基于RBF的起重作业岗位人因可靠性预测

为提高起重作业可靠性,防止人因失误酿成事故,针对人因失误的随机性、模糊性和不确定性特点,提出运用具有非线性映射能力和容错能力的径向基函数(RBF)神经网络,分析人因失误非线性动力学过程。以起重机操作岗位作为人因可靠性分析(HRA)实例,首先,建立基于"作业人员、交流界面、作业环境、作业特性、作业组织"的人因可靠性预测指标体系,并对指标进行量化;其次,根据人因可靠性原理,统计出人因失误次数,给出人因失误率;最后,通过对"人的疲劳和情绪、交流通道、作业复杂程度和时间裕度、照明环境和风力影响、工作强度和安全监管"等因素的分析,构建基于RBF的起重机操作岗位人因可靠性预测分析神经网络模型。分析结果表明,RBF预测分析同时包含人的操作可靠性与认知可靠性,预测结果同现场实际观测结果的符合度达到92.0%。     

煤矿作业人员系统风险知觉能力量化分析

为了定量分析煤矿作业人员风险知觉能力,采用Wickens模型分析风险知觉能力和人因失误作用关系,基于此,结合模糊痕迹理论,提出了基于三角模糊数的信号检测理论,从危险信号辨识敏感性(α)和反应偏好(β)两个指标对煤矿作业人员风险知觉能力进行评价。以某煤矿机电作业人员为例,设计调查问卷,并利用基于三角模糊数的信号检测理论对机电作业人员风险知觉能力进行分析。结果表明,所提出方法可用于评价煤矿井下作业系统中人员的风险知觉能力,能为提升煤矿作业人员风险知觉能力提供参考。     

煤矿特种作业人员岗位安全胜任力模型研究

针对某些矿工个人具有事故倾向性现象,提出建立矿工安全胜任力模型,以加强矿工安全管理.笔者首先在对矿难人因事故报告材料分析基础上,从中发现特种作业人员应该具备的关键行为和素质,同时通过对煤矿企业特种作业人员访谈,最终设计煤矿特种作业人员岗位安全胜任力调查问卷,通过初试后的问卷项目内容分析、项目关键程度分析、探索性因子分析,形成特种作业人员岗位安全胜任力正式调查问卷.由正武调查获取数据,通过信效度分析,获得使煤矿特种作业人员表现出高安全绩效的关键素质和行为特征,构建煤矿特种作业人员岗位安全胜任力模型,安全胜任力包括安全责任意识、应急处理能力、隐患识别能力和自制力.     

风电运维人员行为安全预警指标体系构建与分析

为提高风电运维人员安全行为水平,在独立性、完备性、梯度性、可行性原则的前提下,从人因、机械设备、作业环境、监督管理、信息沟通5个方面建立行为安全预警指标体系,利用问卷调查法获取行为安全预警数据,基于果蝇优化算法(FOA)优化反向传播(BP)神经网络,建立“15-10-1”结构的行为安全预警模型,利用该模型训练测试问卷数据。结果表明：构建的行为安全预警指标体系是科学合理的,FOA-BP神经网络模型有较强的预警能力,能够预测风电运维人员的行为安全风险。测试后,模型能实现较好的预警效果。     

制药企业人因可靠性评价指标体系的设计研究

通过分析人因可靠性评价的研究现状,以某制药企业人因失误事故原因统计为依据,在S O R理论基础上,对其进行了改进,重点强调作业者的特征和所处环境,特别是强调作业者所遵从的规则、文化、态度和目标,设计了制药企业人因可靠性评价指标体系。然后利用层次分析法（AHP）计算了指标体系的权重系数。最后对某制药企业生产线工作人员进行了实证分析,为其人员的安全管理提出意见建议,从而加强企业的安全生产提供人因保障。     

以AHP-RBFNN评估建筑工程项目的风险

针对我国建筑工程风险评估技术在工程项目应用较少的现状,需建立一个合理的风险评价指标体系与一个有效的风险评估模型。本文首先分析了一般的风险评价模型的优缺点,确定了以层次分析法与径向基函数(RBF)神经网络相结合的AHP-RBFNN风险评估模型,其次根据现代化建筑工程项目的特点构建出合理的风险评价指标体系,并且运用层次分析法确定各指标的综合权重,然后将各指标作为RBF神经网络的输入,利用RBF神经网络的无线逼近能力和快速收敛的特点,建立了新型建筑工程风险评价模型。MATLAB仿真结果表明,此方法能较准确的对建筑工程项目安全进行评估,为全面评价建筑施工安全状况提供了新的方法与思路。     

深部煤层瓦斯含量的差值GM-RBF预测模型及其应用

基于灰熵理论和RBF神经网络理论,提出了一种改进的灰色神经网络深部煤层瓦斯含量预测模型。该模型首先利用灰熵关联度确定影响深部煤层瓦斯含量的主控因素,构建多个GM预测模型进行精度分析,寻求最优的灰色预测模块对分析系统进行一次预测,再利用灰色模型白化微分方程解序列相邻两元素分别与相应期望值作差,构建一个差值序列作为RBF神经网络输出对分析系统进行二次预测,得到的差序列预测结果的差值即为深部煤层瓦斯含量的预测值,从而构建了基于差值GM-RBF神经网络组合模型的深部煤层瓦斯含量预测体系。实际应用表明:差值GM-RBF神经网络组合模型的精度评价指标MAE、MAPE、RMSE、RRMSE分别为0.233 1、3.25%、0.2778、4.04%,远优于单一灰色、RBF模型;与传统GM-RBF组合模型相比,MAE和MAPE分别减小了23.8%和22.1%,RMSE和RRMSE分别减小了20.5%和17%。由此可见,以差值结合法将最优灰色模块与RBF神经网络有效结合起来的瓦斯含量预测体系增强了模型的泛化能力和数据利用率,精度更高,稳定性更好,能够满足深部煤层瓦斯含量准确预测的要求,为深部煤与瓦斯安全高效开采提供依据。     

基于人的认知可靠性模型(HCR)的接车进路办理诊断时间的研究

接发列车作业事故在铁路运输事故中占有相当大的比重。为减少接车作业事故的发生,合理制定车站接车进路办理时的诊断时间是保证接车作业安全的关键。针对车站采用写实法查定时具有较大随意性的问题,提出采用人的认知可靠性(HCR)模型,根据人因失误概率计算接车作业诊断时间的方法,并在自动闭塞区段通过模拟机实验进行了验证。结果表明,HCR模型确定的诊断时间与人因失误之间的关系与写实法的测定数据具有良好的符合性;作业人员的训练水平对诊断时间有较大的影响;利用该模型,根据作业人员的训练水平与可接受的人因失误概率,可以确定接车进路办理的最佳诊断时间,或对写实法测定的诊断时间进行订正。     

煤矿特种作业人员安全胜任指数模型构建

为了系统综合分析煤矿特种作业人员的安全性,引入胜任力概念,界定煤矿特种作业人员安全胜任力的内涵。综合现有安全胜任力影响因素相关研究,构建以基本素质、专业技能、安全意识和自制能力为目标变量的煤矿特种作业人员安全性评价指标体系。针对人员安全性评价过程中的不确定性和模糊性,建立了基于集对分析的安全胜任指数综合评价模型;又鉴于确定指标权重需综合考虑主客观两方面的问题,提出了基于熵值与模糊层次分析的组合赋权法。最后,运用该指数模型评价某矿爆破作业人员的安全性,评价结果与实际基本一致。这表明,该指数模型对煤矿特种作业人员安全性的测度是准确、可行的。     

粒子群优化的RBF瓦斯涌出量预测

瓦斯涌出量是煤矿瓦斯灾害的主要来源,它直接影响煤矿安全生产和经济技术指标。瓦斯涌出量的传统预测方法是将其影响因素线性化后提出的,具有一定的局限性。本文基于群体智能理论,提出了一种基于粒子群算法优化的RBF神经网络瓦斯涌出量预测模型。研究表明RBF神经网络预测精度与网络权值和RBF参数初始值有很大关系,因此本文采用粒子群算法优化RBF网络权值和其他参数,形成PSO-RBF预测模型。该模型通过计算种群粒子的适应度,确定全局最优值,寻找网络参数的最优值。实验结果表明PSO-RBF优于传统的RBF预测模型,训练速度和预测精度显著提高。     

煤矿事故预防中的行为激励机制研究

在分析矿业及非矿业事故现状及其原因的基础上,对人的不安全行为进行研究,激励安全行为,抑制不安全行为,将大大减少工作中产生的意外情况,提高人的可靠性,从而降低事故发生的频率。笔者以行为科学和安全激励理论为基础,分析激励与安全行为的关系,依据煤矿事故控制和预防机理,提出煤矿安全行为激励体系构建的思路和构架,该研究成果对减少事故与伤害、提高矿业安全绩效有一定的实用意义和参考价值。     

基于灰色神经网络优化组合模型的火灾预测研究

为了提高火灾事故预测的精度,根据我国火灾事故数据样本较小,波动性较大的特点,将遗传算法优化的灰色无偏预测模型与遗传算法优化的BP神经网络模型结合起来,建立灰色神经网络优化组合模型,充分发挥无偏灰色预测模型适用于小样本的数据预测的优势与BP神经网络处理非线性问题的优点。分别采用遗传算法优化后的无偏灰色GM（1,1）模型、遗传算法优化的BP神经网络预测模型与灰色神经网络优化组合模型对我国1998-2008年的火灾事故进行拟合,并对2009-2011年的火灾事故发生数进行预测。结果表明:灰色神经网络优化组合模型的预测误差最小,精度最高,适用于火灾事故的预测。     

RBF神经网络可靠度分析方法在边坡稳定性研究中的应用

针对边坡稳定性可靠度分析,当状态函数无法显式表达且传统计算方法求解复杂问题困难时,提出一种基于ABAQUS和粒子群优化径向基函数神经网络的可靠度分析方法。基于ABAQUS的强度折减方法计算所选随机变量对应的安全系数,利用径向基函数神经网络的数据拟合功能,建立模型并映射出安全系数和随机变量之间的关系,构造响应面功能函数;利用蒙特卡罗生成的大量随机样本代入功能函数得到相应的安全系数,进而计算边坡的失稳概率和可靠度指标来反映边坡稳定性。研究结果表明:相对于传统方法,本文方法计算效率更高、误差更小,适合实际工程应用。     

人工神经网络在水环境质量评价中的应用

应用人工神经网络理论与方法建立了滏阳河水质评价的RBF(径向基函数)神经网络模型,对滏阳河邯郸市区段的从南环到北环的7个监测断面水质进行了评价,并与灰色聚类结果进行对比。结果表明RBF神经网络模型能很好地解决评价因子与水质等级间复杂的非线性关系,评价水质简便可靠,预测精度高,具有通性和客观性。根据评价结果,分析了滏阳河邯郸市区段水质污染程度,可以为水环境保护工作提供防治依据。     

PSO-RBF耦合神经网络在水质评价中的应用

径向基函数神经网络(RBF)中,连接输出单元的权重是影响径向基函数神经网络学习精度的主要参数,采用粒子群算法(PSO)对模型参数(权值)进行优化,建立了PSO-RBF耦合神经网络模型,避免权重的人为设定,具有客观性。并在Matlab环境下编程计算,构建了用于地下水环境质量评价和海水富营养化评价的径向基函数网络评价模型。将模型应用于黑龙洞泉域5个地下水监测点和某海水富营养化评价。评价结果和其他方法的评价结果一致,与实际情况符合,评级结果是合理的。评价结果表明,RBF网络简便有效,收敛速度快,有较强的分辨能力,优化确定模型参数后,便可对评价样本进行评价,具有较好的实用性和通用性。     

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。     

煤矿安全生产中人的行为影响因子系统动力学(SD)仿真分析

在构建影响人的安全行为因素因果关系的基础上,运用系统动力学(SD)理论和方法,对影响人的安全行为关键因素进行动态预测,并通过仿真计算、对比分析安全投入增加对系统安全水平的影响。应用该方法建立的煤矿生产中人的安全行为指标水平模型,以求证安全投入与人的安全行为水平的相关性,为煤矿安全管理决策提供一种新的思路,亦有助于政府和煤矿企业科学地明确安全投入方向,降低人因事故率,提高煤矿生产的安全水平。     

基于BN-CREAM的深水井控压井作业风险诱因研究

深水井控压井作业是有效控制溢流演化为井喷事故的二级井控工艺屏障。为提高深水井控压井作业可靠性,采用 BN-CREAM方法对其风险诱因进行研究。结合深水井控压井作业特点,考虑共因失效等因素,采用贝叶斯网络方法建立深 水井控压井作业风险演化模型。应用人因可靠性分析CREAM法计算深水压井人因失误先验概率,参考海洋可靠性数据手 册OREDA确定深水井控设备失效先验概率。依托贝叶斯网络的逆向推理能力辨识压井作业的主要风险节点,从而实现对 深水井控压井作业风险诱因的有效预测和评估。研究表明:深水井控压井作业共包含6个关键风险根节点,且压井作业人 因可靠性要低于设备可靠性;3级子节点“压井方法选择不合理”对深水压井作业的成功起到至关重要的作用,需进一 步开展风险分析研究。     

The role of behavioral factors on safety management in underground mines

Traditional approaches on the prevention of accidents/injuries in mines reached its limit of effectiveness in improving safety performance and a fresh approach is utmost required. Behavioral safety analysis has been identified as an effective alternative in many industries. This paper is therefore sought to examine the role of behavioral factors on the occurrence of mine accidents and injuries through a case study. Data were collected from two neighboring underground coalmines operating under a large public sector organization of India. High–low plots and t-test were done to explore the differences between behavioral characteristics of accident involved (case) and non-involved (control) workers. How these differences could cause accidents/injuries in mines was estimated through structural equation modeling. The case study results show that accident group of workers (cases) are more job dissatisfied, negatively affected, and highly risk taking compared to the non-accident group of workers (controls). The accident model path analysis shows that negative affectivity, job dissatisfaction, and risk taking behaviors predict an increased number of injuries in mines. Apart from direct influences to work injuries, negative affectivity and job dissatisfaction make workers to take more risks and behave unsafely. These findings contribute to the design of safety programs including safety training, which should be behaviorally motivated. Mine safety management of the case study mines should outskirt their age old belief that accidents/injuries are due to hazardous nature of mining and only engineering control and regulatory monitoring are sufficient for improving safety of the mines. The multivariate analysis also shows that experience bears no relationships with work injury indicating that a less experienced worker is equally likely to be injured as an experienced worker. It implies that experience though helps workers in understanding the physical hazards, however, avoiding the imminent danger is much more behavioral. The variables negative affectivity, job dissatisfaction, and risk taking behaviors are therefore crucial in avoiding accident/injuries in mines.