对加快推进我国矿山生态修复的思考

绿色矿山建设是矿业领域践行"绿水青山就是金山银山"的重要体现。本文从矿山生态修复的内涵到外延，从问题识别到任务措施，从单一治理修复目标到生态系统功能修复目标，从矿山生态修复系统到与经济社会发展系统相结合等多个方面，系统地梳理矿山生态修复的解决路径，围绕矿业绿色发展提出一系列建议。     

基于BP神经网络的苯储罐泄漏事故风险评价模型研究

为了在事故发生之前对苯储罐进行风险评价，提出1种基于BP神经网络的泄漏事故风险评价方法，利用该方法构建了苯储罐的风险评价模型，并对模型进行了训练及验证。研究结果表明:BP神经网络成功完成了建模任务，且模型训练结果较好，可利用基于BP神经网络所构建的苯泄漏事故风险评价模型对苯储罐发生泄漏事故的风险进行评价。     

基于卷积神经网络的冲击地压预警方法研究*

为探究深度学习在冲击地压预警方面的应用前景,以新疆某冲击地压矿井为研究背景,将深度学习和专家评判运用到微震数据分析中,基于卷积神经网络构建冲击地压预警模型。充分利用一维卷积神经网络对时序数据有较强特征提取能力的优势,以微震数据及其特征参数作为输入,以专家评判值作为标签,借助Python-Keras框架实现冲击地压预警模型的构建和训练。研究结果表明:模型预警效果并不随着训练迭代次数的增加而逐渐最优,存在最优迭代次数,对于所建模型当迭代次数为30时测试集的冲击危险预测结果与专家评判结果基本吻合,同时说明模型可以较好地学习专家评判经验实现冲击地压预警。研究表明所建模型对研究时段内发生的5次大能量矿震事件均进行预警,其准确度较高,具有现场实际应用价值。     

基于视频分析的空管员违规行为识别方法*

为利用视频数据对空管员违规行为进行智能化分析,降低不安全事件发生率,提出2阶段的违规行为识别模型（AR-ResNeXt）,基于实地调研构建空管员视频数据集,利用最小化动态多实例学习损失函数和中心损失函数,获得违规行为检测的判别特征表示,结合异常回归网络和ResNeXt网络,完成对空管员违规行为的时序区间检测与动作分类。研究结果表明:AR-ResNeXt模型在自制数据集中,其帧级AUC达到82.9%,分类准确率达到87.8%,可准确识别空管员发生违规行为的时序区间并进行分类,研究结果可为保障空中交通安全奠定基础。     

基于Logistic回归的燃气管网风险因素重要度分析方法研究

为确定燃气管网风险评估的关键风险因素,以A省各地市燃气管网为研究对象,基于燃气专家经验确定燃气管线风险等级,提出基于Logistic回归的燃气管网风险因素重要度分析方法。采用样本增强及随机抽样的方式,选取400个均衡样本作为管网评估数据输入,通过因子分析方法对其进行降维,得到3个公共因子并作为一级指标反向构建燃气管网风险评估指标体系;利用有序多分类Logistic回归方法,根据回归系数绝对值大小对风险因素进行重要度排序。研究结果表明：外界环境对燃气管网风险的贡献程度相对较高,管道自身因素和巡检养护次之。研究结果可为城市燃气风险防控提供理论依据和方法参考。     

施工组织正式网络结构特征对组织安全行为的影响关系研究

为提升建筑施工安全管理水平,探讨施工组织正式网络的结构特征对组织安全行为的影响关系。基于社会网络分析方法,引入安全沟通作为中介变量,建立施工组织正式网络结构特征、安全沟通和组织安全行为的假设模型。基于91个施工组织正式网络结构特征分析,使用多层回归分析方法检验假设模型。结果表明:网络密度、出度中心势和聚类系数均显著正向影响组织安全行为;中间中心势和平均路径长度均显著负向影响组织安全行为;入度中心势对组织安全行为影响不显著;安全沟通分别在出度中心势和中间中心势与组织安全行为的关系中起完全中介作用;安全沟通分别在密度、平均路径长度和聚类系数与组织安全行为的关系中起部分中介作用;安全沟通在入度中心势与组织安全行为的关系中未起到中介作用。     

供水管网震后流量监测点的动态分级优化布局研究

为了提高管网地震监测点布局的准确性和合理性,基于管网微观水力计算模型和动态分级法,提出供水管网震后流量监测点的动态分级优化布局模型。首先,利用管网微观水力计算模型计算管段流量的影响系数,构建管段的影响系数矩阵,并利用信息熵确定管段权重;其次,标准化处理影响系数矩阵,通过聚类迭代提出供水管网地震流量监测点优化布局的动态分级方法,对供水管网震后流量监测点进行优化布置分级评定;最后,根据工程实例进行方法实践,结果表明:供水管网中的管线分类较为科学合理,地震监测点在供水管网上分布也比较均匀,而且该模型在一定程度上消除了人为因素的影响,保障了震时管网的监控效果和日常建设的合理性。     

基于深度学习的工程结构损伤识别研究进展

为避免或减轻工程结构在建造和运营期间因结构振动产生不同程度损伤,造成安全隐患危及人们生命财产安全,针对结构振动损伤识别技术展开研究,探讨不同深度学习方法发展情况及其利弊,寻找更具可行性的损伤识别方法,并对其最新研究及应用现状进行全面综述。研究结果表明:应用深度学习开发新的结构损伤识别技术,无需冗余的数据预处理以及手工提取损伤特征,实现以较高精度实现损伤识别任务;一维卷积神经网络（1D-CNN）以其独特的应用优势,在数据样本有限条件下较二维卷积神经网络（2D-CNN）表现更为出色。研究结果可为数据驱动的结构损伤识别问题提供新思路,进一步完善土木结构健康监测研究体系。     

隧道救援站通风网络优化设计及人员疏散研究*

为确定铁路隧道救援站最佳通风结构,对烟道布置提出合理建议,采用计算流体力学（CFD）的方法,对铁路隧道救援站通风网络进行优化设计。同时,采用模拟计算的方法对救援站人员疏散进行模拟分析,确定救援横通道布置及防护门开度设置的合理性。研究结果表明:在同等通风参数工况设置下,采用多节点排烟竖井结构后各救援横通道流量分配更均匀,救援站压力平衡性更好,通风效率可提升15%;通过疏散模拟证实,在长560 m的紧急救援站范围内设置10条疏散横通道,横通道设1.7 m宽的逃生门能够满足疏散要求。     

基于SOM-SVM组合分类器的涂层防护性能研究

目的为避免EIS,EN技术可能出现的问题,建立一个准确、高效的评价模型,以探究现役军用有机涂层防护性能。方法利用电化学阻抗谱(EIS)、电化学噪声(EN)技术分析了两种军车有机涂层在循环暴露试验中的腐蚀行为,提取低频阻抗模值|Z|_(0.1 Hz)与涂层噪声电阻R_n两种电化学评价参数作为自组织神经网络(SOM)的输入训练样本,同时结合支持向量机(SVM)方法建立涂层防护性能组合分类器。结果将涂层失效过程自适应地分为涂层防护性能良好、防护性能下降、基本失效三个阶段。结论所建立的SOM-SVM组合分类器对于辅助分析涂层防护性能具有可行性。