地铁施工工人不安全行为关联规则研究

当前工人不安全行为研究多侧重从理论和方法的角度出发,而通过数据挖掘探究规律性方面的研究存在不足,因此,提出了地铁施工工人不安全行为关联规则研究。首先,构建关联规则挖掘数据库,以大量反映现场不安全行为的照片为数据来源。然后,利用Apriori算法,通过SPSS Modeler软件建模,以地铁车站施工机械操作人员为例介绍关联规则挖掘过程和结果。结果表明:机械操作人员存在有效强关联项为“开挖降水→挖土机作业时周围区域内有其余工人作业活动”。说明针对不同工种岗位的工人,在不同施工阶段存在易出现的不安全行为,可以有针对性地进行控制与管理,从而降低事故率。     

民族传统文化对农作物遗传多样性的影响——以贵州黎平县香禾糯资源为例

贵州黎平县内丰富的香禾糯资源是侗族人民赖以生活的物质基础,孕育了侗族特有的生产生活方式和文化习俗,而侗族的传统文化习俗也促进了香禾糯的持续种植和保护.通过研究黎平县香禾糯的历史发展情况,结合2013 年对黎平县香禾糯品种资源的实地调查,发现黎平县至今仍保留了45 个不同品质特征和用途的香禾糯品种,说明香禾糯丰富的遗传多样性.从侗族的饮食文化、节日庆典、宗教信仰、传统农作方式等方面,探讨传统文化习俗与香禾糯品种资源保护的关系,发现香禾糯是侗族油茶、扁米、腌制品等日常食品的必备原料,也是婚丧嫁娶、传统节日、礼尚往来、祭祀仪式的必需品,同时,侗族和谐共生的“稻-鱼-鸭”生产模式更提高了香禾糯的社会经济效益,文章揭示了侗族的传统知识和文化习俗是保持香禾糯高度遗传多样性的根本原因.最后,针对香禾糯资源消失的现状,提出相应的保护措施与建议,供相关部门参考.     

基于遗传算法和场域模型的多障碍物房间人员疏散研究

为提高多障碍物房间的人员疏散效率,利用场域元胞自动机模型并融合经典遗传算法,对2出口和4出口的多障碍物房间进行布局优化和疏散仿真研究。研究结果表明：利用遗传算法可快速寻找最优座椅布局,连排座椅设置在远离出口侧可有效减轻行人疏散时的拥堵程度;经过遗传算法优化后的座椅布局可协调疏散人群到达出口的时间,从而缓解出口通行压力,提高整体疏散效率,保障行人在大型多障碍物房间内的疏散安全。     

基于改进NSGA-Ⅱ算法的危险品运输路径优化研究

危险品运输路径的选择对于降低危险品运输事故危害有着重要的影响.首先通过构建时空矩阵存储道路信息用以模拟危险品运输事故率和事故后果,并结合成本因素建立综合、动态、多目标的危险品运输路径优化模型;然后改进了NSGA-Ⅱ算法,即在其算法模块中利用基于优先级的编码方式代替传统二进制编码方式,自定义问题模块中加入判断跨时间段的条...     

武汉市轨道交通线网应急救援站选址研究

城市轨道交通线网对城市的发展起着重要作用,针对城市轨道交通网络化运营以及突发事件的相关特点,结合复杂网络的相关理论,利用Pajek软件进行网络中心性分析,同时考虑到空间、成本、救援3个约束条件,建立“P-中心应急救援站选址模型”,使轨道交通线网中最大应急救援距离最小,同时防护到网络中所有的需求站点;利用遗传算法进行编程计算和模型求解,以得到最优结果;以武汉市轨道交通线网为例进行应急救援站选址研究,得到12个应急救援站的最佳布置方案,最后通过线网脆弱性对比分析验证了该方案的脆弱性最小,说明选址方案可靠。     

不同空间尺度下危化品运输路径优化

为了解决化工园区危化品运输路径优化问题,研究了化工“园区间”与“园区内”2种空间尺度下危化品运输的影响因素差异性,提出以最小化运输阻抗、最小化运输风险和最小化风险敏感度为优化目标的不同空间尺度下危化品运输路径优化模型。通过目标量化确定每条路径上的目标值,将标准化后的目标值引入到Dijkstra算法和集成目标函数最优折衷路径的扩展标号法中,对危化品运输多目标优化模型进行求解。研究结果表明:不同空间尺度下的危化品运输最优路径不同,应根据危化品运输的实际情况对运输路径进行选择。最后,以平顶山某化工园区的抽象路网为例对优化模型进行验证。     

智能预测算法在污水处理pH值控制中的应用

在处理污水时pH值的变化过程具有高度非线性和时滞性,常规PID控制器的控制效果不够理想。介绍了污水处理过程的反应原理以及pH值控制方面存在的问题,阐述了非线性预测控制算法的一般步骤,确定了污水pH值智能预测控制的研究思路。确定了输入输出变量并搭建其数学模型,然后根据数学模型构建了神经网络预测模型。将粒子群与BP神经网络相结合,利用粒子群算法优化神经网络的初始权值阈值,既能克服BP算法局部最优的问题,又能提升收敛速度及预测精度。最后将智能预测控制算法的输出作用于PID控制回路的设定值。仿真结果表明,智能预测控制算法控制性能优于单纯PID控制,能更快跟踪设定值,具有更强的适应性。     

基于遗传-蚁群算法的单层建筑火灾疏散路径规划研究

为解决如何快速、有效地找出单层建筑火灾最佳疏散路径问题,分析火灾发生时可能影响人员逃生及最佳路径生成的因素。提出基于遗传-蚁群算法求解火灾时期人员疏散路径。运用遗传算法的快速全局搜索能力,对蚁群算法初期所需要的信息素进行快速处理;利用蚁群算法的正反馈机制,快速找出可行路径,缩短搜索时间;并运用Matlab软件对其进行仿真。结果表明:遗传-蚁群算法所求得的路径生成质量有明显提高,并缩短路径生成时间,有助于提高人员逃生效率,降低人员伤亡率。     

1种基于CCRP火灾情况下的动态疏散算法

为在火灾发生时给逃生人群规划最优的安全疏散方案,基于CCRP算法开发1种火灾情况下受容量限制的动态疏散算法。该算法模型将发生火灾的建筑布局信息表达成节点连接弧形式,鉴于可预测危害蔓延对火灾逃生过程中疏散通道封锁时间的影响,为建筑网络图上的节点赋予“危险时刻”属性,逃生人员通过节点的时刻必须小于该节点的“危险时刻”才能规避火灾危险;基于eclipse软件平台,通过动态疏散算法与相似Dinesh算法应用实例对比仿真分析,验证基于CCRP的动态疏散算法的可行性与优越性。结果表明:通过该算法计算出的逃生路径保证逃生人员在最短时间疏散出去;且其具有安全性高和耗时少等优点。     

A beetle antennae search improved BP neural network model for predicting multi-factor-based gas explosion pressures

A gas explosion in an underground structure may cause serious damage to the human body and ground buildings and may result in huge economic losses. The pressure of the gas explosion is an important parameter in determining its severity and designating an emergency plan. However, existing empirical and computational fluid dynamics (CFD) methods for pressure prediction are either inaccurate or inefficient when considering multiple influencing factors and their interrelationships. Therefore, for a more efficient and reliable prediction, the present study developed a multifactorial prediction model based on a beetle antennae search (BAS) algorithm improved back propagation (BP) neural network. A total of 317 sets of data which considered factors of geometry, gas, obstacle, vent, and ignition were collected from previous studies. The results showed that the established model can predict pressures accurately by low RMSE (43.4542 and 50.7176) and MAPE (3.9666% and 4.9605%) values and high R² (0.7696 and 0.7388) values for training and testing datasets, respectively. Meanwhile, the BAS algorithm was applied to improve both the calculation efficiency and the accuracy of the proposed model by enabling a more intelligent hyperparameter tuning method. Furthermore, the permutation importance of input variables was investigated, and the length (L) and the ratio of length and diameter (L/D) of geometry were found to be the most critical factors that affect the explosion pressure level.