一种改进的灾害新闻3要素提取方法研究*

为提取灾害性新闻中的基本要素,迅速掌握灾害事件信息和发展趋势,将目标分类和命名实体识别（named entity recognition,NER）相结合,提出改进的灾害新闻3要素提取方法。构建滑动窗检测器搭载不同的分类模型,实现对新闻文本的灾害主题识别与时空位置要素范围判定,结合命名实体识别完成对时空位置要素的精准提取,并以灾害事故信息文本为例进行测试。研究结果表明:通过在火灾、地震和滑坡新闻中进行数据集中测试,发现本文方法相较于LSTM,BILSTM,BILSTM-CRF提取效果更优;本文方法可对大量灾害性新闻的灾害3要素进行识别提取,对灾害信息进行时空规律分析,研究结果可在灾害应急响应中发挥重要作用。     

基于强化学习的城镇燃气事故信息抽取方法

为解决因城镇燃气事故调查报告标注样本缺乏,从而影响命名实体识别性能这一问题,提出基于BiLSTM-CRF+强化学习的燃气事故领域命名实体识别方法。首先在数据预处理阶段,采用基于文本结构的主旨段落抽取方法,识别事故调查报告的关键段落;其次在模型训练阶段,采用BiLSTM-CRF+强化学习模型,实现城镇燃气事故命名实体识别模型训练;最后利用城镇燃气事故调查报告作为试验数据进行验证。研究结果表明:经由强化学习模型降噪后,实体识别模型的综合评价指标提高5.76%,主旨段落识别方法相比Word2vec特征表示方法,使模型的综合评价指标提升7.17%。     

低分辨率自然场景文本识别

针对自然场景文本识别中低分辨率图像识别困难的问题,提出了超分辨率卷积循环神经网络算法(super-resolution-convolutional-recurrent neural network,SR-CRNN)。该算法是一个端到端的深度神经网络,包含超分辨率网络和文本识别网络:利用训练集的高低分辨率图像对训练超分辨率分支网络;然后通过特征融合,将经过监督训练获得的超分辨率模型特征加入文本识别网络;在文本识别网络,使用卷积神经网络和注意力模型对文本行进行识别。基于低分辨率文本图像数据集的实验结果表明,SR-CRNN的文本识别能够获得更好的效果。     

基于无监督LDA的水电工程施工安全事故致因分析

为实现水电工程施工安全事故报告中致因的智能挖掘,首先,利用Jieba库分词处理1 206条事故分析报告,提出事故分析文本词频-逆文档频率(TF-IDF)关键词处理算法,确定词频权重并构建事故文本词向量;然后,基于TF-IDF特征,训练无监督隐含狄利克雷分布(LDA)主题模型,提取事故主题及主题词;最后,对主题词进行社会网络分析,揭示事故要素间的潜在关系,智能输出水电工程施工安全事故成因。结果表明：LDA主题模型能快速挖掘出大量有效事故数据信息,并计算出安全意识、事故隐患、违章行为等5个事故主题。致因自动分析结果显示,违规违章操作、未掌握安全操作技术、材料设备问题、违反施工程序、作业环境条件不良是导致水电工程施工安全事故的最主要原因。加强施工人员的行为监管,提高事故主要致因的预防能力,有助于提升水电工程施工安全管控水平。     

基于BERT的灾害三元组信息抽取优化研究

为从网络媒体文本中快速、准确提取灾害三元组信息,利用自然语言处理(NLP)技术,研究灾害三元组信息抽取应用及其算法优化。通过双向编码器表示(BERT)预训练语言模型,应用于地质灾害三元组信息提取的实例中,针对模型由于底层多头注意力(MHA)机制会导致“低秩瓶颈”问题,对此,通过增大模型key-size对其进行优化。结果表明：所提方法能够显著提升从新闻报道等文本中提取地质灾害种类、发生地点、发生时间等关键信息的容错率及精准率;可得到对地质等灾害空间分布情况和趋势的分析,进而为预案编制、应急资源优化配置、区域监测预警等灾害应急管理工作提供科学分析和决策信息支持。     

基于深度学习的井下环境异常工况智能识别技术研究

为了使装备在井下复杂环境中具有自主精准辨识井下对象和作业环境的能力,实现无轨装备及其他各类型装备无人化作业和开采,提出了基于利用深度学习方法开展井下环境异常工况智能识别分类研究。通过分析装备正常运行和作业的主要影响因素,构建了井下环境异常工况数据集,采用旋转变换、平移变换、缩放变换等数据增强技术,有效防止网络训练过拟合;基于InceptionResnet V2模型采用层冻结方法,重新训练全连接模型,通过不同的迁移策略进行实验对比分析。研究结果表明:添加2层全连接层,且每层包括4 096个神经元的迁移策略模型性能最佳,鲁棒性好,能够精准识别分类井下环境异常工况。     

语义分割的传送带跑偏视频检测算法

为避免在选煤厂进行作业分类时,因矿道传送带跑偏而造成严重的生产事故问题,提出一种融合高斯边缘投影的语义分割视频检测算法,来作为实时监测传送带跑偏的解决方案。首先,通过高斯滤波预处理算法,减少视频图像噪点对神经网络的影响;然后,构建融合高斯投影的径向基神经网络结构,增强图像的边缘信息,并将高斯投影融合至网络中以实现语义分割;最后,在保证识别检测效果的同时尽可能降低网络的计算消耗。结果表明：通过验证分析选煤厂矿道工作视频的试验场景,该算法能够准确识别检测传送带位置,进而实现传送带跑偏警告;同时算法在实现有效功能的同时,较典型的语义分割深度学习模型计算资源消耗更少,计算效率更高。     

基于深度学习的检修作业过程风险智能预警

为提高炼化企业检维修作业过程的安全性,利用目标检测技术,构建基于深度学习的智能风险识别模型;首先,结合贝叶斯网络(BN)及模糊集理论,建立动态风险评估模型;其次,采用分级动态预警方法,实现检修作业过程风险要素的智能监控预警;然后,以压缩机检修作业过程为例,采用失效模式和影响分析(FMEA)与作业条件危险性分析方法,辨识作业过程风险,再利用基于深度学习的风险智能识别模型,监控现场作业过程并识别风险;最后,采用BN和模糊集理论相结合的方法,评估作业过程中的动态风险,并采用分级预警的方法智能预警作业过程风险。结果表明：该方法可以有效识别压缩机检修作业过程中的风险因素,识别准确率为93%,在此基础上进行动态风险评估,当观测到事件概率发生变化,且超出相应预警阈值时,依据风险等级进行报警,实现风险要素的智能监控。     

基于迁移学习与残差网络的矿工不安全行为识别

为精确识别矿工的不安全行为,降低煤矿事故发生率,提出迁移学习结合深度残差网络的图像识别方法。将矿工的行为样本划分为完全安全行为、较安全行为、不安全行为3个维度,其中完全安全行为包括:走路、坐下、站立,较安全行为包括:弯腰、下蹲、抬东西、推、拉、挥手、拍手,不安全行为包括:跌倒、投掷;采用ResNet50网络进行训练,微调ImageNet数据集迁移学习的权重参数,通过全连接层进行12分类,并将最终分类结果与测试数据进行对照检验。研究结果表明:基于迁移学习的残差网络模型识别跌倒与投掷动作的准确率,优于其他深度神经网络模型,能够有效识别不安全行为从而避免由人为因素导致的事故发生。     

基于QAR2Vec模型的QAR数据特征提取

针对传统特征提取方法难以从海量、高维的快速存取记录器(QAR)数据中提取有效特征,且QAR数据缺乏足够的标记等问题,提出一种以Transformer网络为核心的QAR2Vec模型,将QAR数据与位置信息、飞行阶段信息共同编码,作为QAR2Vec模型的输入;通过构建自回归预测的预训练任务以自监督的方式来学习海量QAR数据中的深层特征;保存预训练好的QAR2Vec模型权重,并在飞行状态预测和着陆异常天气识别任务上,微调预训练模型,使模型适应不同的下游任务;将QAR2Vec模型与2种没有预训练步骤的深度学习算法CNN-LSTM、MTL-LSTM进行对比。结果表明:QAR2Vec模型能够更有效地从QAR数据中提取特征,在飞行状态预测和着陆异常天气识别任务上的预测误差更低、识别准确度更高。     

海上平台事故应急演练评估方法研究

针对目前我国海上平台事故应急演练缺乏有效评估体系的现状,结合海上平台事故应急演练典型示例,运用“事故应急指挥系统（ICS）”基本理念,对整个应急演练过程进行系统分析,从人员安全、资产保护、环境保护、企业声誉等4个方面搭建应急演练评估框架。采用层次分析法构建计算模型,合理设置评估指标权重,最终建立了1套具有海洋石油行业特点的应急演练评估指标体系,并选取国内1个海上平台事故应急演练进行了应用分析。研究结果表明:构建的演练评估指标体系及评估方法能较好地应用于海上平台事故应急演练过程,进而在演练评估结果的基础上,实现应急演练的持续改进。     

基于数据挖掘的化工生产事故致因主题抽取

为充分挖掘化工生产事故数据中的有效信息和潜在规律,提高对化工事故认知水平,针对某化工集团2010—2016年共1 578起事故数据,利用社会网络分析等方法揭示事故要素间的关联关系;运用潜在狄利克雷分配（LDA）模型进行事故聚类,并抽取到5个事故致因主题。研究结果表明:LDA主题模型等数据挖掘技术能有效挖掘大量事故数据中的潜在信息;5个事故致因主题中,4个涉及到人因或组织层面的缺陷;员工注意力不集中和现场风险管理不足这2个致因主题间具有较强相关性;员工注意力不集中、现场风险管理不足以及设备问题是导致事故发生的主要原因。     

城镇油气管道事故应急疏散决策优化

为实现油气管道事故中城镇大规模应急疏散的智慧决策,构建基于改进的自适应蚁群算法的应急疏散路径优化模型,开发基于油气管道典型事故后果分析的城镇大规模应急疏散决策优化系统平台(LSSED)。LSSED在地理信息系统平台上,针对油气管道泄漏引起的扩散、喷射火、池火、BLEVE、蒸气云爆炸等典型事故进行事故后果分析,对疏散通道当量长度和疏散时间成本函数进行定量评价,实现大规模应急疏散方案的智慧决策和避难方案的全局优化。案例分析表明,LSSED平台实现了基于地理信息系统的典型事故时变环境信息和应急疏散路径优化算法的数据传递及系统集成,实现了基于事故后果分析的城镇大规模人群疏散路径和避难方案优化,可为城镇安全规划和应急管理提供参考和借鉴。     

不确定条件下应急资源分配区间规划模型研究

为获得有限应急资源条件下满足多个目标的最优分配方案,提高事故应急救援效率,对某化工园区化工事故的应急物资分配进行了研究。在传统线性规划基础上引入区间数描述物资需求量和物资运输时间的不确定性,并以应急物资分配的经济性、时效性和公平性为目标,建立了多目标线性区间规划模型,并将所建模型应用于以化工园区为背景的化工事故中,同时为验证该模型的有效性,将提出的多目标区间规划模型与多目标确定性规划模型相比较。结果表明,区间规划模型得到的结果比较可观,可为相关决策单位应急资源分配提供参考,同时区间规划也是对传统资源配置分析方法的有益补充。     

核电站FDA安全管理信息流系统模型的构建研究

为了从安全信息的角度完善核电站的事故致因机理,并在实践中加强核电站的安全管理,首先以安全信息为视角,以系统安全行为链为主线,建立核电站FDA安全管理信息流系统模型,该模型由运行操作人员、核电站企业、国家核安全局3条子链和1条必要安全信息主链构成;然后结合模型和核电站具体工作流程,分析得到3个子事故域和1个总事故域,并归纳出核电站安全运行各阶段所需的必要安全信息;最后结合事故域,分析模型在核电站安全管理中的实际应用价值。     

基于STAMP模型的建筑事故致因因素定量分析方法研究

为揭示建筑安全事故致因因素间的相互关系从而对其进行有效预防和控制,探讨1种STAMP模型的定量分析方法,用于深入剖析事故致因因素间的逻辑关系和属性特征。基于STAMP系统事故理论模型,从建筑工程安全控制结构入手逐层定性分析事故的致因因素;引入灰色DEMATEL与ISM相结合的方法对系统事故间的复杂逻辑关系进行层级划分;运用MICMAC分析计算各致因因素的驱动力和依赖度数值并判断其属性类别。结果表明:提出的定量分析方法运用到江西丰城冷却塔坍塌事故中的分析结果与事故调查报告相契合,能较全面地说明各层次结构间的相互作用。     

10种事故致因模型的对比研究

为了给事故致因模型的研究提供理论支持,为日常管理中事故致因模型的选用提供参考依据,从事故的影响对象、模型的组成和事故发生的路径3个维度对10种事故致因模型进行了对比分析。研究结果表明:事故致因模型对事故影响对象的涵盖越来越全面;事故致因模型的组成日趋全面,且趋于对模型中各模块给出清晰定义以能保证分析结果的准确性;故发生的路径描述由链式向系统网状发展;根据充分性和效率的需求对模块化模型和非模块化的模型进行选择。     

基于Cloud-BIM和UWB的施工现场智能安全系统研究

为了应对目前施工现场安全管理方面的不足,提出1套能够实现事前化、实时可视化的施工现场智能安全系统解决方案,该系统从现状分析和实际需求入手,利用Cloud-BIM、UWB、ZigBee和人工势场法等技术方法的集成,在人员即时定位、危险源和危险区域识别与分析的基础上,完成信息协同、实时定位、危险预警和路径规划4部分模块的系统架构,实现场地分析、危险预警以及对人、材、机的静止堆放和移动路径的分析规划。研究表明:该系统的应用能够降低施工现场不安全现象发生的频率,从整体上提高现场安全管理水平。     

基于危化品事故案例的决策规则提取算法研究

为充分解析文本形式的危化品事故案例,探讨事故类型与大量事故致因间的因果关联,从化工行业入手,通过扎根理论对175起危化品事故案例进行因素提取,共确定5个子系统、19个因素、80个子因素,提出基于事故生命周期的事故致因框架;在此基础上,提出改进的Gra-Apriori算法,以解决经典的Apriori无法考虑属性类别关系的...