基于自然语言处理和机器学习的疑似土壤污染企业识别

针对污染场地识别的精准性不高、科学性不足、全面性不够和数据共享难度大等问题,以南方某地级市为研究区,借助大数据平台,基于自然语言处理和机器学习,通过引入摘要中热词权重构建改进型朴素贝叶斯模型,并对兴趣点(POI)数据进行中类行业预测和污染企业识别。结果表明,与随机森林算法和XGBoost算法相比,朴素贝叶斯算法的性能最佳;企业名称+经营范围构建有语义词汇库后,朴素贝叶斯算法的准确率、召回率和综合评价指标(F₁)值得到大幅提升,分别提高了0.23、0.23和0.23;采用权重1.27和平滑参数α为1.10后,建立了改进型朴素贝叶斯模型,实现了行业类别预测,相应的准确率、召回率和F₁值分别为0.63、0.62和0.63;识别出研究区中26个疑似土壤污染行业有关1774家企业。改进型朴素贝叶斯模型能够有效地预测疑似土壤污染企业,具有较好的准确率与召回率,能够为场地污染识别与风险管控实践提供理论依据和设计参数。     

基于Noisy-or Gate的贝叶斯网络机械伤害风险评估

为改进故障树转化成贝叶斯网络时在数值转化中或门转化的缺陷,以某机械加工企业的机械伤害事故为例,使用Noisy-or Gate模型确定故障树中或门因素转化成贝叶斯网络节点的条件概率,降低或门中因0和1概率产生的误差,并与传统故障树转化成贝叶斯网络的模型进行对比分析,最后根据结果分析得出关键影响因素,为机械伤害中故障类型影响分析提供新的思路。     

单参数指数分布变点估计研究

讨论指数分布存在变点时的估计问题,探讨就变点位置三种估计方法:极大似然法、贝叶斯方法和最小二乘法,并利用随机模拟说明这三种方法能有效地估计出变点的位置。     

基于FTA-BN的云ERP不安全事件的人因失误分析

为明确云企业资源计划(ERP)不安全事件的人因失误因素,构建基于故障树分析-贝叶斯网络(FTA-BN)的人因失误分析模型,以避免单一方法的局限性。首先,对云ERP安全审计记录披露的不安全事件进行分类和追因分析,构建云ERP不安全事件故障树,并定量分析最小割集、结构重要度;然后,将故障树映射为BN结构,利用案例数据进行结构学习和参数学习得到最终的贝叶斯网络;最后,依托贝叶斯网络的敏感性分析辨识关键人因失误因素,凭借预测推理计算发生不安全事件的概率。研究结果表明：云ERP安全人因失误因素中工作不到位、培训不足、资源分配不足、管理流程存在问题、职责不清等因素在对应的事件域中应得到重点关注,以保障持续安全。     

SPARROW模型及其应用研究进展

SPARROW模型是由美国地质调查局开发的一个基于流域空间属性的估算污染物负荷、浓度等的非线性回归模型。由于模型通过质量守恒来约束污染物的传输,并以统计学的方法实现变量参数的校准,因而SPARROW模型在量化污染物的传输过程中具有足够高的精确度与合理性。总体来看,SPARROW模型在流域污染源及环境因子分析、水质评估与模拟、监测管理优化等方面发挥出了重要作用,并被广泛地应用于国内外的不同流域。针对SPARROW模型在不确定性分析中存在的自相关问题,贝叶斯分析的引入优化了模型在不确定性方面的评估。目前,SPARROW模型在国内流域中以估算总氮、总磷、COD等污染物负荷为主要应用。随着国内相关数据的积累以及共享程度的提高,其应用范围将会愈加广泛。     

根据土地生态特征和经济效益确定种植类型

根据梧州市郊县农村土地生态特征,利用逐步判别分析方法给出以各自然村为基础的区位点土地利用方法;并根据土地利用方向,结合果树经济效益和各种信息,应用规划理论给出本地区果树在满足诸条件时以种植46万亩橙、2万亩香蕉最为适宜。     

暴雨灾害下的建筑施工现场风险评价研究

为了准确判断施工现场在突降暴雨情况下的安全状态,采用贝叶斯最优最劣法(Bayesian Best Worst Method, BBWM)和云模型方法,提出暴雨灾害下的建筑施工现场风险评价模型,以确定施工现场在遭受暴雨灾害时的风险等级。该模型利用了压力-状态-响应模型(Pressure-State-Response, PSR)和灾害系统理论,在考虑致灾因子危险性、孕灾环境稳定性、承灾体脆弱性和减灾能力抵御性4方面的基础上,构建18个风险因素的施工现场风险评价指标体系,并以武汉市某施工现场为例进行验证。结果显示,施工现场的减灾能力抵御性处于最重要的地位,做好现场减灾应对措施对灾害有非常重要的帮助;案例项目的评价结果处于一般风险状态,与现场实际情况相符。     

基于贝叶斯网络的地震次生燃气管道泄漏事件链构建

地震次生燃气管道泄漏事件是导致地震灾害影响扩大的主要原因之一,为了解建 筑物内地震次生燃气管道泄漏事件的发展过程,参考国内外相关的文献和统计资料,确 定建筑物内地震次生燃气管道泄漏事件贝叶斯网络的节点变量和取值范围。根据节点变 量及其逻辑关联性构建贝叶斯网络结构图,通过对国内外研究数据的统计并结合专家经 验估算确定各节点变量的条件概率。利用贝叶斯网络工具计算建筑物属性和环境变量在 不同状态取值下建筑物遭受破坏、燃气泄漏、燃气扩散引发二次灾害等关键节点变量的 后验概率。通过实例分析得出,建筑结构和地震烈度是建筑物遭受破坏的主要影响因素 ,风速、大气稳定度对燃气扩散引发二次灾害有显著影响。     

基于贝叶斯网络的突发事件影响度研究

不确定性的知识表示和推理是突发事件影响度评估中需要解决的重要问题。针对突发事件评估信息的多样性、不确定性及模糊性,利用贝叶斯网络易于进行不确定性推理的优点,提出了采用贝叶斯网络对突发事件影响度进行评价,建立了评价模型,给出了推理决策方法,并且对该方法进行了算例分析。算例表明,基于贝叶斯网络的突发事件影响度评价模型能够提高评估的准确度及对突发事件的响应能力。