模糊综合评判在灭火救援指挥效能评估中的应用

灭火救援指挥活动作为一种特殊的社会实践活动,有着许多模糊性、不确定性和随机性因素,可以通过科学认识诸要素之间的因果关系,借助一定的数学方法,运用模糊综合评判的方法来评估灭火救援指挥效能评估指标体系,从而达到对灭火救援指挥活动结果的科学认识,为优化灭火救援指挥提供依据。     

基于风险的城市埋地燃气管道安全评价模型及应用

城市埋地燃气管道一旦失效会产生泄漏,甚至引发火灾爆炸等事故,造成人员伤亡和财产损失等严重后果,影响社会稳定,因此其安全运行十分重要。由于城市地下环境的复杂性,使得埋地燃气管道失效的因素多种多样,且具有模糊性;由于城市地面状况各异,所以构成失效后果的因素也具有不确定性。文章以某市在役燃气管道为例,使用模糊数学语言表达了埋地燃气管道的失效可能性和失效后果,采用模糊综合评价模型对燃气管道的失效可能性和失效后果进行了评价,并以美国石油协会(API)风险矩阵表征了埋地燃气管道的风险等级,得到不同管道单元的风险级别和管道单元数,根据不同的风险等级采取不同的策略或措施,完善管道的完整性管理,降低管道的使用风险,确保城市燃气管网的正常安全运行。     

重大危险源事故风险预警技术研究

重大危险源事故风险预警技术是事故控制技术中的一大研究重点。本文通过对比分析安全生产领域常用事故预警模型的优缺点,总结了事故预警模型的发展趋势,提出了基于模糊综合评判技术和动态模糊神经网络技术的重大危险源事故风险预警模型,详细陈述其构建过程,最后对液化石油气蒸气云爆炸事故应用该模型,得到了较好的预测效果,实现了风险程度的定量化预警。该预警模型具有快速的自学习能力和容错能力,能够同时处理多种风险因素、自动生成模糊规则并满足预警系统的实时性要求,可应用于重大危险源在线监控预警系统,为企业端和政府端监管者提供有效的重大危险源事故风险定量化预警信息,为遏制重大灾难事故的发生、减少死亡人、数受伤人数和直接经济损失提供先进的理论和技术支撑。     

基于RBFNN的催化再生烟气二氧化硫浓度预测研究

为了提前掌握催化裂化再生烟气中二氧化硫的排放浓度,有效动态指导烟气脱硫设施运行参数调节,研究开展了RBF和BP神经网络在催化裂化再生烟气二氧化硫浓度预测中的应用。通过业务和数据分析,确定了影响再生烟气二氧化硫浓度的工艺特征变量。利用2组采用不同方法清洗的数据,对比分析了RBF和BP神经网络模型在提前15 min情况下,预测再生器出口二氧化硫排放浓度的效果,结果表明2种模型的预测精度分别为90.36%和86.43%。RBF神经网络二氧化硫浓度预测模型经过400个工业样本测试,浓度预测值的最大误差为14.01 mg/m³,最小误差为0.05 mg/m³,平均误差为6.08 mg/m³,满足企业现场应用的要求。     

结构应力逆向推演模型及其不确定度定量分析

目的 针对现有结构安全在线监测与评估方法存在的短板,结合人工智能方法探索新的解决方案。提出一种基于有限测点应力逆向推演整体结构应力分布的方法,以数据驱动的模式,基于神经网络技术搭建算法模型。方法 以结构有限元仿真数据为基础,运用相关性分析方法,获取代表结构响应特征的有限个测点,利用神经网络方法构建基于有限测点应力推演结构全场应力分布的算法模型。结果 以科学试验平台的连接器结构为对象,开展该算法模型的应用研究,并且对该应用实例下的算法模型开展不确定度分析,推演结果的相对不确定度u95rel为8.6%。结论 该算法模型的推演结果正确反映了结构总体响应特征。从建模过程角度分析,该算法模型的不确定度来源主要包括相关性分析方法、神经网络建模以及模型收敛条件3个方面。     

基于图神经网络的长江流域经济带PM2.5浓度预测

文章基于长江流域经济带沿线99个城市的PM2.5浓度监测数据,采用转移熵构建出了长江流域经济带大气污染空间交互影响网络,并从整体和局部2个角度分析了长江流域经济带污染物传导方向和传导强度。为了充分利用城市大气污染的空间关联信息,文章使用大气污染空间交互影响网络改进了T-GCN图卷积神经网络,并构建了基于T-GCNTE的预测模型,对长江流域经济带99个城市的污染物浓度进行预测。研究发现长江流域经济带各个城市的大气污染表现出很强的紧密性,整体网络的信息传递以地区间的信息传递为主。另外,T-GCNTE能够捕捉到大气污染的时空依赖性和影响方向,能获得更好的效果。基于上述研究结论,文章从建立大气污染多方联防联控机制、加强产业合作、完善生态补偿机制等方面对深入开展长江流域经济带大气污染协同治理提供了建议。     

基于深度学习的地铁施工作业人员不安全行为识别与应用

为有效识别地铁施工作业人员不安全行为,基于深度学习与计算机视觉技术,提出融合行为和身份识别的不安全行为识别方法。首先,对更快速的基于区域的卷积神经网络(Faster R-CNN)算法进行优化,引入高效通道注意力(ECA)模块提升行为识别的准确性;其次,将基于人脸超分辨率算法的人脸识别方法与行为识别相结合,提升图像像素水平并准确输出不安全行为执行人员相关信息;然后,行为识别与人脸识别并发进行,识别结果回流至数据库最终输出工人不安全行为报告;最后,选取某地铁施工项目的4种不安全行为进行识别方法的实证应用。研究表明：该方法可在地铁施工场景下进行有效应用,不安全行为识别和执行人员身份识别的准确率均达0.85以上,具有较高的准确度。     

流沙湾海域水质的综合评价与分析

以流沙湾2008年4个航次水质监测数据资料为依据,选择具有代表性的9种监测指标,分别采用模糊综合评价法和模糊贴近度法进行海水水质评价比较与分析,得出流沙湾海域水质评价等级。研究结果表明,流沙湾海域冬夏季节的水环境质量差于春秋两季,其中夏季水质最差。将整年水质监测指标平均值进行综合评价,结果表明,流沙湾各站位均符合二类水质标准。以模糊贴近度法作为主要评价方法、以模糊综合评价法作为辅助评价方法进行综合评价,更有利于流沙湾海域水质的整体分析。研究结果可作为流沙湾海域水产养殖规划和整治的参考依据,为将来合理开发利用流沙湾海域提供科学依据。     

基于多态模糊贝叶斯网络的高校宿舍火灾风险评价研究

高校宿舍火灾具有影响面广、复杂性强等特点,而传统研究方法在多态性、动态分析宿舍火灾风险等方面存在局限。该文基于国内外86起高校宿舍火灾案例提出了一种基于多态模糊贝叶斯网络的高校宿舍火灾风险评价方法,确定了包含23个三级指标的风险评价体系,构建了高校宿舍火灾故障树,通过故障树转化方法构造对应的贝叶斯模型;将专家评价语义通过三角模糊子集转化为确定的根节点先验概率,用[0,1]模糊数描述节点故障状态,克服了传统贝叶斯网络过度依赖精确概率以及不能考虑节点中间故障状态的问题;基于贝叶斯的双向推理和根节点重要度分析,计算出高校宿舍火灾风险发生概率,辨识出关键致灾因子,进行事故致因诊断。实例验证结果表明,多态模糊贝叶斯网络能够准确评价高校宿舍火灾风险,并确定关键致险因子,可为高校宿舍火灾风险管理提供决策参考。     

基于机器学习的二氧化碳卫星反演方法

基于机器学习模型在分析数据并学习预测方面的优势,提出了一种基于机器学习的短波红外通道CO₂卫星遥感反演方法,以卫星观测辐亮度、气溶胶光学厚度、温度构建训练数据集,采用前馈神经网络与量化共轭梯度算法进行训练学习,构建了短波红外通道卫星CO₂反演模型,并利用GOSAT卫星观测光谱数据反演了CO₂浓度.反演结果与TCCON站点观测数据进行了比对,结果表明:卫星与地面观测的相关性优于0.86,平均误差小于2.5×10^-6,验证了反演方法的有效性.