基于灰色关联分析与SA-PSO-Elman结合的地震直接经济损失评估

对地震灾害造成的损失进行评估是国家采取应急救援和灾后援建工作的重要依据。为快速评估地震灾害引起的直接经济损失,提出一种基于灰色关联分析与模拟退火-粒子群-Elman神经网络(SA-PSO-Elman)结合的地震灾害直接经济损失评估模型。该模型先采用灰色关联分析方法客观地选出地震灾害直接经济损失的主要影响因素,即为Elman神经网络的输入,然后将全局寻优能力强及收敛速度快的粒子群算法与能跳出局部极值的模拟退火算法相结合来优化Elman神经网络的权值和阀值,最后将训练好的Elman神经网络运用到地震灾害直接经济损失评估中。通过仿真试验结果表明:该混合算法优化的Elman神经网络模型比Elman神经网络模型和PSOElman神经网络模型具有更高的预测精度和收敛速度。     

基于IPSO-SVM对尾矿坝变形预测的研究

针对支持向量机在参数模型选择上的敏感性,以及在理论上无法直接实现的问题,在标准粒子群算法的基础上对粒子速度与位置更新策略进行改进,通过改进的粒子群算法对支持向量机模型参数进行选择优化,进而提出了一种改进粒子群优化支持向量机(IPSO-SVM)算法模型。根据尾矿坝实测数据,建立了基于IPSO-SVM算法的对尾矿坝坝体位移预测模型,同时与经典的SVM算法以及PSO-SVM算法进行比较分析。结果表明,3种算法在坝体变形预测中都具有较好的可行性,但IPSO-SVM算法在训练效率上有较大优势,而且具有较高的预测精度,更适合在变形预测中应用。     

基于PCA-AHPSO-SVR的煤层瓦斯含量预测研究

为了提高煤层瓦斯含量预测的准确性和科学性,通过主成分分析方法对影响煤层瓦斯含量的7个因素进行特征提取,消除影响因素之间的相关性,减少维度;用支持向量回归机对提取的因素进行训练,并用改进的自适应混合粒子群算法对SVR的参数进行优化,提出PCA-AHPSO-SVR模型;与PCA-PSO-SVR,PSO-SVR这2个模型在相同环境下进行30次运行比较。研究结果表明:研究提出的PCA-AHPSO-SVR模型较其他2种模型平均准确率分别提高5.51%和9.32%,稳定性更佳,可满足工程实际需求。     

疏散路径受阻情况下的人员疏散模型及算法

建筑火灾中,随着火势的不断增大和烟气的不断增多,随时会有某条疏散路径因被火势或烟气封堵而不能正常通行的情况发生。针对此情况下的应急疏散问题,以待疏散人员全部完成疏散所需时间最短为目标,以结合疏散路径的通行能力合理分配待疏散人员为原则,运用Dijkstra算法对网络中的最短路径进行求解,并结合网络流控制的方法实现疏散人员的合理分配,建立了疏散路径受阻情况下的人员疏散模型,并提出了该模型的算法思想及算法步骤,最后结合算例进行了验证。验证结果表明,该模型及算法可行、有效,既可较好地避免因大量人员选择相同疏散路线而造成的拥堵,还提高了疏散网络的整体使用率,又有效缩短了人员的疏散所需时间。     

基于网络流理论的矿井通风网络可靠性研究

矿井通风网络是通风系统的重要组成部分,对其进行可靠性研究具有非常重要的意义。针对矿井通风网络系统的自身属性,结合网络流理论建立了通风网络可靠性评价模型。对各风路的风量进行动态实时监测,并运用统计学方法分析了风网中风流的变化趋势及风量分布规律,得到了通风系统中任一风路风量的分布密度函数,进而推导出各风路的可靠性指标值。运用简化的邻接终点矩阵法求解通风网络最小路集并基于MATLAB编程实现此算法。提出了一种简化的不交化最小路集算法:对于任一长度为m-1的最小路,只需在其中添加n-m+1条该最小路中不出现的分支的逆,就可直接获得不交化结果,其余最小路采用BDD算法进行不交化运算。通过以上方法可量化分析通风网络的可靠性。最后通过实例解算检验其可行性。     

面向行为触点的地铁空间疫情传播风险模型研究

为准确辨识地铁空间疫情防控的关键节点,构建了一种基于PageRank算法的地铁空间疫情传播风险模型.通过划分地铁空间与乘客行为样态,以乘客通行行为触点为节点,以乘客行为为边,构建了地铁空间乘客行为轨迹网络;分析初始时刻乘客运动到某空间节点(行为触点)的概率,通过迭代法计算概率的收敛值,即为该空间节点的PageRank值;通过各空间节点PageRank值的排序,划分地铁空间疫情传播风险等级.以汉口火车站地铁站为例进行疫情传播风险分析,结果表明,楼梯、扶梯、站台换乘等空间节点的疫情传染风险较高,站台等待、购票等空间节点的疫情传染风险一般,入站厅、出站厅、安检口、检票口等空间节点的疫情传染风险较低.     

基于相依网络模型的扇区航空器分流方法研究

当某个扇区因突发状况而对航空器的管控力度不足时,需要对扇区内的航空器进行分流.依据空中航空器的冲突关系、管制员的移交关系及管制员对航空器的指挥关系构建管制-飞行状态相依网络模型.通过此模型,在综合考虑分流后管制员的负荷及对所有航空器管控难度的前提下设计优化目标,并采用粒子群算法求解找出最佳分流方案.该方案能够使分流后管制员负荷分布更加均匀,有效减少管制员因负荷过大而出现人为差错的安全风险;降低整体的管制难度,提高管制系统的可靠性和稳定性.     

环境监测系统中异常数据的识别和修复方法

为准确掌握企业大气监测数据的变化规律,得到完整的、接近真实的大气环境监测数据,提出一种组合异常数据检测算法(SWDS-LOF)以检测异常值,并利用多项式拟合的方法对异常数据进行修正.针对修正后数据不完整的情况提出多变量季节性时间序列模型(SARIMA),对随季节性变化趋势较明显的大气监测数据缺失值进行恢复,并建立高度相关的污染物传感器组之间的SARIMA模型,利用高度相关污染物之间的关系,通过完整监测数据恢复缺失部分数据,最终得到完整准确的监测数据.以某汽车公司的监测数据为例进行实证分析并验证所提算法和所建模型,结果显示SWDS-LOF算法与SARIMA模型检测并修正了 97％的异常数据,缺失数据段的数据全部恢复,且恢复精度达到94.60％,表明对于大气监测数据,该算法及模型具有较高的精度,可为大气监测数据的完整性及可靠性提供有效技术支持.     

配对进近模式下航空器的进场排序研究

介绍了近距平行跑道的概念及运行模式,以航班延误时间最小为目标函数,进场流约束、排序时刻约束、配对限制及前后机约束、排序先后约束、机型尾流等级约束和间隔约束等为约束条件,建立了进场航空器排序模型,采用改进的先到先服务算法计算各航空器的延误时间.以上海虹桥机场为算例、航空器的延误时间为对比指标,将配对进近模式与现有运行模式——"类隔离"平行运行模式进行对比.结果表明,近距平行跑道实施配对进近模式较"类隔离"平行运行模式能显著缩短航空器的进场时间.最后为管制员、飞行员提出了配对进近航空器安全间隔及进场排序等相关建议.该方法可以准确地计算近距平行跑道采取配对进近方式下航空器的进场延误时间.