基于Logistic曲线的路网脆弱性动态识别

为探究突发环境下路网交通负荷的时空变化规律,运用情景分析方法研究突发事件的“产生-消散”过程;通过构建动态识别指标将道路网络分为正常与事发路段集等2部分,对前者采用离散化手段建立动态交通负荷分配模型,对后者利用三参数Logistic曲线完成事发路段交通负荷的近似建模;选择逆向求解策略,将突发环境下的道路网络转化为一个反应型离散控制系统,并运用Lan-Filler套分解算法进行求解;通过算例分析验证该方法的可行性,并与传统的静态脆弱性识别方法比较。结果表明:突发环境下的路网脆弱性指标随着事故的“产生—消散”过程动态变化;与传统方法相比,用基于Logistic曲线的动态脆弱性识别模型,可保证在路网拓扑结构不发生改变的前提下,识别道路网络各路段各时刻的脆弱性,其结果更符合路网实际情况。     

基于MISSA-SVM模型的边坡稳定性预测及应用

为提高边坡稳定性的预测精度,提出一种基于多策略改进的麻雀搜索算法（MISSA）优化支持向量机（SVM）的边坡稳定性预测模型。选取容重γ、黏聚力c、内摩擦角Ф、边坡角φ_f、边坡高度H、孔隙压力比r_u等6个代表性特征作为模型的预测指标。针对麻雀优化算法（SSA）存在的收敛速度慢、精确度不高、易陷入局部最优等问题,引入一维复合混沌映射、正余弦算法（SCA）、Levy飞行机制和步长因子动态调整等策略进行优化改进,构建基于MISSA-SVM的边坡稳定性预测模型。将MISSA-SVM模型应用到大溪滑坡等9组边坡工程实例进行验证。结果表明：MISSA-SVM模型的准确率、精确率、召回率、F₁分数、均方误差（MSE）和曲线下面积（AUC）分别达到96.29%、92.3%、100%、0.96、0.016和0.967,均优于SSA优化的SVM模型和BP模型,预测结果与实际边坡状况完全吻合,表明MISSA-SVM模型具有较强的泛化能力。     

基于t-SSA-BP的煤矿噪声职业健康损害预测

为精准预测煤矿接噪人员职业健康损害情况,基于分位图法选取健康损害数据影响因素,依据噪声职业健康损害评估方法,以自适应t分布变异因子和麻雀搜索算法(SSA)作为参数优化算法,建立t-SSA-BP煤矿噪声职业健康损害预测模型,利用基准函数测试算法寻优性能,并以陕北地区10个煤矿为研究对象,采用现场调查、理论分析和Matlab仿真模拟方法验证煤矿噪声职业健康损害预测模型。结果表明:噪声暴露强度、个体年龄、接噪工龄和接噪岗位4个指标是煤矿噪声健康损害的影响因素;t-SSA较SSA在4种基准函数上整体精度提升66.0%,5种噪声健康损害神经网络预测模型预测精度从高到低依次为:t-SSA-BP > SSA-BP > PSO-BP > CFA-PSO-RBF > PSO-GRNN,t-SSA-BP预测模型的平均绝对误差(MAE)、平均绝对百分误差(MAPE)相比SSA-BP分别降低68.1%、66.7%,决定系数(R²)达0.999,预测精度明显提升,且收敛速度更快。     

内腐蚀海底管道剩余强度的FOA-GRNN模型

为探究内腐蚀海底管道剩余强度,保证管道安全运营,基于管道壁厚、直径,腐蚀深度、长度、宽度和极限抗拉强度等影响因素,提出果蝇优化算法(FOA)优化广义回归神经网络(GRNN)的剩余强度计算方法,应用GRNN构建剩余强度预测模型;采用FOA优化模型,人为设置光滑因子的负面影响;通过有限元模拟生成影响因素和剩余强度数据库,并采用FOA-GRNN模型训练和预测;以巴西国家石油研究中心的极限强度爆破试验数据为例,分析验证预测模型。结果表明:FOA-GRNN模型对有限元模拟数据的剩余强度预测平均相对误差(ARE)为16.53%,对试验数据预测ARE为7.81%,预测结果合理、准确。     

煤炭产业国际竞争力的遗传—投影寻踪评价

根据煤炭产业发展的实际状况,提出了煤炭产业竞争力评价的指标体系。采用探索性数据分析—投影寻踪法,结合遗传算法,建立了遗传—投影寻踪综合评价模型。以全球11个主要产煤国为对象进行了实证研究,验证了该方法的科学性和实践的可行性,提出提升我国煤炭产业竞争力的对策建议。     

人员位置固定的公共场所分区疏散研究

通过将分区疏散转化为分配问题(Allocation Problem),并采用启发式的A*优化算法,对人员位置固定的公共场所分区疏散进行研究.进一步利用基于元胞自动机模型的大型公共场所人员疏散行为模拟仿真系统,在充分考虑公共场所中每个人员的状态、人员之间以及人员与周围环境的相互作用的前提下,对疏散分区的效果进行模拟;通过与未分区的模拟结果相比较,可以认为,分区疏散有助于人员快速疏散,大大缩短整体避难时间,而且基于移动路径搜索的分区更加切合实际.     

模式搜索算法在毒气泄漏中的源强反算

基于泄漏源下风向的浓度监测数据并结合大气扩散模式建立反算模型,以确定泄漏源的位置和强度.以扩散模式仿真的浓度数据与监测数据的匹配度作为目标函数,将反演问题转化为优化问题,利用模式搜索算法迭代优化.以高斯模型为例验证了算法的可行性,结果表明利用探测器提供的测量浓度值,模式搜索算法能够在较短时间内搜索到最优解,在计算复杂性或时间上较梯度型算法和智能优化算法有一定优势.该算法能够及时而准确地反算出泄漏源强度和位置,为事故的应急响应与救援提供依据.