安全系统降维理论研究及其应用

为解决安全系统中的高维复杂问题,并进一步丰富安全系统学研究方法,对安全系统降维理论开展研究。首先,分析安全系统的复杂性与高维性特征,探寻安全系统降维的优势;然后,凝练安全系统降维理论,并分析其内涵及降维步骤;最后,将安全系统降维理论应用于典型事故案例中,验证其实证效果。结果表明:安全系统降维理论包括有数据支持与无数据支持2个层面的内涵及方法,该理论的应用具有可行性与实用性。     

基于物理模型分析与深度神经网络融合的爆炸流场实时模拟方法

爆炸流场预测研究是爆炸安全性分析重要的组成部分,当前基于物理模型的CFD模拟已成为复杂空间环境下爆炸场景定量分析的首选工具,然而其计算效率较低,无法支持实时应急响应。借助基于机器学习(Machine Learning, ML)算法的代理模型可以有效缩短定量分析周期,但可供算法学习的数据量少是该项技术在化工事故后果分析中应用所面临的主要问题。因此,将物理模型分析与深度神经网络相融合,通过数据集构建、数据降维、数据回归和数据生成4个步骤,最终构建高效的卷积变分自编码器(Variational Autoencoder with Deep Convolutional Layers, VAEDC)与多层前馈神经网络(Multi-layer Forward Neural Network, MFNN)混合模型,用于实时预测区域爆炸压力场。基于特定区域,根据定义的算法输入与输出,利用CFD技术对各种爆炸过程进行模拟以获得大量的数据;基于CFD模拟数据,利用VAEDC将区域压力场的高维特征降维为隐空间变量,利用MFNN拟合爆炸相关参数、流场观测时刻与隐变量的映射关系,并以储罐区为例进行建模分析。结果表明...     

安全信息认知通用模型构建及其启示

为了揭示复杂系统内安全信息传播的机理与故障模式和发展新的安全模型,以安全信息认知过程为主线,以安全信息失真或不对称为问题,构建了1个包含7个关键事件、6个时间状态、5级信息失真和4级信息传播的安全信息认知通用理论模型,阐述了模型的内涵、特点、用途分类和故障诊断分析途径,并由模型推导出1组安全科学基础理论新概念,同时也建立了1种新的安全信息系统分析与控制的方法论。结果表明,该模型对事故致因机理分析、行为安全管理、系统安全设计和事故防控等的具有重要的理论和实际意义。     

安全降变原理及C-S-R事故致因新模型

为发展安全科学原理和给事故防控与调查提供新的方法,根据变化对系统安全的影响机制,开展安全降变原理及事故致因新模型研究。首先,提出安全降变原理并解析其内涵及研究意义。其次,基于安全降变原理,给出不同层级安全系统变化的分类实例,并对作业场所事故及其致因重新定义和分类。再次,构建基于安全降变原理的C-S-R事故致因新模型。最后,基于事故案例分析,验证所提出的C-S-R事故致因新模型与安全降变原理的有效性。结果表明,各级安全系统中自发或是受联动的变化超出系统的变化承受水平时,将导致事故的发生。经事故案例分析验证可知,安全降变原理及C-S-R事故致因新模型具有充分的实用性。     

一种改进的CSCA+PCA化工过程异常检测技术

为了解决化工过程异常检测时因参数众多且数据庞杂而导致一些异常无法被有效检出的问题,在Brownlee的克隆选择分类算法（CSCA）基础上,通过引入主成分分析（PCA）技术,进行数据降维和数据重整,探讨了人工免疫算法在化工过程异常检测中的适用效果和技术方案,以TE过程数据作为样本进行异常检测和分类实验。结果表明,过程异常数据的规模、属性的数目对CSCA异常检测效果具有明显影响,而通过主成分分析进行数据降维之后,CSCA检测效果有所提高;进一步的数据重整之后,CSCA对过程异常分类辨识的准确率可提升到85%以上;基于CSCA+PCA的数据降维及重构之后的过程异常检测技术方案,可以获得较高的异常检测准确率,从而一定程度上为化工过程安全运行提供技术保障。     

基于因子分析与BP网络的地铁施工安全预警研究

为了解决当前我国地铁施工过程的安全预警问题,构建因子分析与BP神经网络相结合的地铁施工安全预警模型。在分析地铁施工安全预警指标的基础上,采用SPSS因子分析法对调查数据进行降维,采用Visual Basic 6.0软件编写BP网络程序,并通过工程实际数据实现模型的训练及检测。研究结果表明,通过因子分析能使BP网络的输入数据从37个减少至7个,经因子分析降维后的收敛速度和计算精度均高于未经因子分析的神经网络,且误差均在10%以内。通过因子分析与BP神经网络相结合构建的耦合模型识别地铁施工过程中的不安全因素,进而有针对性地完善地铁施工的相关预警技术。     

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。     

基于场动力理论的建筑工人人格特质、情绪与不安全行为关系研究*

为深入探讨建筑工人人格特质、情绪与不安全行为之间的作用关系,提高建筑工人安全认知能力,以293名一线建筑工人为调查对象,基于场动力理论,构建人格特质和情绪对不安全行为影响机制的理论模型,实证检验人格特质和情绪对不安全行为的预测作用以及情绪调节效应。研究结果表明:外倾性、神经质、开放性3种人格正向预测不安全行为显著;正负性情绪对不安全行为水平具有显著影响,正性情绪在外倾性-不安全行为和神经质-不安全行为间具有显著调节效应,负性情绪在责任心-不安全行为和开放性-不安全行为间具有显著调节效应。研究结果可为建筑施工企业根据工人个性化心理特征,溯源工人自身安全问题,为后续开展分类干预管理和矫正不安全行为提供理论支持。     

安全生产大数据的5W2H采集法及其模式研究

为从安全生产大数据中挖掘安全规律并最终提炼安全生产基础原理,首先在对安全生产大数据的定义及其内涵进一步阐释基础上,提出安全生产大数据采集的定义,并将其分解为3个过程;然后提出安全生产大数据的5W2H采集法,并对其内涵(采集原因,使用主体、采集者及采集对象,采集数据类型,采集边界,采集时间,采集数据量及其采集方法）进行详细分析;最后以思维路径为主、过程路径和技术路径为辅,建立安全生产大数据采集的一般模式。结果表明,安全生产大数据采集模式的研究可为安全生产大数据的存储、处理及其应用提供基础。     

基于BSMPKU的高分辨率大气扩散数值模拟研究

为了检验北京大学街区尺度模式BSMPKU(Block Scale Model of Peking University)在城市大气环境研究中的适用性,首先利用Thompson风洞试验的数据集对BSMPKU模式进行了验证,并将其模拟结果与OpenFOAM(Open Source Field Operation and Manipulation)的模拟结果进行比较,然后将BSMPKU模式应用在复杂的实际建筑物群中,进行了3种不同交通线源排放的理想数值模拟研究.结果表明:1)对于单个建筑物,随建筑物宽度增加,建筑物迎风面回流区和建筑物背风面的尾流涡区范围增大;2)BSMPKU和OpenFOAM对单个建筑物周围的流场及浓度场有较好的模拟能力;3)与基于高斯扩散理论的AERMOD相比,BSMPKU和OpenFOAM能更好地模拟出建筑物周围的浓度场,但两个模式的模拟结果都与实测值存在一定误差;4)在实际小区中,受建筑物群影响,建筑物群内的流场分布比较复杂,大部分地区风速大幅下降,建筑物群内污染物浓度场的分布受排放源位置和走向的影响很大;5)BSMPKU能较好地模拟出实际城区的流场和浓度场分布,具有一定模拟和预报复杂城区污染物扩散过程的能力.     

STPA与24Model的对比分析

为完善和发展事故致因理论,从基础理论、相关定义、分析过程和分析难度4个方面,对比分析系统理论过程分析(STPA)与“2-4”模型(24Model),并分别进行实例应用。研究结果表明：两者都有很强的理论基础;24Model和STPA总体依照线性模式展开,部分元素可得到对应。STPA的研究对象为系统中的损失,更擅长系统交互研究,研究复杂程度较高,研究误差较大,更适用于单起事故分析;而24Model的研究对象为组织中的事件,事故原因划分更加明确与通用,分析过程简单,研究误差较小,在单起事故和多起事故分析中均可使用,两者都具有较好的拓展性。在应用方面,STPA能够明确指出系统内危险源与损害的联系,但应用过程复杂,致因因素分析主观性强,缺乏对管理体系和安全文化的研究;24Model原因分析结果全面,应用步骤明确,但缺乏对组织间的交互和设计缺陷分析。     

安全社会学与社会学基本理论

安全社会学即是将安全问题与社会学知识结合起来,把安全看做一种社会过程,研究安全问题的社会原因、社会过程、社会效应及其本质规律。无论古典社会学还是现代社会学,无论社会学结构主义还是社会学建构主义,都长期在探讨个人—社会关系中的行动、理性、结构、系统4个方面,因此,安全社会学同样需要研究安全行动、安全理性、安全结构、安全系统。基于4个视角而不断涌现的社会问题说、哈贝马斯沟通行动论和系统-生活世界理论、吉登斯和贝克的风险社会理论、越轨社会学、社会冲突论、集合行为理论、女性主义和社会性别学等都直接为安全社会学提供了社会学的理论依据。     

基于复杂性认识的安全木桶模型探讨

认为安全系统是一个复杂的社会技术系统,描述了安全系统的复杂性特征:安全系统特别复杂,由相互依赖多个子系统组成,具有非线性、高度动态性、开放性和相互作用性,安全系统涉及多重反馈过程,包含软硬数据信息,并对安全政策和措施具有抵制性。借鉴传统木桶理论,利用耗散结构理论中安全熵的有关概念,探索性地建立安全木桶模型,分析了安全木桶的组成部件和功能效用。进而结合本质安全型煤矿建设,从员工素质、技术装备、作业环境和安全管理4个方面讨论了该模型的适用性,并针对本质安全型煤矿建设给出了相应建议。     

航空安全文化运行模式研究

依据安全文化基本原理,对航空安全文化模式进行系统化设计。将安全精神文化、制度文化、行为文化和物态文化4个子系统置于安全文化模式的大系统中,综合分析各子系统之间的互动关系及其对管理模式变革的影响。结合航空安全管理的特点,设计安全文化运行机制的结构框架。通过分析安全文化模式的运行过程和运行功能模块,实现航空安全文化模式的动态管理,使零散的安全文化模式得以系统化。航空安全文化模式的构建为航空运输企业建立了一个程序化、系统化、动态循环的管理过程,并以持续改进的思想指导企业系统地实现其安全目标。     

系统安全结构理论及特性研究

为进一步完善系统安全学科体系,深入探究系统的安全结构特性及规律,基于安全系统工程学,结合系统论和安全原理,提出并分析系统安全结构的相关理论。通过对系统安全问题的致因分析及其安全结构的演变规律研究,提出常态、应变和失效3种结构的概念,并深入研究3种系统安全结构间的运动规律,建立事故、灾害演化与系统安全结构演变之间的关系的"三轨结构"模式。研究结果表明,系统安全结构理论完善了复杂系统的安全分析理论内容,弥补了安全系统科学中系统结构与系统安全问题关联的理论欠缺,针对复杂系统的安全问题研究提出新的思路和方法。     

工作满意度对建筑工人不安全行为的矫正机制研究*

为探讨工作满意度对建筑工人不安全行为矫正机制,基于文献调研构建工作满意度对建筑工人不安全行为矫正机制理论模型,并通过验证性因子分析和结构方程模型分析,对理论模型进行实证检验。结果表明:工作满意度对建筑工人安全不服从行为和安全不参与行为有显著矫正作用,敬业度在工作满意度和建筑工人安全不服从行为与安全不参与行为间起完全中介作用。对于新生代建筑工人,工作满意度通过敬业度对安全不服从行为矫正效应小于对安全不参与行为的矫正效应,对于老一代建筑工人,矫正效应则相反。研究结果可为广大建筑施工企业矫正其工人的不安全行为提供依据。     

基于PCA-FPP-BP神经网络的高层建筑火灾安全评价

为解决高层建筑构造复杂、人员密度大、火灾触发因素繁多而造成高层建筑火灾安全评价困难的问题,本文提出基于PCA-FPP-BP神经网络的高层建筑火灾安全评价模型。首先运用主成分分析(PCA)对构建的高层建筑火灾安全评价指标降维处理,筛选主要信息;接着基于三角模糊数构建模糊评判矩阵,利用模糊优先规划(FPP)求解指标的权重值,减少主观的影响;最后考虑到指标间关系错综复杂彼此交叉和反馈的特性,选择BP神经网络对高层建筑火灾安全进行评价。通过工程案例证明该评价模型的实用性以及可靠性。     

露天矿土-岩复合边坡形态优化设计

合理设计采场及排土场边坡角是优化露天开采境界、保证露天矿安全生产、提高露天矿经济效益的重要前提。针对土-岩复合边坡这一类复杂特殊的边坡,以宝日希勒露天煤矿二采区西帮边坡为工程背景,应用刚体极限平衡软件定量分析了二采区西帮采场边坡及内排土场边坡的潜在滑坡模式;优化设计了二采区西帮1-2煤底板以上内排边坡形态及1-2煤至3煤之间采场边坡形态;确定了二采区西帮采场与排土场之间的安全距离。采用有限差分数值模拟软件FLAC~(3D),基于强度折减理论,对土-岩复合边坡稳定性进行了数值模拟,揭示了二采区西帮土-岩复合边坡的变形破坏机理及其稳定性。结果表明:宝日希勒露天煤矿二采区西帮土-岩复合边坡滑移模式及稳定性主要受采场与排土场之间的安全距离和3煤顶底板弱层控制;边坡形态优化后1-2煤底板以上内排边坡角为12°,1-2煤至3煤之间采场边坡角为22°,采场与排土场之间的安全距离为120 m,土-岩复合边坡整体边坡角为13°。     

基于KPCA-IF-WRF模型的多源VOCs数据清洗方法研究

为了解决多源挥发性有机物(Volatile Organic Compounds, VOCs)数据存在数据维度高、数据关系复杂、数据存在异常的问题,建立了基于核主成分分析(Kernel Principal Component Analysis, KPCA)、孤立森林(Isolated Forest, IF)、加权随机森林(Weighted Random Forest, WRF)混合方法的VOCs数据清洗模型。首先对研究区域进行网格划分,建立了基于KPCA-IF的VOCs降维异常数据识别模型,通过KPCA方法对多源混合VOCs数据降维,使用IF算法识别异常数据并进行剔除。然后设计了基于WRF的VOCs数据补偿算法,对降维与异常识别后的数据集进行缺失值回归填补。最后,以西安市为例,选取空气质量数据、气象数据等多源VOCs数据进行数据清洗。结果表明,该混合模型可有效对多源VOCs数据降维,进行数据清洗的平均绝对误差为5.08、均方根误差为10.24、中值绝对误差为3.54,均优于对比模型,证明了KPCA-IF-WRF混合模型的鲁棒性更强、精确度更高,具有科学性和可行性。     

比较安全管理学研究

为构建比较安全管理学(CSMS)学科体系,以促进安全管理学发展,基于比较学、安全管理学(SMS)与管理学基本理论,给出比较安全管理学的定义及其内涵,剖析其学科理论基础,描述其比较对象、内容、方法、环境等要素的相互作用关系,并在此基础上阐述比较安全管理学的研究时间、空间和知识维度。基于组织安全管理的4个层次,提出比较安全管理学的研究内容,构建比较安全管理学知识维-技术维-逻辑维-理论维的四维方法论体系。结合比较分析过程,提出各步骤适用的研究方法。