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。     

计算机辅助事故树分析研究

计算机辅助事故树分析中,求最小割集和绘制事故树是非常重要的。实用中,由于事故树往往规模庞大且最小割集的数目难以预知,这就使传统的用不能动态扩充的数组实现的计算机算法在应用时受到很大限制。本应用VC＋＋（MFC）中可动态扩充的数组类数据结构,实现求最小割集的Fussell算法,并提出和实现“堆砖法”计算机辅助事故树绘图。     

进化蚁群算法及其在湖泊富营养化评价中的应用

蚁群算法是近年提出的一种新型的仿生算法,已在许多组合优化问题中得到成功应用,但是传统蚁群算法解决连续优化问题的能力较差.为提高其解决连续优化问题的能力,拓宽应用范围,引入带可变邻域搜索项的进化策略对其进行改进,进而提出进化蚁群算法.随后从2个方面对进化蚁群算法的性能进行测试:①采用多个经典测试函数测试进化蚁群算法用于解决连续优化问题的效果;②将进化蚁群算法应用于千岛湖的富营养化程度评价,以测试该方法解决实际问题的效果.函数测试结果表明,进化蚁群算法可以成功用于解决连续优化问题,并且优化过程所需初始个体的数量少,优化速度快;千岛湖富营养化程度评价实例的结果表明,进化蚁群算法应用于湖泊富营养化评价是可行的,可用于解决实际问题.      

基于优化算法的弹药贮存寿命预测方法

目的 实现对缺失及不足的制导弹药贮存失效数据预测及补充的能力。方法 首先通过4种不同的预测算法（GA-BP、PSO-BP、GA-SVM、PSO-SVM）,对自然贮存条件下弹药贮存失效数据进行预测,其次根据最小二乘拟合法,实现弹药贮存寿命评估模型的构建,再通过寿命评估模型,计算出不同方法下对应的贮存寿命。结果 通过不同模型的构建,4种预测方法与无优化条件下均能实现弹药贮存失效数据的预测,并且在规定可靠度,GA-BP和PSO-BP预测精度比另外2种方法更低。结论 GA-SVM与PSO-SVM更适合弹药贮存失效数据的预测,且效果更好。     

B－P网络用于环境质量分类研究

用全国２５个湖泊的水质指标资料作为训练样本，应用人工神经网络Ｂ－Ｐ算法，分别建立了３参数和４参数的水质分类模型。并用所建立的模型对６个湖泊水质进行分类检验效果。结果表明Ｂ－Ｐ模型应用于环境质量分类是可行的。且由于Ｂ－Ｐ网络有自学习、自适应的能力，因而与其它的环境质量分类法相比具有优越性。     

基于智能算法的大气污染防控知识图谱：研究方法、演化路径与应用展望

大气污染防控是保障人民健康与生命安全重要的研究课题,智能算法是大气污染防控及预测预警的重要工具手段。通过Citespace对Web of Science核心数据库中1998—2021年智能算法在大气污染防控中应用的文献进行可视化分析。结果表明：(1)智能算法在大气污染防控应用历经“数理统计-遥感监测-数字模拟-神经网络算法”四个阶段;(2)研究主题集聚为“神经网络模型”“智慧健康检测系统”和“城市空间的大气污染”三个核心聚类演变路径;(3)应用方式包括“大气污染时空分布”“大气污染因素相关性”“大气污染事件预测”“空气质量优劣评估”与“健康韧性城市应用”五个方面。未来智能算法在大气污染防控中的应用趋势,将体现“高精度预测-全周期评估-健康化理念”的特点。     

基于BP神经网络的饱和砂土液化判别方法

基于唐山地震中大量的砂土液化现场实测资料,选取描述地震动特性的烈度、震中距、地面峰值加速度和描述砂土层埋藏环境条件的地下水位、标贯点深度(土层深度)、上覆非液化覆盖土层厚度、有效覆盖压力,以及表示砂土自身属性的标准贯入锤击数、平均粒径、不均匀系数、修正标贯击数共11个指标的不同组合作为输入变量,采用快速BP算法和LM算法构造了饱和砂土液化判别的BP神经网络预测模型.通过所建网络模型的训练、验证和应用,结果表明:(1)所建14个BP神经网络模型都是有效的,液化判别的准确度与模型输入变量的不同组合有关;(2)增加网络模型的节点(考虑因素较多)并不一定能够提高BP神经网络模型的液化判别准确度,反而增加了BP神经网络模型的复杂性和学习时间;(3)两种算法的BP神经网络模型都有很高的液化判别准确度,LM算法的计算速率要比快速BP算法快得多,但在计算过程中需要更多的内存,建议采用LM算法;(4)采用所提BP神经网络模型的权值与阈值进行其它预测样本的液化判别时,判别结果可能偏于保守;(5)从影响砂土液化的主要因素、获取指标难易程度考虑,在与<建筑抗震设计规范>砂土液化判别公式考虑指标一致的情况下,建议采用BP神经网络模型M4或M5a,该模型简单、方便,且其预测准确度远高于<建筑抗震设计规范>的砂土液化判别准确度.     

用遗传算法优化工业污染源布局

工业污染源的优化布局是复杂的以偏微分方程为约束条件的控制问题。遗传算法是一种近年发展起来并广泛应用于多个领域优化问题的最优化方法。引入罚函数来处理环境不等式约束，建立了适当的编码方式和适应度函数，应用遗传算法以求解优化布局问题，并进行了数值试验。数值试验结果表明，遗传算法可以有效地用于求解工业污染源的优化布局问题，而且该方法鲁棒性好，适用于任意的目标函数和空气污染模式，天然适合于并行计算，有很好的应用前景。     

遗传算法改进措施

标准遗传算法是一种导向随机搜索算法,具有较强的全局搜索能力.但遗传算法存在早熟收敛及收敛速度慢等问题,许多改进的遗传算法被提出,有效地克服或减轻了上述问题.参17.