工程项目现场安全标志有效性评价

为改善工程项目现场作业安全状况,需要对安全标志的有效性进行评价。通过划分施工人员的认知行为阶段,从人机工程学系统优化的角度构建安全标志有效性评价指标体系,确立指标打分规则,采用网络层次分析法(ANP),运用超级决策(SD)软件确定指标权重、综合评分,并加以示例说明。结果表明:安全标志的有效性受注意阶段的显著性、识别阶段的可理解性、判断阶段的安全倾向性和行为阶段的易遵守性交互影响,其中,安全倾向性权重值最高。     

采煤工作面漏风通道参数研究与应用

采煤工作面漏风会导致采空区缓慢自燃氧化以及有毒有害气体涌入工作面,造成采空区自然发火及工作面工作人员中毒窒息的可能性.工作面不同进风风量下工作面漏风情况会不同.为了具体研究工作面不同进风风量下的漏风情况,测定了元堡煤矿1901工作面停采期间各漏风通道的漏风量,建立了工作面漏风通道网络模型;根据风网解算原理及风阻计算公式计算出各分支风阻及风量值;利用风网解算软件计算出不同风量下工作面漏风通道的风量值.结果发现:元堡煤矿1901工作面风量在500 - 1500m3/min范围内变化时各漏风通道风量占工作面总进风量的比重几乎不变;采空区两巷由于已经打好密闭,漏风较小;工作面中部由于老顶来压漏风量较大,是堵漏风重点.     

基于BP神经网络算法的北京市地铁站应急疏散能力仿真评估模型

地铁站的应急疏散能力是地下铁道安全运营设计中非常重要的部分,对于维持社会稳定,保障人民安全具有重大意义.本文利用BP神经网络计算方法和MATLAB软件,选取可能影响地铁站疏散能力的相关因素作为评价指标,建立了应急疏散指标体系,并以北京北三环区域周边地铁站作为主要研究对象,对北京市地铁站应急疏散能力进行了仿真评估,提出了增加疏散通道、疏散楼梯、安全出口等数量,以提高地铁站应急疏散能力等一些可供参考的建议.     

职业卫生信息化网络平台研究

当前我国职业卫生监管工作存在薄弱环节、监管手段相对落后,难以满足我国职业病防治工作形势的需求。将信息化技术应用于职业卫生监管,可有效提高职业卫生监管工作的科学性和有效性。阐述了职业卫生信息化网络平台建设的必要性,提出了职业卫生信息化建设的整体框架,分析并论述了具体建设内容以及建设过程中应注意的几点问题。     

基于贝叶斯网络气化炉供料系统风险分析

为解决当前气化炉供料系统风险分析不完善的状况，提出1种基于贝叶斯网络和HAZOP的风险分析模型。以某单日投煤量3 000 t级气化炉煤化工企业实际运行情况为研究对象，应用HAZOP法对其进行风险分析，并将HAZOP分析结果中各偏差产生原因转化为贝叶斯网络节点；考虑到先验知识的缺乏问题，引入Leaky Noisy OR模型，通过文献资料和相关领域专家经验知识获得先验概率，并利用贝叶斯网络进行风险分析，找出系统运行的薄弱环节。结果表明:未知因素影响会使各节点的后验概率值差异性降低，更加贴合实际；在引入未知因素影响后，系统运行薄弱环节并未发生改变。     

Key considerations and challenges in the application of social-network research for environmental decision making

Attempts to better understand the social context in which conservation and environmental decisions are made has led to increased interest in human social networks. To improve the use of social-network analysis in conservation, we reviewed recent studies in the literature in which such methods were applied. In our review, we looked for problems in research design and analysis that limit the utility of network analysis. Nineteen of 55 articles published from January 2016 to June 2019 exhibited at least 1 of the following problems: application of analytical methods inadequate or sensitive to incomplete network data; application of statistical approaches that ignore dependency in the network; or lack of connection between the theoretical base, research question, and choice of analytical techniques. By drawing attention to these specific areas of concern and highlighting research frontiers and challenges, including causality, network dynamics, and new approaches, we responded to calls for increasing the rigorous application of social science in conservation.     

How can process safety and a risk management approach guide pandemic risk management?

The coronavirus disease (COVID-19) brought the world to a halt in March 2020. Various prediction and risk management approaches are being explored worldwide for decision making. This work adopts an advanced mechanistic model and utilizes tools for process safety to propose a framework for risk management for the current pandemic. A parameter tweaking and an artificial neural network-based parameter learning model have been developed for effective forecasting of the dynamic risk. Monte Carlo simulation was used to capture the randomness of the model parameters. A comparative analysis of the proposed methodologies has been carried out by using the susceptible, exposed, infected, quarantined, recovered, deceased (SEIQRD) model. A SEIQRD model was developed for four distinct locations: Italy, Germany, Ontario, and British Columbia. The learning-based approach resulted in better outcomes among the models tested in the present study. The layer of protection analysis is a useful framework to analyze the effect of different safety measures. This framework is used in this work to study the effect of non-pharmaceutical interventions on pandemic risk. The risk profiles suggest that a stage-wise releasing scenario is the most suitable approach with negligible resurgence. The case study provides valuable insights to practitioners in both the health sector and the process industries to implement advanced strategies for risk assessment and management. Both sectors can benefit from each other by using the mathematical models and the management tools used in each, and, more importantly, the lessons learned from crises.     

RBF神经网络可靠度分析方法在边坡稳定性研究中的应用

针对边坡稳定性可靠度分析,当状态函数无法显式表达且传统计算方法求解复杂问题困难时,提出一种基于ABAQUS和粒子群优化径向基函数神经网络的可靠度分析方法。基于ABAQUS的强度折减方法计算所选随机变量对应的安全系数,利用径向基函数神经网络的数据拟合功能,建立模型并映射出安全系数和随机变量之间的关系,构造响应面功能函数;利用蒙特卡罗生成的大量随机样本代入功能函数得到相应的安全系数,进而计算边坡的失稳概率和可靠度指标来反映边坡稳定性。研究结果表明:相对于传统方法,本文方法计算效率更高、误差更小,适合实际工程应用。     

基于模糊贝叶斯网络的煤气化职业健康风险分析

针对煤气化行业职业健康风险影响因素不确定及模糊的特点,建立了职业健康风险计算模型。该模型将模糊数学与贝叶斯网络相耦合,模拟事件概率,找出导致风险的主要因素。通过分析煤气化行业中存在的多种风险因素,应用问卷调查法和模糊集理论模拟了根节点的发生概率,得出职业健康风险概率的预测值;应用贝叶斯网络反向推理的功能计算根节点后验概率并排序,确定了薄弱环节。该模型不仅能解决概率缺失情况下的风险量化推算问题,定量进行职业健康风险评估,还可以实现关键因素的识别,并能有针对性地提出改进措施,为职业健康风险预防提供决策依据。     

基于动态元网络的地铁施工安全事故致因分析

为有效避免地铁施工安全事故的发生,将动态元网络的分析方法应用于地铁施工安全事故致因分析,建立地铁施工安全事故网络节点体系,提出重点控制因素。以杭州地铁一号线施工安全事故为例,在充分考虑人的主观能动性后,建立以人员、行为、事件和组织为节点的节点体系,确定节点的数量及节点之间的相互关系,建立施工安全事故网络模型并进行分析,对打击效果进行对比分析,找到比较理想的打击策略,确立节点的重要度排序,研究结果表明:应重点控制有效的监督相关节点,即可有效地避免或者减少此类事故的发生。得出的结论与事故通报结果基本相符,这为避免地铁施工安全事故提供了新的研究思路。