决策者对预期事故损失的认知水平和安全态度来规范企业安全生产行为,是提升企业安全生产绩效的有效途径。     

安全生产规制总体效果模糊评估模型的构建

为了解当前安全生产规制政策的总体效果与强度,弄清安全生产规制政策的改进方向,完善安全生产监管体制,提高监管的有效性,有必要对安全生产规制效果进行分析和评价.在总结分析安全生产规制效果影响因素的基础上,建立多因素、多层次的安全生产规制总体效果评估指标体系,主要由安全生产规制体制、安全生产规制的内容及方式、规制政策的可靠实施、被规制者特征等4个一级指标及所属14个二级指标构成.借助层次分析法(AHP)和模糊数学方法,构建安全生产规制总体效果模糊定量评估模型.利用该模型试算中国1991-2001年间安全生产规制总体效果,计算结果与实际情况基本相符.但该模型是不完美的,其不能搞清楚各因素变量与规制效果之间存在的具体相关关系.     

基于机器学习的电动汽车电池系统的风险预警

为提高动力电池在实车工况下安全预警的及时性和准确性,将电池系统安全预警问题提炼为关键状态预测及基于预测状态的预警分类2大科学问题,根据实车运行中的电池状态数据,选择电池的单体电压最高值、单体电压极差等作为关键预测对象;利用费舍尔计分和最大信息系数(MIC)进行特征选择,采用样本卷积和交互网络模型(SCINet)实现关键状态预测;基于预测的状态,建立多分类随机森林(RF)模型,对动力电池的安全风险进行分级预警。研究结果表明:该模型对电池多个参数具有很强的预测能力,如预测1 min后单体电压最高值的均方根误差(RMSE)为0.027 1,温度最高值为0.054 0;对电池系统1 min后安全风险等级预测的查准率为84%,宏平均f₁分数为74%。