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。     

作业场所职业危害风险综合评价研究

在引入超标倍数、超标率等指标研究粉尘、毒物和噪声作业职业危害风险评价方法的基础上,综合考虑不同类型职业危害因素致病风险的差异,职业危害接触人数以及职业卫生管理情况,建立了多种类型职业危害因素并存作业场所的风险评价方法,进行了实际应用并取得良好效果,对于管理部门实施作业场所职业危害分级监管以及企业自我分级管理等都具有借鉴意义。     

作业场所风险影响因素分析及评估模型研究

根据作业场所职业危害的现状和特点,结合企业安全生产活动的过程和大量职业病患病案例,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对作业场所职业危害风险影响因素进行分析,总结出7大类、36个要素.运用系统工程理论,对各风险影响因素进行了定性和量化处理,建立了作业场所风险影响因素的5级多层递阶解释结构模型.通过分析作业场所风险影响因素的关系结构,得到作业场所职业危害风险的表层直接影响因素、中层间接影响因素和深层影响因素.以表层直接影响因素为基础,形成风险评估体系,建立了作业场所风险模糊综合评估模型.运用此模型对某轧钢企业作业场所的职业危害进行风险评估,结果表明,该企业作业场所风险等级为第2级,属于一般危害程度,与该企业实际的状况相符合.实例证明,该模型适用于作业场所职业危害的风险评估.     

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.     

基于ISM和AHP的作业场所风险影响因素研究

为了有效预防和控制作业场所职业危害,根据企业生产活动的过程和大量职业病案例分析,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对作业场所职业危害风险影响因素进行分析,形成作业场所风险影响因素体系.运用系统工程理论,建立作业场所风险影响因素的5级多层递阶解释结构模型(ISM),并采用层次分析法(AHP)确定...     

对作业场所危害程度0级的汽油发放作业职业危害调查

通过对危害程度０级的汽油发放作业职业危害初步调查,其结果显示出,从事该作业３年以上作业人员,出现身体改变,应引起有关部门重视。     

基于层次分析法的有毒作业场所职业危害程度分级指标研究

我国目前职业危害形势依然严峻,急、慢性职业中毒案例时有发生。对可能引起急、慢性职业中毒的有毒作业场所,按照其职业危害严重程度实施分级、分重点监管,成为我国职业危害监管工作需要解决的迫切需求。实施有毒作业场所分级监管的关键,是确定合理的分级指标,从而将有毒作业场所区分开。本文应用层次分析法,对有毒作业场所的各项评价指标进行分析,并最终确定毒物浓度超标倍数作为最终的分级指标,从而为制定有毒作业场所分级标准,开展有毒作业场所分级监管提供科学的依据。     

基于物元分析的作业场所风险评估模型研究

作业场所职业危害风险评估受人、机、环境和管理等多方面因素的影响,而这些方面的各个指标之间的不相容性常被以往的研究所忽视或者未得到很好解决.选用多级物元分析方法,建立能描述各影响因素之间相互关系的数学模型,对作业场所职业危害的风险进行了较为全面的评价.针对作业场所职业危害的现状及特点,从人、机、环境和管理方面入手,系统地分析了作业场所职业危害程度的诸多影响因素,形成了风险评估体系,建立了作业场所风险评估的物元模型.运用此模型对某轧钢企业作业场所的职业危害进行风险评估,结果表明,该企业作业场所风险等级为第2级,属于一般危害程度,其评估结果与该企业实际的状况相符合.实例证明,该模型适用于作业场所职业危害的风险评估.     

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...     

作业场所职业危害分级监管模式及其实施

作业场所职业危害分级监管工作涉及到监管决策、监管实施以及分级监管配套规章制度的建设等多个环节。本文从上述几个方面对如何有效实施作业场所职业危害分级监管工作进行了探讨,提出了综合监管决策、现场监管实施与制度建设等内容的基于作业场所职业危害风险评价分级的监管模式。其中,监管决策应当考虑确定区域、作业场所的监管优先顺序、监管资源与技术服务资源的合理配置,并对不同职业危害风险等级企业具体主体责任的落实提出要求;现场监管应在分析与掌握现状的基础上,通过风险评估实施分级管理,分级监管有关制度建设应当确定分级监管原则并包含上述有关内容。     

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。     

基于BP神经网络的佛山空气质量预报模型的研究

提出非数值的佛山惠景城站点空气质量预报模型,将BP神经网络引入到预报模型中,以降雨量、风速、风向、温度、湿度和云量等气象参数和前1 d污染物浓度为模型输入参数,建立了结构为7-7-1的非季节预报模型和夏季预报模型.结果表明,夏季模型无论在模型检验还是在实际预报精度方面都略优于非季节模型.夏季模型的级别预报评分基本在90分以上,综合评分比非季节模型高10%.对夏季模型进行了参数敏感性分析,结果表明具有较好的稳定性.     

基于BP神经网络的煤矿安全预警评估机制研究

从预警预控机制出发,针对煤矿安全生产的特点对其安全隐患进行识别,从而构建由人员行为、自然因素、组织管理等影响安全状态的预警体系。提出了基于BP神经网络的安全预警评估模型,并给出了模型的实例检验,建立了预警预控的运作流程,为煤矿安全生产的长效机制提供决策支持。     

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.     

基于卷积神经网络的冲击地压预警方法研究*

为探究深度学习在冲击地压预警方面的应用前景,以新疆某冲击地压矿井为研究背景,将深度学习和专家评判运用到微震数据分析中,基于卷积神经网络构建冲击地压预警模型。充分利用一维卷积神经网络对时序数据有较强特征提取能力的优势,以微震数据及其特征参数作为输入,以专家评判值作为标签,借助Python-Keras框架实现冲击地压预警模型的构建和训练。研究结果表明:模型预警效果并不随着训练迭代次数的增加而逐渐最优,存在最优迭代次数,对于所建模型当迭代次数为30时测试集的冲击危险预测结果与专家评判结果基本吻合,同时说明模型可以较好地学习专家评判经验实现冲击地压预警。研究表明所建模型对研究时段内发生的5次大能量矿震事件均进行预警,其准确度较高,具有现场实际应用价值。     

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PSO优化BP神经网络的钻井动态风险评估方法

传统钻井动态风险评估严重依赖于专家主观判断、结果大多是定性或半定量,无法满足深井复杂地层钻井安全需求。针对该问题,研究建立了基于PSO优化BP神经网络的钻井动态风险评估方法。通过对录井资料的监测分析,实时判断井下风险发生的类型并定量计算风险发生概率,可以在风险发生的早期给出预警信息,及时指导风险调控措施的开展。海上BD气田的实例分析表明,基于构建的动态风险评估模型得到的风险预测结果与实际风险发生情况相符合,说明建立的模型是合理可行的。该模型对于钻井作业过程中动态风险评估具有一定的参考价值。     

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.     

基于神经网络的建筑物火险评价

为了快速检测建筑物当前火险等级,应用神经网络技术,建立了火险评价系统。首先构建三大类15项评价指标体系,然后请经验丰富的消防专家判定建筑物火险等级,生成60条专家样本。前50条用于神经网络的训练,后10条用于神经网络检验。通过训练,神经网络获得了较高的评价精度,训练样本的总相对误差绝对值为7258%,检验样本总相对误差绝对值为0%。实践表明,采用神经网络实现建筑物火险评价,无需推导数学模型,操作效率高,使用成本低