地铁沿线老旧房屋结构安全预警模型

为研究城市地铁沿线老旧房屋普遍存在结构安全问题,基于机器学习模型,选取房屋年份、楼层、面积等11个属性构建预警指标体系,采用SMOTE过采样、独热编码等方法解决样本离散化、不均衡的问题;利用KNN、Bayes、Logistic、SVM 4种机器学习模型对房屋结构安全数据学习并测试,综合应用Accuracy、F1、AP、...     

基于集成算法的工贸企业安全预警系统优化

为了提高工贸企业安全预警预报能力,在构建了工贸企业生产安全预警指标体系的基础上,基于集成算法优化工贸企业安全预警系统.首先,将集成算法中的随机森林(RF)和XGBoost模型进行比较,基于随机森林来优化指标因素.为检验各指标因素之间是否存在相关关系,先用相关系数的方法计算各因素之间的相关程度,然后对其进行显著性检验;其次,在确定各指标因素的相关关系后,采用差分法解决序列相关性的问题;最后,基于差分得出的数据和优化后的指标,运用随机森林模型再次进行模拟,得出优化后预警模型的精度和平均绝对误差.结果 表明,在数据量较小的情况下,一定程度上随机森林的集成效果比XGBoost模型更佳.运用差分法解决各因素相关性问题后得到的数据及用RF优化后的指标因素,使得随机森林的企业安全预警模型精度得到提升,平均绝对误差显著降低.     

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IPSO-BP的受损钢结构改造施工安全预警评估研究

为研究受损钢结构改造施工安全预警状况,建立受损情况下钢结构改造施工安全预警指标体系,并针对BP神经网络算法易陷入局部最优的问题,提出了用改进粒子群算法（IPSO）对BP神经网络权重及阈值进行调整的IPSO-BP安全预警评估模型。通过分析某单层重钢厂房受损现状,针对其结构损伤情况和已构建的安全控制指标体系进行数值模拟分析。研究结果表明:与传统的BP模型相比,IPSO-BP模型具有更好的预测能力,构建的安全预警指标体系及预警模型可以很好地对受损钢结构改造施工过程安全状况进行综合评估,对受损钢结构改造施工安全控制具有一定的参考价值。     

面向“数值-文本”大安全数据的企业风险分析

为充分利用实际生产过程中产生的数值和文本数据,预防事故的发生,加强企业的安全管理水平,基于多种机器学习模型提出了一种能综合利用数值数据和文本数据的企业风险分析方法。首先,基于岭回归、被动进取、弹性网络回归、梯度增强等机器学习算法,构建了面向数据信息的生产风险分析模型;然后依次基于Jieba分词、LDA主题建模、单分类算法和集成算法等文本挖掘技术,构建了面向文本信息的生产风险分析模型;最后利用Pearson相关系数和回归算法,实现了面向“数值-文本”大安全数据的企业安全分析。结果表明：基于梯度增强回归算法的数据分析模型效果最好,基于Voting模型的文本分析模型表型分类效果最优,Pearson相关系数为0.443 8,基于GBR模型的“数值-文本”综合分析拟合度最高,“数值—文本—比对—综合”的大安全数据分析思路有助于提高企业的安全管理水平。     

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。     

筒型平台拖带偏航风险预警研究

为保障海上拖航安全、预防水上交通事故的发生,提出一种筒型平台拖带偏航风险预警方法。首先基于分离式操纵运动模型(MMG)和悬链线模型,构建3自由度筒型平台拖带系统运动模型,得到拖带系统运动状态;采用卡尔曼滤波算法构建拖带系统轨迹实时预测模型,实时预测拖带系统中拖船与筒型平台的运动轨迹;最后基于指标预警准则,建立拖带系统偏航风险预警模型,并根据拖航实际情况,确定预警的指标、条件、方式和流程。仿真试验结果表明,所提预警方法,能提前识别潜在偏航风险,发出警报,并结合实际拖航水域通航环境,给出相应的缓解和消除风险的措施,为船舶驾驶人员和海事管理人员提供操纵指导。     

基于RVM的装配式建筑吊装作业安全预警模型

为提高装配式建筑施工安全水平,准确判断吊装作业安全状况,建立基于相关向量机(RVM)的预警模型。根据装配式建筑吊装作业特点,对比传统施工模式,分析致使吊装事故发生的主要因素,按人-机-料-法-环(4M1E)5要素确定预警指标体系,并通过粗糙集(RS)属性约简算法确定模型安全预警因子;选用混合核函数构建RVM预警模型,并通过改进粒子群算法(IPSO)寻优确定核参数,给出计算方法及模型流程;以华中地区5个项目的相关数据完成模型学习训练和预警仿真。结果表明:用该模型所得结果与实际情况基本一致,判定正确率为94%、平均相对误差为3.667%,预警分析效果良好,较其他3种机器学习方法泛化拟合能力更强、效率更高。     

基于机器学习的典型社会安全事件发生规律研究及对雄安新区的启示

针对雄安新区建设和发展过程中对社会安全事件的防控需求,以盗窃作为典型社会安全事件,提出基于机器学习模型的社会安全事件分析预测方法,并以A市2012—2016年的实际盗窃犯罪数据为基础,提取发案时间、发案地点、实施手段和损失金额作为分类特征,通过比较多种机器学习算法,研究盗窃前科人员的预测方法,并根据预测结果挖掘盗窃前科人员的作案规律。研究结果表明:随机森林算法表现最优,查准率、查全率和F1均达到了0.85以上;对于盗窃这一典型社会安全事件,其前科人员倾向于选择下午时段和人流量大的地区实施,盗窃金额明显高于初犯和惯犯。最后,基于前述研究,提出构建数据驱动的社会安全事件预测预警和综合研判系统,并针对该系统的前期建设和后期使用,给出“制定统一的数据格式”、“实现数据实时接入”的建议。相关研究成果可为雄安新区社会安全事件预测预警以及治安防控工作的开展提供参考和借鉴。     

基于支持向量机的化工工艺安全评价模型构建及优化研究

为解决现阶段基于风险分级的安全评价方法仍存在着高维数据处理不当、评价智能化程度不高等问题,创建支持向量机的安全评价模型,利用核函数解决安全评价因子分类问题,粒子群算法(PSO)寻找最适合模型的正则项C,进一步提升安全评价模型的正确率,形成适用高维数据的化工工艺安全评价方法。研究结果表明：该模型与经典支持向量机模型和BP神经网络评价模型相比具有更高的正确率,研究结果对借用机器学习来创新安全评价理论及工程应用具有现实意义及理论价值。     

基于免疫机理的化工园区安全生产预警机制设计

为从预警角度预防化工园区安全生产事故,基于生物免疫机理,先应用仿生学方法从整体分析化工园区的"生理结构",再从局部分析化工园区安全生产事故预警体系与生物免疫系统的相似性,首次提出包括诊断识别子系统、预警信号子系统、协调控制子系统和记忆库的化工园区安全生产事故免疫预警系统;设计了一种新的包括预警指标参数输入、模型运算和结果输出3个功能模块的化工园区安全生产事故预警机制。预警机制的输入模块实现预警指标数据输入与处理的功能,运算模块实现预警模型运算的功能,输出模块给出量化评价和图形分析2种结果。基于此设计,将构建预警指标体系,建立化工园区安全生产现状预警和未来预测模型。     

基于PNN的煤矿安全生产风险综合预警研究

为加强煤矿安全生产风险预警管理,对煤矿安全生产系统风险因素进行分析,从人-机-环-管理四个方面建立了风险预警指标体系,给出了各指标的定义;提出了指标风险预警等级临界点的设置和指标警度计算方法;应用概率神经网络（PNN）构建了安全生产风险综合预警模型,通过指标风险预警等级临界点构建训练样本,并对预警模型进行了性能检验和工程应用。结果表明,基于PNN的安全生产风险综合预警模型风险识别能力强,运行速度快,计算效率高,可以进行推广应用。     

基于时间序列的冶金企业安全预警模型研究

冶金企业危险因素错综复杂,一旦发生事故后果不堪设想。这充分彰显了冶金企业构建安全预警机制的必要性和紧迫性。本文以中铝瑞闽股份有限公司为例,构建了公司级事故事件、新进员工情况、教育培训和应急演练、可记录工伤、未遂险兆事故事件、典型隐患、典型违章等七大类安全预警指标;并基于时间序列预警模型的差分分析、简单季节性分析以及预测模型,对该公司安全预警分值进行分析与预测,得出其安全现状和后一年具体安全预警分值,为该公司开展安全管理工作提供依据。     

基于防火监督数据的风险评估与预警体系构建研究

本文提出了基于防火监督数据的风险评估与预警体系构建方法。首先,通过收集、整理和分析防火监督数据,建立数据库和指标体系。其次,采用数据挖掘技术对数据进行分析,识别风险因素和风险特征。再次,利用统计模型和算法,对风险进行评估和预测。最后,建立预警模型和机制,实现风险的实时监测和预警并优化。通过构建基于防火监督数据的风险评估与预警体系,可以提高火灾防控能力,减少火灾事故发生几率,保护人民生命财产安全。     

基于反赋权与MBCT-SR多维云模型算法岩爆预测研究

基于岩爆事故的模糊性与随机性特征,为解决在当前岩爆烈度等级预测研究中,通过正向云发生器经验式计算多维云模型特征值进而导致预测结果主观性较强的问题.本文选取应力比Ts=σθ/σt、岩石脆性指数B=σc/σt以及弹性应变储能指数Wet作为评价指标,结合机器学习理论,采用多维逆向MBCT-SR云发生器算法对岩爆等级进行预测,...     

基于CatBoost算法的孔隙压力预测方法及其在井壁稳定分析中的应用

为解决传统孔隙压力预测方法(如伊顿法和鲍尔斯法)在预测孔隙压力时,适用范围较小、受人为因素影响较大等问题。基于CatBoost机器学习回归算法建立孔隙压力智能预测模型,并与决策树回归算法和随机森林回归算法进行比较,以某区块2口直井为例验证模型的预测效果。结合CatBoost模型的孔隙压力预测结果,利用数值模拟软件分析孔隙压力对井壁稳定的影响。研究结果表明：CatBoost模型的5个评价指标相对最优,孔隙压力当量密度实测值与预测值的相对误差最小,CatBoost模型具有较强的泛化能力和较高的预测精度;在低孔隙压力条件下,井周等效塑性应变不均匀性明显,井周进入塑性区的围岩区域主要集中在最大主应力方向;在较大孔隙压力作用下,井周等效塑性应变不均匀性有所降低,但井周等效塑性应变的极大值仍存在于最大主应力方向。研究结果可对孔隙压力精确预测和钻井作业安全施工提供一定指导作用。     

基于心理感知的铁路综合客运枢纽客流疏解预警研究*

为解决铁路综合客运枢纽客流疏解预警忽略旅客心理感知与焦虑问题,基于状态焦虑问卷,定量描述旅客焦虑状态,通过引入心理测量学中积极率划分客流疏解等级阈值,确定枢纽客流疏解预警等级,构建以旅客感知疏解时间为预警指标的回归预测模型。研究结果表明:模型可定量预测枢纽站各种交通接驳方式客流的感知疏解时间,准确描述枢纽站预警等级,研究结果可为管理人员选择相应疏解措施提供依据。     

基于BP神经网络和SVR的Fund?o尾矿坝排水数据预测对比研究

针对尾矿库运行过程中安全预警问题,选取2015年巴西Samarco铁矿溃坝事故案例,研究BP神经网络和SVR方法在排水数据预测的适用性。综合分析了排水数据的复杂且非线性的特点,以库水位、降雨量和干滩长度为输入特征,采用上述2个模型对尾矿坝排水数据进行预测。研究结果表明:基于BP神经网络预测结果的最大相对误差不高于4.35%;基于SVR算法的最大相对误差不高于9.21%;Fundo坝的排水预测结果是可行的,BP神经网络的预测精度更高,而SVR模型的运算速度更快。研究结果可为矿山安全工作的快速响应和溃坝预警提供信息支撑和参考依据。     

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%。     

基于模糊熵和非对称贴近度的安全预警评估方法

针对系统安全风险评估和预警过程中,系统安全特性和各预警因素所存在的模糊不确定性问题,将熵理论和模糊数学相结合,提出一种基于模糊熵和非对称贴近度的系统安全预警评估方法。在建立系统安全预警评估指标体系的基础上,首先,分析基于模糊熵理论确定预警指标权重的可行性,给出系统预警指标赋权算法;其次,建立基于模糊非对称贴近度确定系统安全等级的过程,第三,给出系统安全预警评估的具体计算步骤;最后,以人为因素系统的安全预警评估为例进行方法的实例验证。实例分析结果表明采用该方法所确定的系统预警指标权重更加符合客观实际,能有效解决系统安全预警评估中存在的模糊不确定性问题,系统预警决策结果合理有效。