基于主成分分析法的城市道路交通安全评价

为客观地评价城市不同道路的交通安全水平,改善交通安全。从微观角度出发,采用主成分分析法(PCA)筛选出对城市道路交通安全有较大影响的主要指标,并结合统计软件SPSS计算出不同道路安全水平的综合评价值,得到不同道路的安全状况。实证结果表明:从微观角度用PCA对道路交通安全评价是可行的,且评价过程避免了主观随意性。在相关指标较多,且不易区分优劣的情况下,能够突现出部分指标因素对道路整体安全水平的影响,评价结果与实际情况一致。     

主元分析-神经网络岩爆等级预测模型

为准确可靠地预测岩爆灾害,构建结合主元分析法(PCA)的径向基神经网络(RBFNN)、概率神经网络(PNN)和广义回归神经网络(GRNN)岩爆预测模型.选取6个常用的参数构成岩爆预测指标体系,采用PCA消除各指标间的相关性并降维,得出3个线性无关的主元即岩爆综合预测指标Y1、Y2和Y3,构成RBFNN、PNN、GRNN...     

基于主成分分析法的危险货物运输企业安全评价

为更准确地评估危险货物运输企业安全等级以降低其运输风险,提出基于主成分分析法(PCA)的危险货物运输企业BP神经网络安全评价模型;在从人-机-物-环境-管理角度构建危险货物运输企业安全评价指标的基础上,分别利用该模型和其他3种模型对3家实例企业进行仿真评价和对比分析。结果表明,该模型的评价结果与期望值间的相对误差约为0.5%～1.2%,计算精度优于其他模型,且具有计算量小等特点。     

基于PCA的有限空间作业事故分析

为探究不同行业有限空间作业事故致因差异性,本文以2015—2020年发生的200起有限空间作业事故为研究对象,将统计数据划分为12类,构建基于主成分分析的有限空间作业事故致因指标体系,运用分析软件SPSS对统计得到的样本数据进行主成分分析(PCA),揭示不同行业有限空间作业事故致因潜在规律和分类特征。根据分析结果,通过探索有限空间作业分类、分级管理模式,以期提高监管效能,为预防有限空间作业事故提供科学参考。     

基于AHP与重要性指标筛选的神经网络评价模型与应用

以对评价目标有影响的所有评价指标作为神经网络的输入,会导致网络模型复杂、降低其性能和影响计算精度的问题,因而提出基于层次分析法和重要性指标筛选法的神经网络评价建模方法即首先运用层次分析法对评价指标进行重要度排序,然后利用重要性指标筛选法过滤出对评价目标有重要影响的指标,以其结果作为神经网络的输入。该法不仅简化网络模型,而且提高网络的性能和计算精度。运用该法对企业安全工作评价,结果证明,不仅是可行的,而且达到了预期的目的。     

基于聚类分析和主成分分析的伤员受伤程度评估

为探究人体4大生命体征(呼吸、体温、脉搏、血压)与伤员生命状态之间的对应关系,首先,采用描述性统计分析收集50例伤员样本;然后,结合聚类分析和主成分分析(PCA),提出一种快速评估伤员受伤严重程度的方法(RAIS),并据此对50位伤员的受伤严重程度作分级;最后,对比分析英国早期预警评分(NEWS)与提出的RAIS法在评...     

基于灰色Elman神经网络的煤矿事故预测

随着煤炭工业的快速发展,煤矿事故频繁发生,安全生产形势依然严峻。针对煤矿事故的特点,根据我国1998～2007年煤矿事故数据,将灰色预测模型GM（1,1）与Elman神经网络预测模型相结合,建立煤矿事故预测模型。结果表明,灰色Elman神经网络模型优于传统灰色预测模型,符合煤矿事故的特点。由此可对煤矿事故进行科学的预测与分析,为安全管理提供依据,以最大限度地减少事故的发生。     

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。     

基于主成分分析与Fisher判别分析法的矿井突水水源识别方法

为有效地预防矿井突水事故,及早识别突水水源是关键工作之一。根据矿井各含水层水化学成分的差异性,选取7种水化学成分指标作为突水水源识别的样本变量。在此基础上,采用主成分分析(PCA)与Fisher判别分析相结合的方法建立突水水源判别模型。以新庄孜煤矿不同水层的水化学特征资料中的33个为学习样本,12个为预测样本,对该模型进行检验和应用,并与传统Fisher判别分析模型的结果进行比较。研究结果表明:利用PCA与Fisher突水水源判别模型能够有效地消除样本变量指标间的相互影响,使突水水源判别结果更加准确。     

基于Reason-AHP的有害气体中毒事故分析

为有效防范有害气体中毒事件的发生,首先,基于瑞士奶酪模型(Reason模型),构建包括5个一级指标、15个二级指标的有害气体中毒事故致因指标体系;然后,采用层次分析法(AHP)对事故致因因素指标进行权重分析,并对其重要度进行排序。结果表明:现场作业违章指挥(0.288)、习惯性行为(0.152)、人员培训不到位(0.130)及规章制度不落实或缺失(0.118)等致因指标对事故的影响较大。针对影响较大的致因指标提出改进措施。     

基于主成分分析和BP神经网络的综合安全评价模型

提出了基于主成分分析法和BP神经网络的综合安全评价模型.利用主成分分析法的数据降维功能对评价指标进行特征提取,选用合适的主成分作为神经网络的输入,构建网络拓扑结构.在建立多层次道路危险货物运输企业安全评价指标体系的基础上,采用MATLAB对企业安全现状进行实证仿真分析.结果表明,基于主成分分析法和BP神经网络的综合安全评价模型的评价结果优于其他评价模型.研究表明,本文得到的综合模型能够更加客观、准确地反映评价对象的实际情况.     

基于突变级数法和主成分分析法的长沙市生态安全评价

基于P-S-R(压力-状态-响应)模型,构建长沙市生态安全评价的指标体系.同时结合突变级数法和主成分分析法,构建长沙市2008-2012年生态安全的突变模型,并对其进行评价.结果表明,2008-2012年,长沙市生态安全总隶属度值由2008年的0.68(Ⅴ级)上升为2012年的0.94(Ⅲ级),表明长沙市生态安全状况呈上升趋势.在构成长沙市生态安全系统的3个子系统中,系统状态和系统响应两个子系统的安全隶属度呈上升趋势,且除2008年以外的其余年份均处于较安全等级;系统压力子系统的安全隶属度虽处在较安全等级以上,但呈下降趋势.这表明长沙市生态安全还存在生态隐患,需要降.低环境压力.根据此评价结果,并结合长沙市当前存在的主要环境问题,得出长沙市生态安全建设的主要限制因子.     

基于ARIMA与SVM的飞行事故组合预测方法

飞行事故预测的目的在于预防事故。为提高事故预防的针对性和有效性,必须加强预测,以增强预防飞行事故的主动性。在ARIMA和SVM基础上,提出一种飞行事故组合预测方法。首先建立ARIMA模型,用以描述历史数据中的线性关系;然后,对ARIMA模型的残差构建SVM模型,用以模拟数据中的非线性规律,两者预测值之和就是最后的预测结果。美国空军1954—1993年飞行事故损坏飞机万时率的实证分析结果表明:利用该方法所建立的模型,能够对飞行事故作出较为准确的预测,模型精度总体优于单一的ARIMA或SVM模型。     

基于因素重构分析法和主成分分析法的企业安全文化评价模型

针对当前安全文化评价领域存在的评价方法相对简单、主观性较强等问题,基于企业安全文化的人本主体,设计以企业决策层、管理层、执行层为主体的企业安全文化指标体系;充分利用因素重构分析法和主成分分析法在数据处理上的各种优势,建立适应指标体系特征并考虑数据约束条件的企业安全文化评价模型;通过实例分析加以验证。该模型为解决企业安全文化评价中指标体系庞大复杂、样本空间小、缺少可以直接利用的历史数据等难题给出了一条具有可操作性的路径。     

基于PCA_Fuzzy_RF模型的煤层底板突水预测

针对煤层底板突水问题,提出了基于主成分分析、模糊数学和随机森林的一种新预测模型。首先通过主成分分析将6个影响因素(水压、采高、隔水层厚度、断层落差、煤层倾角、断层距工作面距离)进行降维,提取4个主成分因子,其次对主成分因子进行模糊化,作为随机森林模型的输入变量,建立基于PCA_Fuzzy_RF的煤层底板突水预测模型。利用华北矿区实测资料的50组数据作为PCA_Fuzzy_RF模型的训练数据,10组数据作为测试数据,并将预测结果与BP神经网络及Fisher模型进行对比分析,结果表明,PCA_Fuzzy_RF模型的误判率为0,适用于解决煤层底板突水问题。     

基于主成分分析法的特种设备安全状况评价

为综合评价特种设备的安全状况,利用主成分分析法,借助SPSS统计软件,以各类特种设备事故率以及损失率为评价指标对2006~2011年的安全状况进行综合评定,得出2006~2011年的特种设备安全状况趋势,为综合评定我国特种设备安全状况提供了新的方法思路。     

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。     

基于贝叶斯网络的尾流事故机理分析

针对事故树分析法的局限性,在尾流事故树的基础上,建立贝叶斯网络(BN)。运用推理运算对BN进行定量分析,得出:空中交通密度太大、空中交通管制(ATC)间隔判断错误和短期冲突告警(STCA)被忽略是事故的关键致因。将针对致因提出的改进措施引入到BN中,评价相关措施的有效性。应用BN进行尾流事故的机理分析,能够以比逻辑门更好的形式表达变量间的不确定性关系,从而更加方便地找到导致事故发生的关键因素。     

基于FRAM-AHP法的公务航空飞行事故分析

为了有效分析公务航空飞行事故的主要原因,利用改进后的功能共振事故模型(FRAM)对公务航空飞行事故进行系统和量化分析。建立了功能共振事故模型,通过层次分析法(AHP)对功能模块上游功能输出和下游功能输入端的表型进行量化分析,根据权重来识别上下游主要的表型,从而找到功能模块间的失效连接,确定事故主要原因。利用该模型对某公务航空飞行事故进行分析,确定了导致事故的主要原因为公务机场保障能力不足、机组疏忽大意、飞行部教学训练大纲缺失、飞行部QAR译码能力不足、机务航前检查不足、机组起飞决策不当等。研究表明,FRAM-AHP法可以为公务航空飞行事故进一步分析提供技术支持。