基于BP神经网络的苯储罐泄漏事故风险评价模型研究

为了在事故发生之前对苯储罐进行风险评价,提出1种基于BP神经网络的泄漏事故风险评价方法,利用该方法构建了苯储罐的风险评价模型,并对模型进行了训练及验证。研究结果表明:BP神经网络成功完成了建模任务,且模型训练结果较好,可利用基于BP神经网络所构建的苯泄漏事故风险评价模型对苯储罐发生泄漏事故的风险进行评价。     

发酵罐不锈钢换热盘管泄漏失效分析

通过失效现场情况了解、宏观检查、材质分析、金相检验、电镜观察、能谱分析及冲击断面分析等研究06Cr19Ni10发酵罐盘管失效原因.结果显示由于发酵罐盘管材质熔炼工艺不恰当,固溶处理不当,冷却循环水中Cl-含量超标,焊缝热影响区、管材母材区大面积发生不同程度晶间腐蚀,局部点蚀穿孔.建议对用于设备重要部位或对生产工艺有重大...     

天然气高压输送管道微量泄漏TDLAS检测技术理论研究

天然气输送管网规模随着城镇化进程加快而急剧扩大,高压管道气体微量泄漏的威胁日益严重,传统检测方法不能实现连续地精确检测。利用可调谐半导体激光吸收光谱(TDLAS)检测技术可以实现对微量泄漏的甲烷等气体进行快速、精确地检测。介绍了TDLAS技术的检测原理和压力管道的泄漏物理模型。选择CH4在1 653.7 nm处的吸收谱线为研究对象,结合已有的数据与参数,分析了光谱吸收率和可探测浓度下限随温度、压强的变化特征,以及激光扫描步长对测量精度的影响。结果表明,TDLAS技术应用于高压管道微量泄漏的实时检测是可行的。测量得到的气体浓度符合检测标准,可作为相关检测的基准值谱。     

基于多层感知器神经网络和统计小波特征的管道泄漏诊断

油气输送管道泄漏造成的主要问题包括环境危害和经济损失.为了降低管道泄漏造成的危害,提出了一种新的方法用于检测管道泄漏情况.该方法主要通过故障检测与隔离系统建立入口压力与出口流量之间的定量关系,首先,采用OLGA软件模拟获得管道入口压力和出口流量数据,为了提高模型精度,利用小波变换的多尺度分解和重构技术将获取的数据信号分为3级,并将其作为故障检测与隔离系统的训练数据.然后采用统计技术、小波变换及2种方法的融合等方式提取信号的均值、偏差、峰度等特征,将特征提取结果分别作为多层感知器神经网络分类器的输入来确定泄漏状态.最后,利用混淆矩阵对泄漏识别的精度进行验证.对一段长约5 km的天然气管道进行了泄漏检测,将泄漏类型分为10类,结果表明,提出的方法对泄漏位置和泄漏尺寸的自动检测识别率约为92％.该方法不仅可以检测泄漏故障的发生,还可以确定泄漏故障的位置和严重程度.     

超临界二氧化碳泄漏减压模型构建及泄漏量分析

为了解决超临界二氧化碳管道泄漏风险评估问题,基于工业规模超临界二氧化碳小孔泄漏试验结果,提出分别构建超临界泄漏阶段、气液两相泄漏阶段、气相泄漏阶段的理论模型,并通过确定各阶段的传递参数,实现二氧化碳减压过程的理论建模。采用MATLAB软件编制了模型求解程序。通过试验数据验证了理论模型的可靠性。基于理论模型计算结果定量探讨了初始压力、初始温度和泄漏口径对泄漏减压过程压力及质量流量的影响。结果表明：初始压力在8～9.5 MPa变化时,对减压过程压力及泄漏质量流量影响较小;初始温度在33～39℃变化时,压力降至临界值的时间逐渐增加;泄漏口径减小,压降时间显著变长;在泄漏减压初期,泄漏质量流量均出现波动,随后随压力降低而逐渐降低。构建的理论模型能够实现超临界二氧化碳泄漏质量流量预测。     

基于LabVIEW的长输天然气管道泄漏检测与定位研究

为了研究长输天然气管道泄漏检测与定位技术,将管道泄漏检测技术中常用的负压波检测原理与Lab VIEW技术相结合,设计了一套基于Lab VIEW的长输天然气管道泄漏检测与定位分析程序,利用该程序对长输天然气管道泄漏的负压波信号进行滤波和数据处理。利用小波变换的多尺度功能,提取信号的突变或瞬态特征,计算奇异点位置,达到泄漏定位的目的;选取不同类型小波进行泄漏定位误差分析,找出该工况条件下最佳的小波类型。结果表明:该程序对泄漏点的定位误差在4%以内,具有较高的精确度和可行性;在该工况下,最佳的小波类型为db5,其定位误差精确到0.034%。     

基于BP神经网络的作业场所风险预警模型研究

在全面分析作业场所职业危害风险影响因素的基础上,从人、物、环境、管理、安全技术、法制监管和社会经济利益等方面进行分析,建立了作业场所风险预警指标体系,建立了作业场所风险预警的BP神经网络模型.应用该模型分析多个企业作业场所职业危害的样本,对作业场所风险预警进行实证研究.结果表明,该模型精度较高,具有实用性和可行性,可用于作业场所职业危害风险预警.     

基于稳态模型的井下抽采主管道泄漏检测方法研究

为准确检测煤矿井下瓦斯抽采主管道泄漏位置,提出基于稳态模型的管道泄漏检测与定位方法,采用Comsol数值模拟及地面相似实验研究压力梯度法对煤矿井下抽采管道泄漏检测与定位的可行性及准确性.研究结果表明:管道未泄漏时,管内沿线压力呈均匀分布,当管道突发泄漏时,管内压力分布呈现明显弯折现象,弯折处即为管道漏点位置,并对管道阻...     

基于BP神经网络的大型游乐设施安全评价

针对我国大型游乐设施的安全现状,结合大型游乐设施的特点,将大型游乐设施进行分解,建立了以各子系统为评价指标的大型游乐设施设备评价指标体系。介绍了大型游乐设施BP神经网络安全评价模型的建立和验证过程。BP神经网络模型经训练学习后,可有效降低定性评价的主观性,使评价结果更具科学性和客观性。利用该BP神经网络安全评价模型,对某游乐园中过山车的现状进行了安全评价,评价结果符合实际情况。     

基于VPL的输油管道实时泄漏检测系统

针对现有管道泄漏检测技术在管道微小泄漏检测和油品泄漏损失计算方面存在的不足,基于流体动力学和容量守恒原理,开发基于VPL（Visual Pipeline）的输油管道实时泄漏检测系统。建立管道模拟平台,通过组态编辑器、图像界面、管道工作室和SCADA 接口,开展输油管道实时泄漏检测、定位与分析,实现管道实时泄漏检测、报警,以及泄漏量的定量计算。现场测试结果显示,所开发的输油管道泄漏检测系统最小泄漏检出率为0.7%,泄漏点定位精度为96.96%,泄漏量计算准确率为94.42%。研究结果表明:基于VPL的输油管道实时泄漏检测系统漏报、误报率低,检测定位精度较高,尤其对于微小泄漏优势明显;同时,该系统能够实时定量计算油品泄漏损失,可以用于输油管道泄漏检测与应急辅助决策。     

基于BP神经网络人群流量预测的实现

人群拥挤踩踏突发性的特点决定了现场的事故救援措施效果较差,事前预防是唯一有效的策略。对商业区人群流量进行预测,对于合理控制商业网点人口,预防人群类事故的发生具有重要的意义。本文介绍了基于BP神经网络的人群流量预测方法,利用Matlab建立了相关模型,并结合实际数据对模型进行了调整,分析了隐含层神经元个数、不同输入-输出结构、不同传递函数等因素对网络性能的影响。研究表明利用神经网络的非线性映射能力对人群流量进行预测时可行的。     

基于BP模型的十溴联苯醚分散液液微萃取条件优化

采用正交试验研究萃取剂类型、萃取剂体积、分散剂类型、分散剂体积、溶液pH值、离子强度和萃取时间对水样中痕量十溴联苯醚(decaBDE)分散液液微萃取(DLLME)回收率的影响.结果表明,离子强度对萃取回收率(ER)的影响非常显著,而分散剂体积与萃取剂体积交互作用的影响不显著.通过极值法确定的decaBDE分散液液微萃取条件下的萃取回收率为88.24%.以正交试验数据为训练样本,以分散剂体积、萃取剂类型、pH值、离子强度及萃取时间为输入,萃取回收率为输出,建立了影响decaBDE分散液液微萃取的BP神经网络模型.模型检验样本预测输出值和试验值的决定系数为0.873 4,表明模型可以预测水样中decaBDE分散液液微萃取的回收率.采用遗传算法工具箱对建立的BP神经网络模型进行优化求解,得到的优化分散液液微萃取条件下的decaBDE萃取回收率平均值为99.94%,比通过极值法确定的萃取回收率提高10%以上.     

基于BP神经网络的二元混合液体自燃温度预测

为了给工业界提供一种快速预测二元混合液体自燃温度的有效途径,将试验所测不同组分及配比的168个二元混合液体的自燃温度作为期望输出,将基于电性拓扑状态指数(ETSI)理论、引入混合ETSI概念而计算出的9种原子类型所对应的混合ETSI作为输入,采用三层BP神经网络技术建立了根据原子类型混合ETSI来预测混合液体自燃温度的BP神经网络模型,并应用改进的Garson算法进行多参数敏感性分析。经模型评价验证及稳定性分析,得到训练集的决定系数R2为0.965,平均绝对误差MAE为11.892 K,测试集的交叉验证系数Q2ext为0.923,平均绝对误差MAE为15.530 K,发现该模型的预测性能优于已有的多元非线性回归(MNR)模型,表明BP神经网络模型具有较好的拟合能力和预测能力,对烷、醇类混合体系自燃温度的预测精度最佳。     

基于BP神经网络的安全生产分级监察模型探讨

在对影响企业监察级别的因素企业客观监察需求进行简要分析后,综合考虑了企业未被监察的时间间隔(t)、安全生产监察周期(T)、企业危险因素量度系数(η)三方面因素,建立了企业客观监察需求指数计算模型.由于企业职业伤害风险、企业违法处罚情况和企业客观监察需求对于企业监察级别的影响是复杂的、非线性的,而人工神经网络能够真实刻画输入变量与输出变量之间的非线性关系,因此,笔者依据所获取的辽宁省某市159家企业的调研信息,建立了确定企业监察级别的BP神经网络模型,并对模型进行了验证.     

基于改进BP神经网络的职业危害预警模型

高危作业职业危害的严重性迫切需要对此建立有效的预警机制。目前的预警方法无法对多种职业危害因素作出综合、系统的评价。本文采用改进的BP神经网络,对多种职业危害因素进行综合预警,该预警模型不受人为因素的影响,在误差允许范围内可实现准确的实时预测。     

煤尘润湿接触角的BP神经网络估算方法研究

通过采集和测定35个矿区煤样品的化学组成、结构参数和润湿接触角,构建了以13个影响因子为输入参数和以接触角为输出目标的3层BP人工神经网络,并利用该模型估算煤尘润湿接触角。结果表明,隐含层节点数为19时,接触角估算值与实测值的决定系数R2=0.957,平均相对误差为4.59%,表明基于BP神经网络建立的煤尘润湿接触角估算模型具有很高的精度。     

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.     

基于PSO优化BP神经网络的水质预测研究

为快速准确地预测河流水质,结合汾河监测数据,使用粒子群算法(PSO)优化BP神经网络模型(PSO-BP)进行水质预测.通过灰色关联度分析确定输入变量,利用PSO算法修正BP网络的初始权值、阈值,优化神经网络结构及算法全局收敛性.采用该模型对汾河主要污染物指标COD、BOD5、氨氮、挥发酚等进行预测和验证.结果表明,与传统的BP神经网络模型相比,PSO-BP模型使最大相对误差从15.43％减小到1.46％,其平均误差由4.00％减小到1.01％,预测均方根误差从5.956×10-3减小到1.605×10-4.因此,基于PSO-BP神经网络模型的预测更加精确,可用于水质预测.     

基于MATLAB的BP神经网络在空气质量预报中的应用

选用上海市环境监测中心发布的PM10空气污染指数(PM10API)数据和中国气象局公布的有关气象资料,分别建立了未改进BP网络模型和采用"提前终止法"泛化改进的BP网络模型,用于预报上海市19个区县的PM10API指数.结果表明,改进BP网络模型预测值和实际值的线性回归显著,其预测相对误差为1.76%～29.45%,预测效果优于未改进BP网络模型,预测精度较高,推广能力较强.本研究为空气质量日报和预报提供了一种全新的思路和方法.