基于多目标规划的防灾避难场所选址模型研究

给出了固定避难场所选址的影响因素,应用层次分析法与信息熵相结合的方法确定影响因素权重。建立了多目标规划选址模型,并用粒子群算法对模型进行求解。模型综合考虑了避难场所的灾害风险、区位规模和防灾救灾设施等因素,因此模型具有较高的实际应用价值。最后,结合实例,验证了该模型与求解算法的有效性和适用性。     

农村突发公共卫生事件应急医疗设施选址研究

为提高农村突发公共卫生事件应急医疗设施选址决策的科学性,基于新冠肺炎(COVID-19)疫情传播迅速,危害性强的突发公共卫生事件特征,依据应急医疗设施设计标准并兼顾农村医疗预算少、应急道路崎岖的特点,首先,选取设施备选地工程地质条件、单位成本、传染率、抵达时间、场所规模以及服务覆盖区域6项影响因素,将熵值法(EVM)和层次分析法(AHP)有效结合确定影响因素权重;其次,建立考虑患者到应急医疗设施的距离之和最小以及所选择应急医疗设施的综合评价值最优的多目标选址模型;然后,设计改进的粒子群优化(IPSO)算法求解模型,得到选址决策;最后,选取天门市部分村庄进行实证分析,以验证模型算法的有效性。结果表明：传染率和单位成本是建设应急医疗设施主要影响因素,IPSO算法选取3个应急医疗设施,能够满足8个村庄患者的治疗需求,并保证患者在4～7 min内就医,为高效开展疫情防控活动提供保障。     

超磁分离+曝气生物滤池工程设计及运行效果探讨

采用超磁分离+曝气生物滤池组合工艺处理城市溢流生活污水,工程处理规模为100 000 m3/d,对氨氮、TP、COD、BOD5、SS等指标平均去除率分别为80.69%、81.33%、84.56%、88.27%、85.00%,出水主要指标优于《城镇污水处理厂污染物排放标准》（GB 18918—2002）一级B标准（不考核TN）。实践表明,超磁分离+曝气生物滤池的组合工艺具有处理效果好、出水稳定、占地面积小、运行管理方便等优点,其中曝气生物滤池的进水方式对污染物的去除率影响不大,建议曝气生物滤池采用圆形池体和下进水的方式,在工程应用中运行状况更优。     

一种基于人工蜂群算法的多目标路径决策方法

为兼顾火灾中人员疏散的安全性与效率,使得人员避免遭受火灾风险侵害的同时尽可能节省人员疏散所需时间,提出一种基于人工蜂群算法的最优疏散路径决策方法。首先,通过将一个考虑逃逸代价的单目标模型以及一个考虑路径复杂度的单目标模型合并为一个双目标路径规划模型,实现以火灾风险、路径长度及路径复杂度为最终优化目标;然后,以某建筑为例,运用Pyrosim软件进行建筑内火灾模拟,利用本文的最优疏散路径决策方法得到该火灾场景下的最优路径。结果显示：该决策方法可以有效帮助人员避开风险水平较高的区域,同时尽可能降低所选疏散路径的复杂度,验证了该方法用于考虑火灾蔓延对疏散路线影响的可行性。     

基于改进YOLOv5s算法的隧道初期火灾检测模型

为提升公路隧道初期火灾的检出率与检测精度,考虑初期烟火特征量小且不易侦测的特点,提出一种基于改进YOLOv5s算法的公路隧道初期火灾检测模型。首先,在YOLOv5s特征检测层并入变压器预测头,在原有3个特征检测头的基础上新增第4个160×160尺度的特征检测头,以增强多尺度识别能力;同时,引入加权双向特征金字塔网络(BiFPN)结构,用于融合高低层火焰和烟雾的语义信息;然后,采用完全交并比(CIoU)替换距离交并比(DIoU),并在置信度损失中采用Focal Loss改进YOLOv5s的损失函数,从而提升新模型整体的训练效果和检测精确度;最后,在真实隧道内开展初期火灾模拟试验,获取50 000幅训练集样本,并结合2022年3月1日江苏镇江观音山隧道真实火灾视频数据,对比分析YOLOv5s-Opt和YOLOv5s算法模型。结果表明：YOLOv5s-Opt对初期火灾的平均检测精度达到90.38%,比YOLOv5s提高2.06%;对于同一段火灾实测视频,YOLOv5s-Opt的检出率比YOLOv5s高出3.63%。YOLOv5s-Opt算法模型更擅长初期火灾小目标的检测和识别,在检测精度和检...     

基于文本挖掘的城镇燃气事故致因及关联分析

为有效预防城镇燃气事故发生,采用文本挖掘与复杂网络理论相结合的方法,系统分析影响城镇燃气安全的事故致因及其关联性。首先运用文本挖掘技术,从2017—2021年间的1 256份燃气事故案例中提取城镇燃气事故致因因素,采用Apriori算法挖掘城镇燃气事故致因的关联规则,共得到49条强关联规则;然后基于共现矩阵构建事故致因网络图,通过度中心性、紧密中心性、介数中心性分析,明确燃气事故的关键致因项和事故致因集合。研究结果表明：管道破损,阀门未关,设备老化,操作、使用不当和软管破损、脱落是城镇燃气事故关键致因因素,气体泄漏是燃气事故常见的事故类型,主要与管道破损、阀门未关等具有强关联性。     

基于IPSO-LSTM的新能源汽车锂电池健康状态监测

为监测新能源汽车锂电池的健康状态(SOH),防范电池故障引发安全事故风险,提出改进粒子群算法(IPSO)和长短期记忆(LSTM)神经网络相结合的模型,监测锂电池的SOH。首先,采用Spearman相关性分析法,提取锂电池SOH监测的健康因子;其次,采用线性惯性权重和非对称学习因子改进传统粒子群算法(PSO),利用IPSO算法对LSTM模型的隐含层神经元个数、神经元失活率、批处理值进行关键参数寻优,进一步优化LSTM模型,建立IPSO-LSTM锂电池SOH监测模型;最后,以新能源汽车主流采用的18650锂电池数据集验证IPSO-LSTM模型,并对比分析BP、LSTM和PSO-LSTM这3种模型。结果表明：IPSO-LSTM模型的平均绝对误差(MAE)在0.02以内、均方根误差(RMSE)在0.03以内,监测误差在15%以内,相较于BP、LSTM、PSO-LSTM模型,IPSO-LSTM模型的误差指标值均最小,模型具有更高的精度和稳定性。     

改进YOLOv3算法下通航机场场面运动目标检测

为获得更好的检测精度和更快的检测速度,保障通航机场场面运行安全,提出一种改进的YOLOv3算法,分别从网络结构和损失函数2方面进行改进。首先,在主干网络中使用深度可分离卷积代替原卷积,构建基于距离交并比(DIoU)的目标框回归损失函数;然后,以某通航机场为研究对象,搭建通航机场场面目标检测场景,采用迁移学习和冻结训练相结合的训练方法,以提升场面目标检测的速度;最后,比较分析所提算法与传统的YOLOv3、YOLOv4算法的识别效果。结果表明：飞机目标的检测效果明显优于车辆和人员目标,改进的YOLOv3算法对目标的检测精度、召回率、全类平均精度(mAP)分别达到92.96%、80.51%、91.96%,图形处理器处理速度高达74帧/s,较传统的YOLOv3、YOLOv4算法性能均有明显提升,可实现通航机场场面运动目标的有效检测。     

关于焦化行业CO2排放核算方法的探讨

本文分析了适用于焦化行业通用CO₂排放核算方法,在此基础上结合我国焦化行业工艺和原料的特征,采用排放因子法和物料衡算法等两种方法对10家典型焦化企业CO₂排放进行核算。结果表明:物料衡算法能很好地反映不同类型焦化企业的排放特征;排放因子法对我国独立焦化企业存在碳排放量系统性高估的可能。为此,建议我国焦化企业可借鉴德国焦化企业的碳核算经验,采用碳平衡法对不同类型的焦化企业(单元)的碳排放量进行核算,并完善相关的统计和监测技术。     

蒙脱土原位生长MoS2复合材料光催化降解罗丹明B的机理研究

通过在Na⁺-MMT表面生长MoS₂来提高窄带隙半导体光生电子分离速率及稳定性.利用阳离子填充法及水热法成功制备了复合光催化剂Na⁺-MMT/MoS₂,并通过FT-IR、SEM、TEM、Raman、XRD、TG、XPS、UV-DRS和ESR等表征进一步证明了材料的成功负载及光、电化学性能. 同时,以有机染料罗丹明B为待降解染料来评价光催化剂的催化性能,发现其在80 min可有效降解罗丹明B,降解率达96%.经过5次循环使用后,Na⁺-MMT/MoS₂复合光催化剂仍具有较好的光催化性能.因此,利用MMT的表面电负性及稳定的片层结构负载MoS₂,可形成光生电子迁移通道进一步提高电荷迁移速率及光催化剂的稳定性.本研究可为黏土材料调控窄带隙半导体制备环境友好型光催化剂提供新思路.