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.     

基于机器学习的电动汽车电池系统的风险预警

为提高动力电池在实车工况下安全预警的及时性和准确性,将电池系统安全预警问题提炼为关键状态预测及基于预测状态的预警分类2大科学问题,根据实车运行中的电池状态数据,选择电池的单体电压最高值、单体电压极差等作为关键预测对象;利用费舍尔计分和最大信息系数(MIC)进行特征选择,采用样本卷积和交互网络模型(SCINet)实现关键状态预测;基于预测的状态,建立多分类随机森林(RF)模型,对动力电池的安全风险进行分级预警。研究结果表明：该模型对电池多个参数具有很强的预测能力,如预测1 min后单体电压最高值的均方根误差(RMSE)为0.027 1,温度最高值为0.054 0;对电池系统1 min后安全风险等级预测的查准率为84%,宏平均f₁分数为74%。     

飞行区外来物入侵安全风险致因FTA-BN模型

为探究机场飞行区外来物(FOD)入侵安全风险,集成事故树分析(FTA)和贝叶斯网络(BN),构建风险致因分析模型;运用FTA分析FOD入侵的风险致因结构,结合BN表达风险的多模态性,通过FTA的结构推理和BN的双向推理分析、诊断和评价系统风险.研究结果表明:从系统的致险结构来看,违章因素的位置最关键;从系统的敏感性来看...     

基于飞行剖面的航空器试飞活动空管风险研究

为明确空中交通管理风险对航空器适航试飞活动不安全事件的影响,首先,依据航空器试飞科目绘制相应飞行剖面;其次,基于试飞活动飞行剖面,分析管制单位试飞保障流程,提取管制运行风险对试飞活动的影响因素;采用事故树分析法(FTA)分析事故发展过程,将事件和逻辑关系映射至贝叶斯网络(BN),依据国内外民航空管不安全事件分类统计结果...     

基于HCNAM-BN的化工过程爆炸事故致因链分析

为了从源头上预防化工过程爆炸事故,依据风险耦合理论,探讨了各风险因子非线性耦合演化为爆炸事故的机理,构建了层次耦合网络分析模型（HCNAM）;从多因素风险耦合角度分析了国内外44起典型化工过程爆炸事故,统计了各风险因子之间的耦合概率并进行了耦合致因重要度分级;采用耦合概率与二态分布相结合的条件概率分布,将层次耦合网络分析模型转化为贝叶斯网络,并对氯乙烯单体槽爆炸性混合气体爆炸事故进行了应用研究。结果表明:91种双因子耦合风险状态中,47种呈现弱耦合致因特性;7种因子双耦合形成风险的概率较大;基于HCNAM-BN模型分析事故,可有效辨识事故最可能致因因素,获取各事故致因链的发生概率并确定事故网络关键节点。     

基于贝叶斯网络的地铁暴雨内涝风险预警模型及协同响应机制研究

为提升暴雨灾害发生后的风险预警能力,有效化解地铁内涝重大风险,建立基于贝叶斯网络的风险预警模型,分析提出协同预警响应需求。以暴雨导致城市地铁内涝事故为例,建立综合考虑暴雨及预警、地铁站系统结构、客流量、应急措施、事故后果的基于贝叶斯网络的风险预警模型,分析预警信息对事故后果的影响,进而提出风险预警协同响应机制建设需求。研究结果表明：风险预警对提升地铁暴雨内涝事故应急处置的及时性、精准性和协同性具有显著影响,能够有效减小事故后果。研究结果可为建立重大灾害风险预警方法和机制提供参考。     

基于BN的FTA在通用航空风险评价中的应用

针对事故树分析法(FTA)在风险评价中的局限性,采用以事故树为基础建立的贝叶斯网络(BN)风险模型,对通用航空中的两机空中相撞事故进行分析和推理,对事故模型进行改进和修正时,注重基事件的多态性和事件间的逻辑合理性。根据贝叶斯推理得出的数据,找到了事故的主要致因。结果表明,基于BN的FTA既能向前预测顶事件的发生概率,又能向后诊断基本事件的后验概率,可以更好地对通用航空风险进行评价。     

基于在线检测信息的储罐底板腐蚀状态智能评价方法

为了解决利用声发射在线检测技术对储罐底板腐蚀状态进行评价时,主要依赖检测人员经验的问题,使该项技术能更好地推广和应用,利用储罐底板在线检测的声发射信息和外观检查信息,并根据相关标准及专家经验,确定与储罐底板腐蚀状态相关的表征因素。采用遗传算法(GA)改进贝叶斯网络(BN)搜索方法,建立基于GA的BN智能评价方法。针对声发射在线检测信息和外观检查信息,分别建立基于标准用声发射因素、基于声发射因素和综合考虑声发射因素和外观检查因素的基于在线检测信息的储罐底板腐蚀状态评价模型。通过对测试样本的评价,对比声发射检测专家评价结果,其中基于在线检测信息的储罐底板腐蚀状态评价模型的准确率为96%,该模型能够对储罐底板腐蚀状态进行可靠的智能评价。     

基于模糊综合评判方法的沉船风险预警

为有效预防沉船引发进一步的危害,基于模糊综合评判方法建立了沉船风险预警模型。通过对历史事故的统计分析,识别出沉船风险主要包括通航安全风险、环境污染风险和经济社会风险。基于系统工程的思想,确定了沉船风险的主要构成要素为沉船、沉船所在区域和周边自然环境。通过汇总专家经验和历史数据,确定了沉船风险预警指标体系并进行了分级量化,并运用层次分析法(AHP)确定了各指标的权重。以我国水域部分历史沉船为例进行验证,结果表明,应用该模型能迅速有效地开展沉船风险预警,并且得出的评估结论与历史操作经验比较吻合。     

基于贝叶斯网络的化工企业火灾爆炸事故情景推演

为了解火灾爆炸事故的演化路径,为事故应急救援相关方提供相应的决策依据,基于“情景—应对”方法,选取情景状态、承载环境、应急措施和处置目标作为主要情景要素,并通过知识元理论构建情景概念模型,明确各要素之间的相互关系;再利用贝叶斯网络进行情景推演,确定各节点要素的先验概率和条件概率,借助Netica软件计算出各节点的状态概率;最后以山东石大科技石化有限公司“7.16”较大着火爆炸事故为例进行案例验证研究。研究获得事故的情景演变路径一般遵循泄漏、火灾和爆炸的顺序;通过推演得到发生概率较大的4个情景节点,并提出针对性较强的控制措施。可为类似事故应急救援和事后整改措施的制定提供参考。     

基于AcciMap模型的燃气管道泄漏爆炸事故分析

为探讨燃气管道泄漏爆炸事故系统及其致因的性质,以湖北十堰“6·13”重大事故为例进行分析。采用AcciMap模型系统辨识事故致因,构建“6·13”事故AcciMap模型;引入复杂网络(CN)与PageRank算法,分析整体系统与个体因素的属性特征,据此辨识关键致因;再通过贝叶斯网络(BN)进行参数学习和诊断推理,分析事故最大致因链。结果表明：安全生产监管工作严重失察、安全生产主体责任未落实、安全生产监督指导不力是关键致因;安全生产理念和属地责任未贯彻落实→安全生产监管工作严重失察→安全管理制度存在缺陷→安全培训教育存在缺陷→燃气管道维抢人员违规处置→明火引爆蓄积燃气→燃气泄漏爆炸并造成严重伤亡是最大致因链。研究认为：应从政府和企业等2类主体出发,采取多元化的风险防控策略以遏制事故再次发生。     

基于FDHHFLTS-BN的海底管道泄漏失效风险定量分析

为预防海底油气管道泄漏失效事故,提出基于自由双层次犹豫模糊语言术语集(FDHHFLTS)和贝叶斯网络(BN)的FDHHFLTS-BN风险分析方法,用于分析海底油气管道泄漏失效事故概率及事故的关键风险因素。将故障树模型转换为BN结构,由专家根据FDHHFLTS评估基本事件发生可能性;采用最佳最差法(BWM)确定专家权重,结合相似性聚合方法(SAM)聚合专家意见;依据构建的BN模型,正向推理得到事故发生概率,反向推理得到后验概率,并进行敏感性分析。将该方法应用于实例分析,结果表明：分析段海底管道泄漏事故的概率值为P=6.20×10^-3;焊缝施工缺陷、材料施工缺陷和渔具作用等为事故发生的关键因素;与传统方法对比分析结果证明,所提方法在确定海底管道风险方面具有一定的优势。     

贝叶斯网络在CFIT风险评价中的应用

针对事故树分析法(FTA)在风险评价中的局限性,在可控飞行撞地(CFIT)事故树的基础上,建立贝叶斯网络(BN).运用推理运算对贝叶斯网络进行定量分析,通过分析计算数据,寻找主要事故致因,并提出对应的改进措施.再将改进措施引入到贝叶斯网络中,评价相关措施的有效性.结果表明,改进措施后,高度设置错误的后验概率最大,将成为预防CFIT的工作重点.最后指出贝叶斯网络方法是对传统的基于故障树分析的风险评价方法的有益改进.     

基于HHM-RFRM理论的智能船舶航行风险识别与筛选

针对智能船舶航行过程中航行关键风险因素的有效识别和筛选问题,提出了基于等级全息建模(Hierarchical Holographic Modeling, HHM)框架和风险过滤、评级与管理(Risk Filter, Ranking and Management, RFRM)思想的智能船舶航行风险识别与筛选理论。首先,构建智能船舶航行风险识别HHM模型,以全面而准确地选取和反映智能船舶航行风险来源;其次,通过RFRM模型对风险因素进行过滤、排序和筛选,结合贝叶斯方法的多判据评估模型,识别出智能船舶航行过程中可能存在的关键风险因素。结果可以为相关海事机构和船舶公司进行动态管理提供理论依据,同时为保障智能船舶航行安全提供一种手段。     

基于深度学习的地铁施工作业人员不安全行为识别与应用

为有效识别地铁施工作业人员不安全行为,基于深度学习与计算机视觉技术,提出融合行为和身份识别的不安全行为识别方法。首先,对更快速的基于区域的卷积神经网络(Faster R-CNN)算法进行优化,引入高效通道注意力(ECA)模块提升行为识别的准确性;其次,将基于人脸超分辨率算法的人脸识别方法与行为识别相结合,提升图像像素水平并准确输出不安全行为执行人员相关信息;然后,行为识别与人脸识别并发进行,识别结果回流至数据库最终输出工人不安全行为报告;最后,选取某地铁施工项目的4种不安全行为进行识别方法的实证应用。研究表明：该方法可在地铁施工场景下进行有效应用,不安全行为识别和执行人员身份识别的准确率均达0.85以上,具有较高的准确度。     

基于改进JHA铜冶炼维修作业风险辨识与信息化应用

基于能量意外释放论,提出改进的JHA风险辨识方法。在按设备结构划分维修作业后,不划分作业步骤,而是根据风险来源进行辨识,实现了辨识的实用性和系统全面性。基于辨识结果,建立信息化维修作业风险信息数据库,并作为《检修项目指令书》安全措施的信息支撑。实践表明,改进的JHA辨识方法是有效的,信息化应用改变了经验式的《检修项目指令书》,提高了风险管控的有效性。     

基于广义极值分布的流化床压力波动风险预警

为预警气泡运动所引起的流化床粉煤气化压力波动风险,提出预测压力波动极值以及压力波动重现水平的方法;首先采用自相关分析法将压力波动母样本数据合理分段,再用区间极值法统计子样本的压力波动极值数据,以广义极值(GEV)分布方法建立GEV分布模型和Gumbel分布模型,并经过模型诊断选择最优模型;然后通过子样本与母样本的参数关...     

基于机器学习的CNG加气站风险预警模型研究

加气站一旦发生事故,不仅会造成人员伤亡和财产损失,而且也会给周边居民乃至社会带来一定的负面影响。借助机器学习技术,构建CNG加气站风险预警模型,对加气站的风险状态进行预警,实现对事故的事前控制。首先建立了加气站风险预警指标体系,以12座加气站为研究对象,采集指标样本数据,通过大数据分析技术构建训练数据集,并采用SMOTE算法解决了样本不均衡问题;然后分别采用决策树、朴素贝叶斯、SVM、KNN等4种机器学习分类算法构建预警模型。研究证明,采用决策树算法和SVM构建的预警模型准确度均达到97.8%,可以对加气站的风险状态进行有效识别和预警。     

基于深度学习的污染场地作业人员着装规范性检测

为解决污染场地修复作业中缺乏统一的人员安全保障管理措施以及人工监管困难的问题,结合HSE理念提出1种基于优化Faster R-CNN的作业人员着装规范性检测算法。该方法在回归损失函数中引入L2正则项,既保证模型的泛化能力,又提高深层网络模型收敛速度。基于自建着装规范数据集（Dress Code Dataset）进行实验,评价算法检测时间和mAP等指标。结果表明:所提出的着装规范性检测算法检测时间为44 ms,mAP为88.17%,解决了传统检测算法中实时性和准确率低的问题,且模型具有更好的泛化性和鲁棒性。