省级环境管理部门基础信息网络建设实践与思考

阐述省级环境管理部门基础信息网络建设的重要性及建设应遵循的基本要求,结合实践,讨论设计和实际施工中出现的问题及解决办法,为环境管理部门基础信息网络建设提供有益参考。     

基于过程改变法的铁厂节水调控优化研究

将过程改变法应用到铁厂用水系统改造中,对其用水网络进行调优,实现废水排放量最小化。在厂区用水情况调查基础上,确定用水系统范围及限制杂质;并计算所确定用水系统的最小新鲜水用量和最小废水排放量;最后对其用水网络进行优化设计。改造后的铁厂用水网络新鲜水用量节约57.7%,废水排放量减少75.9%。     

浅析地聚合物的发展和研究动态

地聚合物是一类新型的高性能无机聚合物材料，是碱激活胶凝材料中最具前途的一类。由于其特殊的无机缩聚三维氧化物网络结构，使得地聚合物材料在众多方面具有比高分子材料、水泥、陶瓷和金属更高的高温性能和机械性能；另一方面，地聚合物材料制造过程中的能耗和三废排放量都非常低，材料对环境友好并且可以很好地被回收再年利用，是一种可持续发展的“绿色环保材料”。在比较全面地论述地聚合物材料的发展历史、生产工艺的基础上分析目前存在的问题，提出开发地聚合物材料是兼顾社会发展和减轻环境污染问题的一个较理想的对策。     

航天器总装事故原因事件重要度分析

为解决传统安全性定量分析方法不能描述航天器总装这一复杂人-机-环系统的失效数据波动性和非严格逻辑关系的问题,结合生产实际,采用问卷调查的方法找出影响总装事故的风险因素,即导致事故的事件发生可能性、输入事件对输出事件的影响程度等。在验证调查数据的有效性之后,应用基于模糊数的模糊因果图(FCD),计算某航天器与支架车连接作业的事故风险可能性。提出原因事件重要度的计算方法。通过计算发现,人员注意力和发动机保护罩作用是导致发动机损伤的关键事件。与模糊事故树(FFT)、贝叶斯网络(BN)重要度计算结果对比表明,模糊重要度计算结果能反映事故发生可能性对原因事件发生可能性值的增减的敏感度。     

基于卷积神经网络的冲击地压预警方法研究*

为探究深度学习在冲击地压预警方面的应用前景,以新疆某冲击地压矿井为研究背景,将深度学习和专家评判运用到微震数据分析中,基于卷积神经网络构建冲击地压预警模型。充分利用一维卷积神经网络对时序数据有较强特征提取能力的优势,以微震数据及其特征参数作为输入,以专家评判值作为标签,借助Python-Keras框架实现冲击地压预警模型的构建和训练。研究结果表明:模型预警效果并不随着训练迭代次数的增加而逐渐最优,存在最优迭代次数,对于所建模型当迭代次数为30时测试集的冲击危险预测结果与专家评判结果基本吻合,同时说明模型可以较好地学习专家评判经验实现冲击地压预警。研究表明所建模型对研究时段内发生的5次大能量矿震事件均进行预警,其准确度较高,具有现场实际应用价值。     

改善太仓城区水环境原型调水实验研究及模型建立

为达到改善太仓城区水环境的目的,于2004年4月21日进行了调水实验.调水历时14 h,期间向城区调水21.8万m3.通过对监测点采样,得到水量、水质实测数据.根据实验数据,建立了符合太仓河网的水量水质数学模型,分析了从长江引水对太仓城区水环境的改善程度.同时对不同引水方案情况下城区水环境改善效果,以及截污和清淤对水环境的影响做了分析.研究表明,引水只能短期改善水环境;要根治水环境,必须从源头抓起,进行截污.     

基于模糊神经网络方法的信息系统安全风险评价研究

为提高信息系统安全风险评价的准确性,提出基于模糊神经网络的信息系统安全风险评价模型。该模型利用模糊理论隶属度反映各因子的相对状态,对模糊性具有很高的识别精度。将风险因子模糊隶属度矩阵输入BP神经网络中,增加了它对模糊性的识别能力。通过非线性分析处理的BP神经网络进行学习和测试,得到输出风险评价等级。实例分析结果证明算法的应用性。误差分析结果证明了模型的有效性。检验结果表明,模糊神经网络模型的识别精度高于单一的模糊评价模型和神经网络模型。     

基于视频分析的空管员违规行为识别方法*

为利用视频数据对空管员违规行为进行智能化分析,降低不安全事件发生率,提出2阶段的违规行为识别模型（AR-ResNeXt）,基于实地调研构建空管员视频数据集,利用最小化动态多实例学习损失函数和中心损失函数,获得违规行为检测的判别特征表示,结合异常回归网络和ResNeXt网络,完成对空管员违规行为的时序区间检测与动作分类。研究结果表明:AR-ResNeXt模型在自制数据集中,其帧级AUC达到82.9%,分类准确率达到87.8%,可准确识别空管员发生违规行为的时序区间并进行分类,研究结果可为保障空中交通安全奠定基础。     

上覆岩层瓦斯卸压范围及流动规律的应用研究

为合理、高效地治理朱家店煤矿巷道掘进和煤层开采过程中瓦斯浓度多次超限的技术阻力,本文针对该煤矿不同煤层上覆岩层瓦斯卸压范围及流动规律进行了较为深入的研究,建立了其BP神经网络破坏高度的数学预测模型。通过合理地计算,本文确定了该矿开采煤层上覆岩层的走向及倾向卸压长度、卸压上限和卸压范围,最后提出了有效控制上覆岩层瓦斯大量流向工作面及采空区的技术策略,从而达到了遏制矿井瓦斯事故发生的目的。     

基于深度学习的工程结构损伤识别研究进展

为避免或减轻工程结构在建造和运营期间因结构振动产生不同程度损伤,造成安全隐患危及人们生命财产安全,针对结构振动损伤识别技术展开研究,探讨不同深度学习方法发展情况及其利弊,寻找更具可行性的损伤识别方法,并对其最新研究及应用现状进行全面综述。研究结果表明:应用深度学习开发新的结构损伤识别技术,无需冗余的数据预处理以及手工提取损伤特征,实现以较高精度实现损伤识别任务;一维卷积神经网络（1D-CNN）以其独特的应用优势,在数据样本有限条件下较二维卷积神经网络（2D-CNN）表现更为出色。研究结果可为数据驱动的结构损伤识别问题提供新思路,进一步完善土木结构健康监测研究体系。