空间故障树与空间故障网络理论综述

为了研究多因素变化对系统可靠性的影响,在2012年提出空间故障树理论。随着研究的深入,在2015年逐渐将智能科学和大数据技术引入空间故障树,作为分析故障大数据和因素间因果逻辑关系的处理方法。进一步地,由于实际故障发生过程中事件和影响因素多是相互联系的网状结构,在空间故障树基础上提出空间故障网络理论。其主要用于描述自然灾害和人工系统故障发生过程,是研究系统故障演化过程的理论。上述理论发展可归纳为3个阶段:空间故障树基础、空间故障树改进、空间故障网络基础。通过综述形式总结并论述了以往空间故障树及空间故障网络的提出、发展过程和作用,以使读者对空间故障树和空间故障网络有一个较为全面的认识,并以此为基础在安全科学,特别是系统可靠性领域做出更大贡献。     

基于电力历史应急大数据的应急情景规则分析与发现方法研究

为了解决电力突发事件演化过程难于预测,进而导致事件应急缺少针对性,较为被动的问题,提出在现有应急预案指导、事故模拟仿真、事故案例经验总结等方法基础上,引入基于电力历史大数据分析与预测的应急情景规则分析与发现方法,将电力应急突发事件情景构建的结果与相关大数据预测模型（汇总统计、分类与预测）相结合,提出科学、合理且具有良好操作性的情景演化规则的获取方法与技术路线,为进一步提高复杂电力突发事件的应急处置与指挥能力提供技术支撑。     

大数据在HSE管理中的应用研究——以海洋石油变更管理为例

大数据时代已经到来,依靠传统HSE管理模式难以应对严峻的安全生产形势,必须凭借大数据等新的信息技术从根本上提高HSE管理水平。尝试在海洋石油开发生产HSE管理领域,探索大数据在HSE管理决策中的应用。分析了大数据对于安全生产的重要意义,阐释了大数据及其内涵以及与HSE管理决策的基本特征和方法,以海洋石油变更管理为例,探索了大数据在海洋石油HSE管理中的应用途径、流程和方法,并指出大数据在HSE管理领域的应用研究具有重大理论和实践意义。     

基于大数据的我国再生资源回收体系优化研究

随着大数据技术的发展及其深化应用,推动大数据与再生资源产业融合已成为可能。以国内再生资源回收体系为对象,分析了现有回收体系发展状况及其存在的主要问题,提出了基于大数据思维的我国再生资源回收体系发展的思路、主要路径及相关保障措施。     

基于ANFIS改进的大气腐蚀环境缺失数据填补方法

目的针对大气腐蚀中重要环境数据缺失的复杂问题,提出一种相关因素(Relevance Factors)和自适应神经模糊推理系统(Adaptive Neuro-Fuzzy Inference System)结合的方法(RF-ANFIS)对缺失数据进行填补。方法首先采用相关因素方法计算缺失数据和多项环境因素间的相关程度,筛选出相关系数较大的因子,然后应用ANFIS构建缺失数据与所选环境因子的关系模型。最后以二氧化硫数据为具体对象,采用北京2015年的气象数据对所建立的模型进行检验。结果经过改进的RF-ANFIS模型在最优情况下样本均方误差为0.696,在14个测试样本中有13个相对误差在20%以内,针对有限样本的数据分析中更为适用。结论该方法有效提高了大气腐蚀环境数据缺失的填补精度,对在数据缺失情况下预测大气腐蚀速率具有重要意义。     

基于博弈论的环保数据质量影响因素分析研究

污染源产排污数据是一切环保工作的基础,确保真实可信具有十分重要的意义.为此,分析了影响污染源产排污数据质量的主要因素:受经济利益驱动的自身因素;受政绩利益驱动的管理因素和受地方保护驱动的政府因素等.在新环保法未得到充分贯彻,排污单位、环保主管部门和地方政府三者违法成本均低于守法成本的条件下,以博奕论为分析工具讨论了三种影响因素产生负面作用的必然性,并根据分析结果针对性地提出了提高数据质量的应对策略.     

污染源在线监控数据异常智能检测方法研究

污染源自动监测数据中存在大量异常数据,严重影响数据整体质量。建立科学可靠的自动监测数据诊断分析处理方法,可有效提升在线监控监管能力水平,为数据的深度应用提供支持。但目前尚缺乏对该方法的深入研究。因此,综述了数据挖掘领域主流异常数据检测方法,并总结了在电力、交通、金融、航天等领域的应用情况,指出存在的不足和发展方向,旨在为智能污染源自动监控数据异常检测提供指导,促进污染源自动监控系统发展。