普光气田集输管网系统安全运行实践

针对普光气田地理环境现状,从地质灾害、焊口缺陷、管道腐蚀等方面对集输管网安全隐患进行了分析,结合现有风险防控措施,对下一步工作进行了展望,提出应加强硫化氢泄漏扩散机理研究及环焊缝失效机理研究。     

时延神经网络对宝兴树蛙异质种群鸣叫的聚类分析

对瓦屋山宝兴树蛙3个不同海拔分布(A:山下;B:山腰;C:山上)的异质种群鸣叫的时频参数进行分析,发现三地鸣叫各参数互相重叠,无明显界线.常规统计分析不能使三地的鸣叫聚类为各自的组.使用时延神经网络对三地宝兴树蛙鸣叫的时频参数进行有指导聚类,发现三种群鸣叫有地区性差异,并表现出由个体交流引起的山腰种群群体特征的不显著.推测差异可能是因为长期地理隔离所导致.基于神经网络的分析结果,对各种群间的个体交流情况进行了初步估计.图6表1参20     

气候变化风险互联网络及系统性管理

气候变化风险能够在部门内与部门间进行传递和放大,形成多个复杂嵌套的风险互联网络,导致了系统性风险的产生。对气候变化风险互联网络的刻画能够帮助理解风险产生与演化的过程,削减气候变化对社会经济系统的直接物理风险,及碳达峰与碳中和建设过程中可能伴随的转型风险。本文识别了四类典型的气候变化风险互联网络,涵盖食品—能源—水系统、公共健康、宏观经济和金融市场、社会安全等四类部门或领域。针对每一类网络,分别总结了主要的气候变化风险传递路径及当前的研究进展和局限,并概述了开展系统性风险管理的建议。     

扬尘污染精细化管控思路探讨

通过分析传统扬尘污染防治模式的弊端,提出了一种“精准监测、排量切入、总量考核、职责共担”的新模式。该模式在技术手段上使用以扬尘在线监测数据为基准的扬尘排放量计算模式,以及基于机器学习的扬尘源排放量计算方法,实现了扬尘排放量的自动、实时、在线计算;在管理手段上将传统的扬尘浓度点控制转变为易扬尘单位扬尘排量控制,通过总量控制、指标分解,增强了政府与企业对于环境效益的职责分工,有助于将扬尘防控责任有效落实,实现对扬尘污染的精细化、常态化管控。     

危化品事故情景推演网络构建及关键节点分析*

为有效应对危化品事故发生与演变时存在的动态性及不确定性问题,基于事故演变过程中的关键情景状态及对应孕灾环境、应急活动和处置目标等要素,引入动态贝叶斯网络方法,构建危化品事故情景推演网络,并结合复杂网络知识,对孕灾环境和应急活动2类事故影响因素节点进行敏感性和重要度分析。结果表明:情景推演网络计算的情景节点概率符合事故发生的实际情况,能够对危化品事故在不同孕灾环境和应急救援下的演变路径进行推演,并且分析得到燃烧物、消防力量、火场环境和建筑密度等关键影响因素节点,研究结果可为事故处理提供应急辅助决策支持。     

基于HFACS-BN模型的危险化学品事故人因路径分析*

为提高危险化学品安全管理水平,收集我国134起以人为主因的危险化学品事故,构建危险化学品事故的HFACS-BN模型,并基于贝叶斯网络对危险化学品事故中的人因路径及各因素灵敏度进行分析。研究结果表明:行为违规是导致事故的最主要不安全行为;在复杂路径中,环境因素和操作者状态具有较高的灵敏度,与其相关的风险认知与处理不当是阻碍事故预防的关键因素;在非复杂路径中,操作者状态与运行计划不当具有较高的灵敏度,其所涉及的监督违规、组织过程和组织氛围,是导致危险化学品事故的根本起点,并可依此分析事故直接原因和间接原因;操作者状态在2种路径中均表现出高灵敏度,因此化工企业在人员管理上要加强关注职工状态,减少不安全行为的出现。     

城市燃气管网泄漏事故分析知识图谱构建及应用研究*

为深入认识燃气管网泄漏事故的发生发展机理,提高事故分析预测的自动化、智能化、数字化水平,利用知识图谱对燃气管网泄漏事故进行研究。在事故案例分析的基础上,从人-物-环-管的角度对燃气泄漏过程以及火灾爆炸次生事故的相关实体进行归纳梳理,对实体间的逻辑关系和非逻辑关系进行辨识,并对实体的属性进行分类,进而构建出较为全面的燃气管网泄漏事故知识图谱。在此基础上,搭建BP神经网络模型,基于已知实体或属性状态,预测相关联其他实体或属性的状态。研究结果表明:燃气管网知识图谱能够有效展示燃气管网泄漏事故发展的动态过程及相关要素,结合BP神经网络能够有效预测事故的发展路径及相关状态,从而提高燃气管网泄漏事故的分析预测水平与效率。     

基于多源数据融合的煤矿工作面瓦斯浓度预测*

为了解决瓦斯浓度预测使用的单一数据在预测中影响还不够深入的问题,提出基于LSTM神经网络的多源数据融合瓦斯浓度预测模型。模型将上隅角瓦斯浓度、采煤机速度、工作面吨煤瓦斯涌出量等不同数据融合作为输入层参数,使用Adam优化算法更新LSTM网络层参数,利用Attention机制突出关键影响瓦斯浓度的因素,开展多源数据融合的瓦斯浓度预测,结合某矿1008工作面的实际数据,分析不同数据在瓦斯浓度预测中的作用。研究结果表明:单变量下的Attention-aLSTM预测效果相比LSTM提升14.2%;多源数据融合下的Attention-aLSTM相比自身提升了5%。     

三元空间融合视阈下的安全态势感知模型研究*

为全面辨识系统风险并准确评估系统安全状况,从3元空间（信息-物理-社会）融合视角出发,界定安全态势感知概念并解读其内涵,提出安全态势感知概念模型和理论模型,并解析安全态势数据采集层、觉察层、理解层、投射层和预警层的具体内涵和功能。研究结果表明:3元空间融合视阈下的安全态势感知,能够通过物联网和互联网同步采集安全态势数据,在现有安全态势感知（安全态势信息输入、处理、输出）基础上,实现对人、机、物及其相互关系的整体感知,有效应对当前复杂多变的安全态势,为安全态势感知体系优化提供理论指导。     

基于植被指数和神经网络的热带人工林地上蓄积量遥感估测

热带森林作为陆地生态系统的组成成分之一,研究其蓄积量估测对我们了解其在全球碳循环中的地位和作用有很重要的意义.但遥感估测森林生态参数的精度如何,还是个不确定的问题.利用LANDSAT-TM数据,基于森林清查数据和遥感技术,以尾叶桉和加勒比松为例,对中国南方地区人工林蓄积量估测进行了尝试研究.首先,通过测量样方胸径、树高,建立森林蓄积量估算模型.其次,通过对比分析不同植被指数与森林蓄积量之间的关系,选择合适植被指数组合,建立多元回归和神经网络模型.结果表明:单波段TM数据和大多数植被指数与蓄积量相关性并不好.神经网络比回归分析模拟效果好.而多元回归和神经网络模型大大提高预测精度.本研究方法对大面积的森林蓄积量估测具有一定的参考价值.