基于机会约束规划模型的应急物资库存与运输一体化问题研究

应急物资库存与运输问题是应急管理领域中2个重要研究方向,针对受灾点对应急物资需求的不确定性,将应急物资库存和运输2个环节相结合,采用机会约束规划模型的思想,建立应急物资库存与运输优化模型,采用遗传算法对模型进行求解,并通过具体算例说明模型的有效性,进而给出1个应急物资库存周期内,应急物资储备中心最佳订货量及应急物资运输车辆的最佳配送路径,从而保证整个系统运行费用最小。     

危险品泄漏事故后动态路网应急疏散研究

在建立以最短车辆总疏散时间为目标的应急车辆疏散模型过程中,考虑路网上的车流是时变的,以动态交通流分配理论对应急车辆流进行优化分配。基于计算的复杂性和粒子群算法(PSO)的优点,采用PSO对模型进行求解。算例试验结果表明,优化后的方案能够减轻整个疏散车辆的拥堵程度,为应急管理部门决策提供理论支持。     

基于模糊网络和时间依赖的应急车辆调度优化研究

突发灾害的应急物资调度是减轻人民财产损失、防止次生灾害发生、保障社会稳定的必要支撑。借助模糊数学中的三角模糊数学方法对不确定的需求信息特征进行描述,用模糊函数积分确定车辆在路段的模糊行驶时间。以应急车辆调度的总时间最短为调度的主要目标,同时配送数量应最大限度地满足需求点的需求量为次要目标建立应急车辆调度模型。然后设计粒子群算法对模型进行求解。最后通过算例,验证建立的模型拟合现实中的情况,结果不是确定数值,而是模糊数值范围的优化。     

基于粗糙集——粒子群神经网络的建设项目安全预测研究

回顾施工项目安全管理和安全管理研究现状,建立建设项目安全管理指标体系。利用人工神经网络非线性函数逼近能力,对项目风险因素程度预测。针对该网络当数据量大时,其结构复杂、收敛慢,易陷入局部最优的缺点,引入粗糙集对影响建设项目安全目标的不确定性因素进行约简,找出最小不确定性风险因素集,大大简化网络输入信息的表达空间维数。并结合粒子群算法收敛速度快、全局最优的寻优能力强的优点,建立基于粗糙集——粒子群神经网络的建设项目安全预测系统。通过实例验证该系统的科学性和有效性。     

基于SVM的含缺陷20钢弯管爆破压力预测

为快速、精确预测含局部减薄缺陷的弯管爆破压力,首先验证显式非线性有限元模型的模拟精确性,然后以168组不同缺陷尺寸下20钢弯管爆破压力的有限元模拟数据作为学习样本,建立含局部减薄缺陷20钢弯管爆破压力预测的支持向量机(SVM)模型;其次利用交叉验证(CV)、遗传算法(GA)、粒子群算法(PSO)分别优化SVM模型;最后分析对比用于预测弯管爆破压力的3种优化SVM模型与ASME B31G-2009、DNV RP-F101、SHELL 92等3种通用规范的计算误差。结果表明：CV-SVM、GA-SVM、PSO-SVM等3种模型的预测误差均小于3种规范的计算误差,其最大相对误差分别为-2.33%、-3.4%和1.94%;说明SVM模型用于预测弯管爆破压力时操作简单、计算时间短、预测精度高、工程实用性好。     

基于MPSO-WLS-SVM的矿井瓦斯涌出量预测模型研究

为有效预防瓦斯灾害,以预测矿井瓦斯涌出量为研究目的,提出经改进的粒子群算法(MPSO)优化的加权最小二乘支持向量机(WLS-SVM),并用其预测非线性动态瓦斯涌出量。算法通过对WLS-SVM的正则化参数C和高斯核参数σ寻优,建立基于MPSO优化的WLS-SVM的瓦斯涌出量预测模型,并利用某矿井监测到的各项历史数据进行实例分析。试验结果表明:该预测模型预测的最大相对误差为5.99%,最小相对误差为0.43%,平均相对误差为2.95%,较其他预测模型有更强的泛化能力和更高的预测精度。     

基于QPSO-RBF的瓦斯涌出量预测模型

为了提高径向基(RBF)网络预测瓦斯涌出量的泛化能力,提出QPSO-RBF模型。该模型采用量子粒子群(QPSO)算法优化RBF网络隐层基函数中心、扩展系数以及输出权等初始参数,将网络参数编码为QPSO学习算法中的粒子个体,在全局空间中搜索最优适应值参数。其中,RBF网络选取5-3-1的精简结构,采用5个变量作为影响因子预测瓦斯涌出量。结果表明,经QPSO优化后的RBF网络模型预测结果稳定且唯一,其泛化指标平均相对变动值(ARV)为0.012 2。与PSO-RBF、RBF模型预测结果比较,QPSO-RBF模型的泛化能力和网络训练速度优于前2种;预测精度约为PSO-RBF模型的1.5倍、RBF模型的4倍。     

建筑施工事故非线性灰色伯努利模型预测

为提高建筑施工事故灰色预测模型精度,在传统GM(1,1)模型基础上,建立非线性灰色伯努利模型(NGBM),并采用粒子群优化(PSO)算法对参数进行优选。以2001—2011年全国建筑事故死亡人数统计数据为基础,运用该模型对2012—2013年的相应人数进行预测,并与GM(1,1)模型和灰色Verhulst模型的结果相对比。结果表明,NGBM拟合精度最好,平均相对误差仅为2.65%,验证了模型的可行性和准确性。     

基于运行安全的停机位分配问题研究

随着民航运输业的发展,航班密度不断增加,相邻停机位间推出冲突概率不断增加。为合理分配大型繁忙机场停机位,兼顾安全与效率,建立基于运行安全的停机位分配问题优化模型。在模型中加入约束条件以避免潜在的推出冲突,以及考虑将重要航班优先分配到指定的旅客行走距离较短的停机位,来提高旅客的整体满意度。通过分析机位分配特点,选择性能比较优越的遗传算法进行求解。最后用实际算例进行验证,得到停机位分配甘特图以及算法收敛曲线。从结果中可以看到,停机位分配比较合理,算法收敛性能良好。就整体而言,达到了预期的要求。