McCaffrey等估计轰燃前火灾温度方法的改进

在估计室内轰燃前火灾温度的多种方法中，McCaffrey等人提出的方法比较典型。该文根据内衬材料的热惯性对室内火灾的重要影响，在大量实验数据的基础上，对McCaffrey等人提出的这一方法进行了初步和理论上的改进；结合室内火灾的控制因素，对有机玻璃火灾的回归结果进行了进一步改进，提出了估计室内轰燃前火灾温度的新方法。     

基于神经网络的重大危险源动态分级研究

利用自组织神经网络对重大危险源进行动态分级研究，介绍了神经网络的模式聚类即分级法的自组织学习过程和算法，克服了以往危险源分级方法的某些局限性。在计算机上进行的模拟计算表明：基于自组织神经网络的重大危险源动态分级方法是合理可行的     

环保责任状:地方政府环境职责的法律回归

2006年8月和9月分别发生在甘肃和湖南的两起环境污染事件将公众的注意力集中到地方政府所应该承担的环境责任上来。有人曾将环保比喻为“不通电的高压线”,之所以高压线通不了电,就在于地方政府有时不送电。这种说法虽然不能全面说明我国环境保护事业所面临的种种困难,却也形象地道破了地方政府在保证地方环境中的重要性。国家环保总局受国务院委托,已经完成了和全国31个省、自治区、直辖市签订的环保责任状,其目的就在于给环保高压线通电。     

滑坡灾害危险性评价模型比较

通过对庆元地区滑坡灾害的详细研究，比较讨论了单变量评价、决策树评价与逻辑回归法等3种滑坡危险性评价模型在实际应用中的效果。单变量模型最为简单，计算方便，得到的结果也具有较高的准确性，当收集到的滑坡因素越多，对滑坡发育的刻画越精确，则最终评价结果也越可信；决策树算法能迅速从大量样本中归纳出一般规则，并具有较高的精度，但其结果也受到训练样本数量大小和样本维数即参与评价的因素集数量的影响；逻辑回归模型具有计算方法简单、评价结果物理意义明确等突出优点，但需要有大量样本数据的支持才能取得较好的效果。     

基于模糊评判人工神经网络的重大危险源辨识研究

国家已经制定了重大危险源辨识标准,辨识依据是危险物质的数量,主要适用于化工行业.本文对于国家重大危险源辨识标准不适合的行业,结合各行业发生事故的特点和工艺特征,综合利用模糊评判法和人工神经网络,辨识企业内存在的重大危险源.在某化工厂进行了检验,实践证明了方法的科学性和合理性.     

如何应对烟花"禁改限"的新挑战

"爆竹声中一岁除,春风送暖入屠苏.干门万户瞳瞳日,总把新桃换旧符."随着社会各界回归民俗文化的呼声日涨,自1993年起对烟花爆竹禁放12年后,2005年9月9日北京市通过"禁改限"规定,全国有236个城市改禁放为限时限地燃放或全面放开,这是人性化管理的重大突破和进步."禁改限"是一把双刃剑,既给烟花产业带来发展机遇,也使安全生产面临新的挑战.     

BP神经网络技术在交通工具火灾预警中的应用

通过对交通工具火灾成因机理以及现有典型交通工具火灾实例的分析研究,建立了预警评价指标体系。根据非线性理论和模式识别原理以及交通工具火灾的特点,采用基于BP神经网络的智能灾害诊断方法,对交通工具火灾发生的可能性和危险性进行评估和预测。研究表明:BP神经网络方法是解决非线性系统问题的一种有效方法,与传统的预警方法相比,该方法具有速度快、效率高、可信度好、自学能力强等特点。采用BP网络进行交通工具火灾预警时,只需输入影响交通工具火灾发生的相关指标因素,网络便可在较短的时间内得出可靠的预警结果。     

基于神经网络和遗传算法的城市火灾风险评价模型

以消防安全工程学与系统安全工程理论为基础,结合我国城市发展特征及消防安全管理状况,建立了城市区域火灾风险评价指标体系;针对神经网络易陷入局部极小而引起评价指标权值分布不合理的缺陷,提出了基于神经网络和遗传算法的城市火灾风险评价模型,该模型以火灾发生的可能性以及灾后的严重程度为输入单元,火灾风险等级为输出单元,采用误差反算法训练BP网络,最终得出火灾风险等级范围,有效地解决了城市火灾的动态性和非线性特征;研究实例证明了该模型的有效性,可为城市的消防安全管理提供确实可行的参考依据。     

回采工作面瓦斯涌出量预测的神经网络方法

回采工作面瓦斯涌出量受煤层瓦斯含量、工作面产量和采煤方法等各种因素的影响 ,笔者通过研究得出 :回采工作面瓦斯涌出量与煤层的赋存条件和开采条件之间是一种非线性关系 ,但目前还难以用精确的数学建模来求解。因此 ,提出了一种应用BP人工神经网络模型和算法 ,建立工作面瓦斯涌出量预测模型 ,从而预测不同开采条件下回采工作面瓦斯涌出量。实际应用表明 ,模型精度能满足要求。笔者还对隐含层神经元数目对步长影响作了讨论。     

基于BP网络的建筑安装施工现场安全综合评价的研究

针对目前我国建筑安装施工现场安全评价技术的不成熟和欠科学性的现状 ,笔者分析和综合了目前安全评价技术 ,结合建筑业特点 ,提出了基于BP神经网络的建筑安装施工现场安全评价方法 ,并对该评价模型的原理、方法及算法进行了研究。首先 ,结合建筑安装施工现场安全生产的特点建立评价指标体系 ,随后 ,运用层次分析法确定指标及准则层的权重 ,并运用模糊综合评价法生成评价样本集 ,最后 ,利用样本集训练BP网络 ,待误差满足要求后 ,即可运用训练成功的BP神经网络进行安全评价。