PSO-SVM模型在化工事故风险预测中的应用研究

为了减少化工事故的发生,提高化工生产过程中事故风险预测的准确性,研究了粒子群优化算法与支持向量机(PSO-SVM)模型在事故风险预测中的应用.首先,统计分析近5年化工生产安全事故致因因素,得出化工事故风险因素统计特征,结合层次分析法,建立化工事故风险预测指标体系并确定各指标因素的权重值;然后,基于MATLAB计算生成的...     

井下运输安全性的灰色综合评判

以平顶山煤业（集团）公司一矿（简称平一矿）为例,运用灰色系统理论,对井下运输系统的安全性进行了灰色综合评判,指出了影响运输安全的人,机,环境各因素存在的问题,并提出了相应的提高安全性的措施。     

基于实车驾驶试验的螺旋匝道小客车纵向驾驶行为研究

为明确螺旋匝道(螺旋桥)驾驶操纵行为及车辆状态特征,选取2条桥头立交螺旋匝道和2座螺旋桥,开展小客车实车路试,通过连续采集行驶速度、加速度、踏板力等驾驶数据,分析螺旋匝道(桥)及前后衔接段的纵向驾驶行为特性.结果表明:行驶速度在螺旋匝道范围内基本恒定,并明显高于设计速度,螺旋匝道段的速度分布比主线段更集中,螺旋匝道对驾...     

想想你忘啥啦!

“快留步,想想你忘啥啦？”几天前的一天,中石化胜利油田孤东三采中心注聚二队新转岗员工李晓虹刚跨进泵房操作间就被9号注聚站站长王长友堵住了。李晓虹被突如其来的问话愣住了：“我要去操作间录取机泵资料。”“我知道你要去做什么。”王长友不由分说打断了她的话,用手指了指她的头顶,神情严肃地对她说：“你没戴工帽,头发没卷起来就要进泵房,这是拿自己的生命不当一回事儿！”     

基于小波-支持向量机的旋转机械碰摩故障诊断

根据旋转机械碰摩故障的特征频率,利用小波变换多分辨率特性,提取碰摩故障特征信号;利用支持向量机原理解决小样本、非线性、高维模式识别问题的优势,建立支持向量机故障诊断模型,进行旋转机械碰摩故障诊断。仿真结果表明,该算法有较好的精度和泛化性,并且运算量小,非常适合旋转机械故障诊断的在线识别。     

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RF-SFLA-SVM的装配式建筑高空作业工人不安全行为预警

为有效预警装配式建筑高空作业工人不安全行为的发生趋势或状态,增强对装配式建筑工人不安全行为(PBWUBs)的管控,采用随机森林(RF)-混合蛙跳算法(SFLA)-支持向量机(SVM)模型,开展工人不安全行为预警研究。首先,采用SHEL模型分析处于高空作业危险中的PBWUBs的影响因素,并通过RF确定关键预警指标;然后,采用SFLA对SVM的参数进行寻优改进;最后,利用RF-SFLA-SVM预警高空作业PBWUBs,提出应对措施,并与其他预警模型对比。研究结果表明：基于RF-SFLA-SVM预警高空作业PBWUBs,准确率最高,为91.67%,与其他模型的预警性能相比,最高提升14%。研究结果可为高空作业PBWUBs的防控提供参考。     

混合液体火灾爆炸危险性——闪点预测与实验研究

支持向量机应用核函数技术,已经成为当前国际上一个研究的热点,由于支持向量机具有良好的理论基础和泛化性能,可将其引入到混合液体闪点预测的研究之中,以期建立准确、高效的预测模型。本文建立了一个基于支持向量机的理论模型,用于预测二元互溶混合液体的闪点。根据所研究混合液体的物理性质,选择了纯物质的粘度、表面张力、配比、燃烧下限等物理参数来表征闪点,以这些参数作为输入参数,二元混合液体的闪点作为输出值,应用支持向量机方法对两者之间的内在定量关系进行模拟。结果表明,闪点预测值与实验值符合良好。本方法的提出为工程上提出了一种预测二元互溶液体闪点的有效方法,可应用于评估混合溶液的火灾爆炸危害性及本质较安全设计。     

改造污水处理泵站取消有限空间作业

首钢集团有限公司矿业公司水厂生活区共有28栋住宅楼、922户居民,辖区内建有污水处理泵站一座,将生活污水集中处理后输送至选矿生产流程再利用。污水处理设备主要由过滤传输压榨一体式格栅机、潜污泵、电气操作柜及污水收集池等组成。     

基于机器学习的不可移动文物暴雨灾害风险评估——以山西省为例

以山西省为例,将不可移动文物作为灾害的影响对象,通过分析暴雨灾害对其的影响因素构建指标体系,通过文物损毁情况划分风险并作为输出数据,将山西省6 325处受灾不可移动文物按照6∶2∶2划分训练集、验证集和测试集,分别使用随机森林模型、支持向量机模型(support vector machine, SVM)、逻辑回归模型进行训练和验证,选取出最优模型,并对山西不可移动文物进行不同重现期暴雨下的风险预测。研究结果表明：基于机器学习的不可移动文物暴雨风险评估方法是可行且结果较为优异的;在3种模型中,随机森林的验证集准确率最高,为95.75%,测试集精度为94.70%;在山西省5、20、50 a重现期暴雨下的不可移动文物风险均呈现出北方低、南方高的态势,且在5 a重现期下高风险文物占比最多,高风险文物以古建筑和古遗址为主。