基于改进的PSO‑BP神经网络的边坡稳定性研究∗

边坡稳定性研究对于重大地质灾害防治极其重要，但由于影响边坡稳定性的因素具有非线性、多样性以及模糊性等特征，边坡稳定性分析一直是地质灾害防治领域的热难点问题。已有研究表明神经网络预测模型可有效应用边坡稳定性分析，但同时存在预测精度低、鲁棒性差、收敛速度慢等缺点。为改善上述问题，在粒子群算法优化的 BP 神经网络（简称 PSO?BP 神经网络）算法基础上提出一种改进的边坡稳定性预测模型。该模型以容重、内聚力、内摩擦角、边坡角、高度、孔隙压力比作为输入参数，以安全系数作为输出参数。通过借鉴遗传算法中的变异思想来提升模型全局寻优的能力，利用能量函数负梯度下降原理提高模型的收敛速度。将所收集到百余条边坡数据进行数据清洗，最终得到 80 条高质量边坡数据，随机选取其中的 50 条边坡数据作为模型的试验数据。最后采用十折交叉验证的方法对模型的准确性进行验证，并在多维度与其余边坡稳定性神经网络预测模型进行对比分析。结果表明：①该模型相比于其余模型收敛速度、准确率、鲁棒性均有明显提高；②将 K 折交叉验证应用在小样本数据下的边坡稳定性神经网络预测模型，可有效避免结果的偶然性。③该模型的预测误差仅为 4.31%，满足工程精度需求，可在实际工程中为边坡稳定性分析与灾害防治提供参考。     

基于ADPSO-FNN算法的催化再生烟气二氧化硫预测方法

为了解决催化裂化装置再生器出口烟气二氧化硫质量浓度难以实时预测的问题，提出一种基于自适应粒子群优化-模糊神经网络(Adaptive Particle Swarm Optimization-Fuzzy Neural Network, ADPSO-FNN)算法的催化再生烟气二氧化硫质量浓度智能预测方法。首先，针对数据来源多，且来自数据采集系统(Data Collection System, DCS)与实验室信息管理系统(Laboratory Information Management System, LIMS)中多维数据时间尺度不匹配的问题，利用基于自适应回归算法实现多时间尺度的数据清洗；其次，建立基于模糊神经网络算法的二氧化硫质量浓度预测模型，提取再生烟气产排过程中的动态特性；然后，提出基于动态惯性权重和学习因子机制的自适应粒子群算法，平衡全局探索能力及局部开发能力，实现再生烟气二氧化硫质量浓度的预测；最后，利用炼厂检修前、后的数据分别建立二氧化硫预测模型并进行测试。结果显示：该预测方法实现了催化再生器出口二氧化硫的准确预测，解决了现场多时间尺度数据难以建模的问题。     

灾害系统视角下的灾害耦合效应探讨

灾害耦合效应是灾害风险科学领域关注的焦点议题，与复杂灾害事件具有密切的联系。该文首先从词源角度阐述了“耦合”的内涵，提出了灾害耦合效应的概念，对比了灾害耦合与灾害叠加的差异，阐述了灾害耦合效应的整体性、有序性、动态性和目的性特征。其次从灾害系统的角度出发，分析了灾害系统结构体系和功能体系及演化过程与灾害耦合效应的联系，提出灾害耦合效应具有灾害形成要素耦合和灾害演化过程耦合，并探讨了两种耦合内在的特征及两者互动作用。再次从复杂灾害事件角度出发，探究了灾害群、灾害链和灾害遭遇与灾害耦合效应的关系，提出灾害演化过程耦合与灾害演化网络视角下的灾害链过程具有一致性，灾害形成要素的耦合与广义的灾害遭遇具有一致性。最后该文提出了加强灾害耦合效应研究与实践的关键点。     

基于改进粒子群算法的儿童防护系统优化

为保障儿童乘车安全，采用改进多目标粒子群算法优化儿童约束防护系统。首先，开展40%偏置碰撞的台车试验，验证儿童座椅台车试验仿真模型的有效性，建立儿童安全气囊模型；然后，建立防护系统参数与儿童头部、胸部损伤指标的二阶响应曲面模型，融合遗传算法的交叉变异和精英保留策略，提出改进的多目标粒子群算法，并验证改进算法的有效性；最后，利用多目标模糊优选决策算法获得系统设计参数的最优值，结合台车试验仿真模型，验证优化模型及算法的有效性。结果表明：模型的最优值兼顾对儿童头部和胸部的防护；遗传算法和粒子群算法的融合算法，可提高模型的收敛速度。     

基于BWM群决策赋权与FMEA的风险评估方法*

为实现BWM群决策评估结果的有效聚合，构建1种基于输入数据的决策者赋权法。该赋权法基于输入数据的一致性水平，衡量决策者对评估对象的认知程度并确定权重，使BWM能够应用于群决策过程，从而构建基于BWM群决策赋权和FMEA的风险评估法。通过邮轮玻璃幕墙风险评估的实例验证该方法，并通过序数一致性分析方法的有效性。研究结果表明:在客观数据缺乏而依赖专家主观经验评估的情况下，该方法能够降低评估能力较低个体对团队评估结果的影响。     

改进的模糊DEMATEL模型在码头群协同应急风险因素分析中应用

多个码头间的协同应急风险一直是阻碍码头群发展的卡脖子问题之一。为此，将决策试验和评价实验室(Decision-making Trial and Evaluation Laboratory, DEMATEL)方法引入风险领域，并提出用于分析多属性码头群协同应急风险因素的模糊DEMATEL模型。通过计算因素间的相互影响关系，成功地识别出了“协同应急人员培训和知识更新”“应急人员协同能力”“码头群应急预案的完备性”以及“码头群协同应急演习”4个关键因素，进而便于码头群管理者精准和高效的管理。DEMATEL模型的识别方法和计算结果对港口群协同应急风险因素辨识同样具有重要参考价值。     

基于小波KPCA-SSA-ELM的盐穴储气库注采管柱内腐蚀速率预测

为提升盐穴储气库注采管柱的内腐蚀速率预测精度，建立了基于小波核主成分分析方法(Kernel Principal Components Analysis, KPCA)和樽海鞘群算法(Salp Swarm Algorithm, SSA)优化的极限学习机(Extreme Learning Machine, ELM)腐蚀速率预测模型。首先通过小波KPCA提取影响注采管柱内腐蚀的主要特征，应用ELM建立盐穴储气库注采管柱内腐蚀速率预测模型，并采用SSA对模型参数进行迭代寻优，避免原参数选取的强随机性对模型泛化能力和预测性能的影响。结果表明，经小波KPCA特征提取后得到包含98.73%原信息的3项主成分，SSA-ELM模型的预测结果与实际值基本吻合，其均方根误差(E_RMS)为0.009 3,平均绝对百分比误差(E_MAP)为0.336 0%,决定系数(R²)高达0.991 2,较其他3种对比模型性能更优。研究表明，所建模型具有强泛化性能和高预测精度，能够有效预测盐穴储气库注采管柱的内腐蚀速率，为盐穴储气库注采系统的完整性评价和风险预警...     

基于"群链"模式的安全工程专业课程链建设研究

为建立科学合理的安全工程专业课程体系,本文根据目前专业课程群建设需求,以就业市场和严谨教学内容衔接为导向,应用"群链"的专业课程体系设计方法,研究并构建安全工程专业课程链,并应用此方法建立湛江科技学校的安全工程专业课程链.结果表明:基于"群链"的安全工程专业课程链建设将就业需求对应到各门课程,可使各门专业课程形成一个衔接有序的整体,以实现人才培养目标,提升学生的市场竞争力.     

飞机货舱火灾CO浓度神经网络补偿算法研究

针对飞机货舱火灾探测误报率偏高且响应速度较慢的问题，采用电化学式一氧化碳传感器来代替传统民机所用的光电式烟雾探测器来探测飞机货舱火灾，并提出了一种基于粒子群算法(Particle Swarm Optimization, PSO)优化长短期记忆(Long Short-Term Memory, LSTM)神经网络的一氧化碳浓度补偿模型。首先在自搭建试验平台采集密闭空间火灾的多项试验数据，然后用PSO优化LSTM的隐藏层神经元个数和学习率，提高了LSTM的预测精度。通过与其他3种神经网络对比，PSO改进LSTM模型在基于时间序列的火灾一氧化碳检测中具有更好的补偿效果。通过浓度补偿，可以使电化学式一氧化碳探测器在飞机货舱火灾发生的早期阶段进行更准确的探测预警。     

深埋地下结构工程环境水水质异常成因分析

分析了某抽水蓄能电站地下厂房硐室群开挖引起环境水水质异常的成因。对工程区进行大范围的环境水pH值检测和代表性渗水部位水样的成分分析后发现,环境水的pH值、SO42-含量和总铁含量特征在一些部位发生了明显改变:水质呈强酸性、SO42-含量和总铁含量高且分布不均匀。结合岩石成分分析和现场黄铁矿矿化点的调查,认为该抽水蓄能电站地下厂房硐室群环境水水质的异常是由地层中不均匀分布的黄铁矿矿化点在开放条件下的氧化造成的,与厂房区锚孔中使用的化学充填材料无关。鉴于当前还没有有效防止强酸性腐蚀的材料,建议加强勘察期间水文地质条件特别是深部水文地质条件的研究,及早掌握和预测深部结构工程开挖、运行过程中由于环境条件改变可能导致的水质改变,以便采取预防措施。