基于地铁运营日志文本挖掘的危险源辨识算法研究*

为探究地铁运营过程中致使险性事件发生的关键因素,识别关键危险源,加强对危险事件的预防管控,研究基于地铁运营日志文本挖掘的地铁运营危险源辨识算法,通过引入自定义专业术语词典和自定义停用词典,删除干扰数据并进行数据分词,实现对地铁运营日志的预处理,进一步构建进行危险源辨识的AFP-tree算法,实现对日志中关键危险源的挖掘。研究结果表明:AFP-tree算法能够显著提升计算效率,通过分析共挖掘出25类有效关键危险源,研究结果可为地铁运营单位实现“事前”的事故预防提供重要依据。     

基于自适应蚁群算法的化工园区毒气泄漏事故疏散路径规划*

为了降低人员在化工园区毒气泄漏事故中的伤亡风险,提出1种综合考虑疏散路径距离和毒性负荷值的自适应蚁群算法。通过建立路径评价函数,将疏散路径的毒性负荷值引入蚁群算法中,改进算法的信息素更新策略,采用启发式因子自适应调整策略并改进算法的启发式函数。运用Matlab软件进行仿真,将算法应用到某化工园区毒气泄漏事故中。研究结果表明:该自适应蚁群算法可以保持较高的搜索速度,在寻找距离最短道路的同时避开毒性负荷较高的疏散路径,可为化工园区毒气泄漏事故的应急疏散路径规划提供参考。     

基于改进型萤火虫群优化算法泄漏源源强及位置反算研究*

针对标准萤火虫群优化算法（GSO）在危化品泄漏源源强及位置反算中存在精度不高,容易陷入局部最优等局限,提出混合萤火虫-Nelder Mead单纯形算法（GSO-NM）,并与基于步长的改进萤火虫群优化算法（MGSO）以及单纯形搜索混合协同进化萤火虫群优化算法（HCGSOSSM）进行比较分析,将3种改进型萤火虫群优化算法应用于泄漏源源强及位置反算中进行比较分析。研究结果表明:GSO-NM算法可以有效提高定位精度和稳定性,能较为精确地反算出泄漏源源强及位置,为泄漏源源强及位置反算研究提供1种新思路。     

基于路网协同维护的灾后配电网抢修优化研究*

为探究灾后配电网应急抢修工作中损坏路网维护的协同效应,基于以往灾后配电网的单独抢修模型研究,提出路网-配电网协同抢修模型,并采用Benders算法对云南某地配电网案例进行分析。研究结果表明:极端灾害背景下,配电网的恢复时间受到损坏路网的维护力量影响,随着路网的维护力量提高,配电网的恢复时间先逐渐减小后趋于不变。对于灾后配电网的应急抢修工作,除非路网受灾后完好无损,否则考虑路网的维护协同是必要的。研究结果可为灾后配电网维修与路网维护的协同优化工作提供参考和借鉴。     

基于MPSO-WLS-SVM的矿井瓦斯涌出量预测模型研究

为有效预防瓦斯灾害,以预测矿井瓦斯涌出量为研究目的,提出经改进的粒子群算法(MPSO)优化的加权最小二乘支持向量机(WLS-SVM),并用其预测非线性动态瓦斯涌出量。算法通过对WLS-SVM的正则化参数C和高斯核参数σ寻优,建立基于MPSO优化的WLS-SVM的瓦斯涌出量预测模型,并利用某矿井监测到的各项历史数据进行实例分析。试验结果表明:该预测模型预测的最大相对误差为5.99%,最小相对误差为0.43%,平均相对误差为2.95%,较其他预测模型有更强的泛化能力和更高的预测精度。     

基于FP-Growth算法的民航鸟击事件关联性分析

鸟击问题严重威胁航空器运行安全,给航空业造成了巨大的经济损失,为了有效预防民航鸟击事件的发生,根据数据挖掘理论,在分析民航鸟击事件关键诱发属性基础上,提出了一种基于FPGrowth算法的民航鸟击事件关联性分析方法。根据中国民航鸟击事件统计数据,挖掘出鸟击事件各属性间潜在的、有价值的关联,通过设置最小支持度和最小置信度,得出重要的关联性规则。结果表明,该方法根据历史数据可推测出导致鸟击事件发生的相关因素,改善了以往凭借专家经验的片面性、模糊性和不确定性。通过飞机发动机设计、颜色涂装等措施切断导致鸟击事件发生的相关因素,达到有效预防鸟击事件的效果,完善防治措施,最大限度地避免鸟类撞击航空器,保障民航运输安全。     

支持向量机在边坡稳定性预测中的应用

针对离子型稀土原地浸矿边坡稳定性问题的小样本、非线性等特点,采用一种边坡稳定性预测模型——支持向量机(SVM)模型,分别使用网格参数寻优、遗传算法(GA)参数寻优、粒子群(PSO)寻优算法来计算SVM模型的参数,分析比较3种算法得到的参数,确定最适合离子型稀土原地浸矿边坡稳定性预测的SVM回归模型的参数寻优算法。