基于灰色GM(1,1)-马尔科夫模型的职业病预测研究

为准确预测量化我国职业病的发病趋势,在灰色GM(1,1)模型的基础上结合马尔科夫过程构建灰色GM(1,1)-马尔科夫预测模型,探讨灰色GM(1,1)-马尔科夫模型在职业病预测领域的应用。通过平均相对误差、后验差比值、小误差概率3个指标对该组合模型的预测精度进行评估。结果表明:10维灰色GM(1,1)-马尔科夫模型与原始数列的拟合程度较高,预测精度等级为一级（好）,该组合模型的预测精度优于单一的灰色GM(1,1)预测模型;在遵循新陈代谢原理的情况下,我国职业病发病呈现上升态势,2015—2018年的职业病发病例数依次为31 196,36 284,37 724,39 147例。     

基于Box Behnken设计的煤导热系数分析与预测

为研究分析水分、固定碳及密度3个因素对煤导热系数的影响,选取多个矿井不同煤质的煤作为实验煤样,使用NETZSCH LFA457型激光导热系数测试仪进行测定,并引入二次响应曲面试验设计思想,采用Design Expert软件进行煤质指标的Box Behnken试验设计,按设计表筛选实验数据,构建了导热系数多因素、多水平影响下二次回归响应曲面模型,并对不同采样地点的煤导热系数进行了分析与预测。结果表明:二次回归方程P值小于0.000 1,极显著,失拟项为0.072 4,不显著,回归方程具有统计学意义;当水分在0.9%~10.9%,固定碳在49.3%~83.6%,密度在1.2~1.92 g·cm³之间,对煤的导热系数一次项影响程度为密度>固定碳>水分;二次项影响程度为固定碳和密度>水分和密度>水分和固定碳,且固定碳和密度之间存在交互作用,水分和密度、水分和固定碳之间无交互作用;应用响应曲面模型预测的煤导热系数误差为4.3%,满足精度要求。     

基于缓冲区重采样的LSTM林火预测模型*

为提高林火风险预测精度,挖掘地图上隐含的空间信息、时间序列上隐含的长期趋势和循环波动,提出1种基于缓冲区重采样的长短期记忆（LSTM）林火预测模型,选取15个与林火相关的影响因素,以方差膨胀因子为评价指标对其进行多重共线性检验,方差膨胀因子大于10的因素具有共线性,并采用信息增益率验证筛选结果的合理性。考虑到火灾的空间聚集特性,采用缓冲区分析与过采样相结合方法减少样本不均衡现象的影响,最终得到176 732条样本。对12个影响因素和研究时间段的火点建立LSTM预测模型,对森林火灾发生风险进行预测。研究结果表明:基于缓冲区重采样的LSTM林火预测模型有效考虑时空上隐含的信息,预测模型准确率为87.06%,特异性为97.99%,敏感度为76.12%,阳性预测率为97.43%,阴性预测率为80.41%,ROC曲线与AUC值均优于随机森林（RF）和支持向量机（SVM）这2种基准算法。维尔克松秩和检验发现,本文提出的模型与基准算法结果具有显著性差异。研究结果可为提高林火风险预测精度提供参考。     

基于灰建模的瓦斯含量多变量预测模型研究

研究了GM(1,N)、GM(0,N)瓦斯含量预测模型的数学原理,收集郑煤集团告成矿地质勘探期间及生产期间的瓦斯含量实测资料,获得16个可靠点,选取基岩厚度、新生界厚度、煤层厚度、煤层水分、煤层灰分、50m顶板含砂率6个因素作灰色建模预测的指标,分别建立了GM(1,6)和GM(0,6)瓦斯含量多变量预测模型。根据计算和评价结果,GM(1,6)和GM(0,6)瓦斯含量预测模型精度均能够满足工程精度的要求,说明利用灰色模型来预测瓦斯含量是可行的。由于前者精度略高于后者,故建议告成矿采用GM(1,6)模型来进行未知地区煤层瓦斯含量的预测。需要注意,由于模型没有考虑构造的影响,在实际预测时,还应根据构造对待预测区的影响关系和影响程度对模型的预测结果进行修正。     

立井揭煤前测定煤层瓦斯压力的方法与实践

为了解决复杂环境下立井揭煤前煤层瓦斯压力的可靠测定,基于揭煤井筒瓦斯地质特征、煤岩体物理力学性质,应用COMSOL软件模拟揭煤工作面在接近目标煤层时,井筒周围煤岩的地应力分布特征,直观展现了目标煤层中的应力分布结果。模拟结果表明,立井工作面距煤层的垂直距离为7 m时,煤层中会形成一个近似于环形的卸压圈,卸压半径为16 m,因此煤层瓦斯压力测试孔的终孔位置应布置在井筒中心线16 m以外的原始地应力区,以保证测压点瓦斯压力不受揭煤井筒卸压区的影响,令测压结果准确可靠,从而更好地预测煤与瓦斯突出区域的危险性。同时,结合立井揭煤工作面的水文地质特征和井筒严重淋水情况,自主研发并应用了瓦斯测压孔"两堵一注"封孔材料及特定的封孔工艺,进一步保障了封孔质量和瓦斯压力测试结果的可靠性。最后,依据测压结束时测压管内的实际水压情况,对测压结果进行修正,并依据实测瓦斯含量,采用间接法对所测得的瓦斯压力进行验证,实测值在反算得到的瓦斯压力值域内,表明此方法有效可行。     

基于BP神经网络的二元混合液体自燃温度预测

为了给工业界提供一种快速预测二元混合液体自燃温度的有效途径,将试验所测不同组分及配比的168个二元混合液体的自燃温度作为期望输出,将基于电性拓扑状态指数(ETSI)理论、引入混合ETSI概念而计算出的9种原子类型所对应的混合ETSI作为输入,采用三层BP神经网络技术建立了根据原子类型混合ETSI来预测混合液体自燃温度的BP神经网络模型,并应用改进的Garson算法进行多参数敏感性分析。经模型评价验证及稳定性分析,得到训练集的决定系数R2为0.965,平均绝对误差MAE为11.892 K,测试集的交叉验证系数Q2ext为0.923,平均绝对误差MAE为15.530 K,发现该模型的预测性能优于已有的多元非线性回归(MNR)模型,表明BP神经网络模型具有较好的拟合能力和预测能力,对烷、醇类混合体系自燃温度的预测精度最佳。     

基于模糊均生函数和最优子集回归的飞行事故率预测

为有效预防飞行事故的发生,针对飞行事故率具有随机波动性和趋势性的特点,采用模糊均生函数(FMGF)和最优子集回归(OSR)建立飞行事故率预测模型。该方法把FMGF延拓序列作为预测因子加入OSR方程,将FMGF分析和因子筛选相结合作OSR,进而对飞行事故率进行预测。通过对美国空军1988—2004年的飞行事故率进行拟合预测,结果表明:将FMGF模型和OSR模型有机结合,能够有效刻画飞行事故率的随机波动特性,并且其预测结果的相对误差也较小。     

隧道爆破振动影响因素的灰色关联分析

为优化隧道爆破方案,降低爆破振动危害,采用灰色关联分析法(GRA)对爆破振动的影响因素进行分析。首先确定振动速度、主振频率和振动持续时间作为系统特征变量,确定总药量、最大段药量、掏槽孔最大段药量、雷管段数、爆心距、最小延期间隔时间、临空面数等作为相关因素变量;再结合厦门某隧道爆破实测数据,进行灰色关联计算;然后对计算结果进行排序和优势分析,得到爆破振动影响因素的主次顺序,其中准优因素为爆心距,可控准优因素为雷管段数和掏槽眼最大段药量;最后对隧道爆破参数进行优化,测点爆破振速由1.2 cm/s减小到0.74 cm/s,降振率达38.3%。结果表明,采用GRA确定爆破振动主要影响因素,为有效控制爆破振动提供理论依据。     

基于二元语义的职业健康安全管理体系绩效评价

为提高职业健康安全管理体系(OHSMS)绩效和职业健康安全绩效,根据OHSMS绩效评价的重要性,提出基于二元语义的OHSMS绩效评价模型。研究科学合理的评价指标体系,并运用层次分析法(AHP)和灰色关联分析法(GRA)确定主客观权重,再运用乘法集成法确定组合权重,作为评价指标的最终权重,运用二元语义的集结算子,计算OHSMS绩效评价指标的综合值,取得最终的评价结果。结果表明,基于二元语义的OHSMS绩效评价将专家经验与定量计算相结合,合理地处理许多因素的不确定性,通过确定不符合项和改进措施,持续改进OHSMS绩效。     

基于ARIMA-LOESS模型的危化品道路运输事故起数预测

文章针对危化品道路运输事故预测问题,运用差分自回归移动平均模型(Autoregressive Integrat-ed Moving Average,ARIMA)与局部加权回归模型(Locally Estimated Scatterplot Smoothing,LOESS)的组合模型,对我国危化品道路运输事故发生起数进行...