结构应力逆向推演模型及其不确定度定量分析

目的 针对现有结构安全在线监测与评估方法存在的短板,结合人工智能方法探索新的解决方案。提出一种基于有限测点应力逆向推演整体结构应力分布的方法,以数据驱动的模式,基于神经网络技术搭建算法模型。方法 以结构有限元仿真数据为基础,运用相关性分析方法,获取代表结构响应特征的有限个测点,利用神经网络方法构建基于有限测点应力推演结构全场应力分布的算法模型。结果 以科学试验平台的连接器结构为对象,开展该算法模型的应用研究,并且对该应用实例下的算法模型开展不确定度分析,推演结果的相对不确定度u95rel为8.6%。结论 该算法模型的推演结果正确反映了结构总体响应特征。从建模过程角度分析,该算法模型的不确定度来源主要包括相关性分析方法、神经网络建模以及模型收敛条件3个方面。     

基于信息融合的自然灾害等级评估方法研究

为对自然灾害灾情等级进行准确评估,在BP神经网络模型的基础上,结合DS证据理论建立基于信息融合的自然灾害灾情等级评估模型。该模型通过对输入的灾害评估指标数据进行分类,建立网络组,对网络组的输出,建立对于各类信任度的基本概率分配函数,最后利用DS证据理论融合,从而实现灾害的最终等级评估。在MATLAB环境下,以我国45个自然灾害的灾情历史资料数据为训练样本进行模型训练,并对2009年自然灾害灾情进行评估测试。结果表明,该模型能改善单一BP神经网络不稳定、误差大的缺点,得到较优的结果。     

驾驶员注意涣散检测技术研究

通过对注意涣散时驾驶员头部运动及面部表情变化特征的分析,系统实时监测驾驶员眼睛、嘴巴位置和运动状态信息,构建驾驶员注意涣散特征表征参量,实现对驾驶员注意涣散状态信息的检测与提取。驾驶员注意涣散表征量具有复杂的非线性特征,利用BP神经网络非线性识别的优势对驾驶员注意特征进行模式分类,实现驾驶员不同注意涣散状态下的特征捕捉。同时采用Dempster-Shafer证据推理技术,对驾驶注意涣散多源表征信息进行决策融合,实现对驾驶员注意涣散状态的判断。结果表明,BP神经网络与D-S规则多源信息决策融合技术的运用提高了驾驶员注意涣散特征检测的准确性和可靠性。     

基于模糊综合评价的城市燃气管网第三方破坏失效可能性研究

针对第三方破坏事故具有多样性、复杂性和不确定性等特点,建立城市燃气管网第三方破坏失效可能性评价模型。辨识出包括社会环境与公共关系、管道敷设状况、破坏与防控、管理与误操作以及自然环境等5类一级因素和19个二级因素,通过改进的层次分析法确定各级影响因素的权重,并运用多层次模糊综合评价法得出管道第三方破坏失效可能性的大小。以成都市某燃气管道为例进行验证分析,按照最大隶属度原则对评价结果进行处理。     

人防工程消防系统设计的若干问题

从人防工程内消防系统的重要性入手,分别从消防水源、消火栓系统的独立分区、消防阀门的设置以及消防排水4个方面探讨了人防工程内消防设计的一些常见问题,强调设计中应考虑平、战结合,方便临战时转换。     

基于BN的FTA在通用航空风险评价中的应用

针对事故树分析法(FTA)在风险评价中的局限性,采用以事故树为基础建立的贝叶斯网络(BN)风险模型,对通用航空中的两机空中相撞事故进行分析和推理,对事故模型进行改进和修正时,注重基事件的多态性和事件间的逻辑合理性。根据贝叶斯推理得出的数据,找到了事故的主要致因。结果表明,基于BN的FTA既能向前预测顶事件的发生概率,又能向后诊断基本事件的后验概率,可以更好地对通用航空风险进行评价。     

不同水文情景下白洋淀水体好氧反硝化菌群对水质因子的动态响应

为探究不同水文情景下白洋淀水体好氧反硝化菌群的演变规律和驱动机制,基于水质调查和高通量测序技术,进行了水体水质因子分析、好氧反硝化菌群α多样性分析、物种组成和网络分析.结果表明,白洋淀水体呈弱碱性,丰水期水体T最高,DO最低,冰封期T最低,DO最高.白洋淀水体在枯水期、丰水期、平水期和冰封期下NH₄⁺-N、NO₂^--N、NO₃ ^--N、TN、高锰酸盐指数、Fe和Mn之间均存在显著差异（P < 0.01）,其中TP在不同水文情景下不存在显著差异（P > 0.05）.不同水文情景下水体中最大的细菌门类为Proteobacteria,相对丰度较高的属为Magnetospirillum、Aeromonas、Pseudomonas、Azospirillum和Bradyrhizobium.此外,好氧反硝化菌群的α多样性均存在显著差异（P < 0.001）,冰封期菌群丰富度最高,枯水期和冰封期菌群的多样性和均匀度最高.经RDA、Mantel分析,菌群的水质驱动因子在不同水文情景下有所差异,枯水期菌群的水质驱动因子为pH、NO₃^--N、NO₂^--N和高锰酸盐指数,丰水期菌群的驱动因子为pH、T、DO、NO₂^--N和TP,平水期的驱动因子为NO₂^--N、Fe和高锰酸盐指数,冰封期菌群的驱动因子为NO₃^--N和NO₂^--N.网络分析表明与水质驱动因子相关的物种存在时间差异,枯水期与水质驱动因子相关的属为Magnetospirillum、Aeromonas和Azoarcus,与丰水期相关的属为Magnetospirillum、Pseudomonas和Aeromonas,与平水期相关的属为Magnetospirillum、Pseudomonas和Limnohabitans,与冰封期相关的属为Magnetospirillum、Azoarcus和Pseudomonas.不同水文情景关键水质因子（主要是T、DO、NO₃^--N和高锰酸盐指数）与好氧反硝化菌群之间的关联关系,随着时间演变也在逐渐发生变化.综上,通过对不同水文情景下白洋淀水体好氧反硝化菌群演变特征及环境因子驱动机制进行研究,可为认识天然环境中好氧反硝化菌群演变机制提供依据.     

基于U-Net深度神经网络的早期火灾烟雾自动分割方法

在火灾事件监测中,为了减少数据处理量、加快探测速度,需要先分割出疑似烟雾区域。传统的烟雾分割算法大多需要设置阈值进行处理,算法的环境适应能力还需进一步提升。在研究中,使用U-Net结构的深度神经网络进行早期火灾烟雾的自动分割,通过半自动算法人工辅助分割出烟雾区域的图像样本,基于深度神经网络对分割烟雾区域进行学习,得到原始视频帧到分割结果的映射模型,并据此模型进行烟雾区域分割。在测试集上的分割实验结果表明该方法与传统方法相比,不需要设置阈值,自动化程度更高,分割速度极快,在疑似烟雾区域分割任务中性能较好。     

重大危险源事故风险预警技术研究

重大危险源事故风险预警技术是事故控制技术中的一大研究重点。本文通过对比分析安全生产领域常用事故预警模型的优缺点,总结了事故预警模型的发展趋势,提出了基于模糊综合评判技术和动态模糊神经网络技术的重大危险源事故风险预警模型,详细陈述其构建过程,最后对液化石油气蒸气云爆炸事故应用该模型,得到了较好的预测效果,实现了风险程度的定量化预警。该预警模型具有快速的自学习能力和容错能力,能够同时处理多种风险因素、自动生成模糊规则并满足预警系统的实时性要求,可应用于重大危险源在线监控预警系统,为企业端和政府端监管者提供有效的重大危险源事故风险定量化预警信息,为遏制重大灾难事故的发生、减少死亡人、数受伤人数和直接经济损失提供先进的理论和技术支撑。     

矿井通风网络数据可靠性检验

进行矿井通风阻力测定时,由于受环境的温度、湿度、压力传递存在时间差以及测点处标高不准确等因素的影响,根据实测数据,计算所得矿井巷道基础数据存在一定的误差,常用的测量数据检验方法只能对若干条通路进行闭合回路检验,而不能对全矿井通风网络基础参数进行可靠性检验。本文中所介绍的检验方法将风网基础数据输入通风网络解算软件,以实测风量和经过计算所得巷道风阻为基准,实测风量为目标条件,进行计算机通风网络模拟,对全矿井巷道风阻进行连续的优化调整,使通风网络模拟结果与实际测定各巷道风量基本符合,从而实现全矿井风网基础数据的可靠性检验。该方法在某矿进行了实际应用,实践证明此方法科学、准确的获得了全矿巷道风阻参数,为矿井的通风改造奠定了技术基础。