改进非线性海鸥算法在矿震定位中的应用

为了提高矿震定位精度，保证算法能快速收敛且具有较强鲁棒性，提出了一种基于改进非线性海鸥算法的矿震定位算法(Robust Difference Seagull Optimization Algorithm, RD-SOA)。该算法首先计算差值矩阵，提出采用稳健差值法作为目标函数，其次基于海鸥算法，提出非线性惯性权重，最后通过海鸥间相互作用求解震源点位置。通过模拟试验分析，当波速在-1%～1%、-3%～3%和-5%～5%的范围内浮动时，RD-SOA的定位精度均优于传统的非线性最小二乘法(Nonlinear Least Square, NLS)和Geiger定位法及改进前的SOA,相同情况下，RD-SOA比SOA的收敛速度提高了67%。通过柿竹园金属矿人工爆破数据进行对比分析，RD-SOA定位结果的绝对误差由原始SOA的13.7 m降低至3.8 m。对某煤矿的一次大能量矿震事件进行定位，震源位于采空区顶板上方38 m厚细砂岩层中，受开采影响导致工作面后方顶板断裂，为本次事件提供了能量源。     

南海海域应急资源存储选址及调度方案研究

南海油气田的勘探开发属高风险作业。由于复杂的作业环境，现有研究成果无法满足南海探区的应急保障。因此，如何解决南海作业的应急工作问题是目前面临的首要问题。考虑南海特有的作业环境影响，以应急响应时间最小化及调度资源满意度最优化为目标函数，建立了一种基于浮式码头的多作业点、多供应点、多需求点的多目标优化模型，采用设计的混合启发式算法对其求解。以油气泄漏为例，定量分析了南海特有土台风在不同季节的影响权重，并对模型进行了验证。结果表明，在外部环境具有显著差异的情况下，资源存储地选址-调度的应急决策方案不同。所选择的目标探区中夏季和秋季更适合进行南海勘探作业。此外，根据不同季节应急点资源需求量的变化，同一锚泊点在不同季节具有不同的资源储备数量，决策者需根据作业时间窗按照应急需求合理配置应急资源。所得结果证实了模型及方法的有效性和可行性。     

某加油站VOCs排放溯源及源强反演研究

为了计算加油站无组织挥发性有机污染物(Volatile Organic Compounds, VOCs)排放的强度，将扩散模型反推法应用于加油站的无组织VOCs排放溯源研究。对加油站区域建立笛卡尔空间坐标系，并构建监测站实测值和基于大气污染物高斯扩散模式预测值之间的代价函数，进而使用有条件约束的最优化方法求解该代价函数，得到该加油站VOCs无组织排放源强的反演模型。研究结果显示，加油站无组织VOCs的排放速率反演结果为1.8～3.8 g/s,该结果与加油站给车辆加油时未采取二次油气回收系统情形下的挥发量相符，反映了加油站无组织排放源强反演模型合理可信。模型参数分析结果表明，大气稳定度的不确定性对模型收敛和反演结果的影响较大，无组织排放溯源和源强反演需要高质量的气象扩散风场观测数据。     

考虑恐慌情绪感染的CA疏散模型算法研究

为探究恐慌状态对行人疏散效率的影响，基于情绪感染等相关理论，在探讨了情绪感染影响因素的基础上，利用元胞自动机模型、A^*算法和SIS算法仿真了在有障碍物的情境下恐慌情绪对行人疏散的影响关系，使用MATLAB软件建模对情绪阈值、情绪衰减速率、行人密度等重要情绪因子进行仿真模拟。结果表明：在一定程度上恐慌情绪确实影响着正常的疏散行为，疏散时间随着情绪阈值的增加而逐渐缩短直至降低到某一值后基本不变；情绪衰减速率越大，感染者越能在短时间内降低恐慌值变为易感者，情绪衰减速率也是影响疏散的关键性因素；行人密度增大，则恐慌情绪在房间内反复传播进而不断加强，恐慌值增加会导致疏散时间更长。     

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。     

BP神经网络模型的改进及其在海底管道外腐蚀速率预测中的应用

针对海底油气管道外腐蚀问题构建模型预测其腐蚀速率，建立基于改进鹈鹕优化算法(Improvement Pelican Optimization Algorithm, IPOA)的BP神经网络(Back Propagation Neural Network, BPNN)腐蚀速率预测模型。通过Logistic-Tent混沌映射初始种群与收敛因子非线性化的方法提高鹈鹕算法(POA)的全局搜索能力和寻优精度，采用IPOA算法优化BPNN的权值和阈值，提升模型的预测精度与鲁棒性。以实海挂片试验数据为基础，建立POA-BPNN和BPNN模型作为对比。结果表明：IPOA-BPNN模型的决定系数R²为0.966 4,均方误差为0.235 3,平均相对误差为3.16%,均优于其余两个模型，模型的鲁棒性较未改进有较大的提升。这表明IPOA-BPNN模型能够为海底管道的维修与更换提供决策支持。     

基于深度学习的吸烟行为实时检测

为预防在禁烟场所因吸烟引发的火灾事故，提出了一种基于YOLOv5s的改进算法，利用改进算法对摄像头获取的图像进行逐帧检测，实现吸烟行为的实时检测。首先，将转换器(Transformer)引入网络颈部中，增强网络对多尺度目标的检测能力；其次，加入坐标注意力(Coordinate Attention, CA)模块，丰富网络提取的特征图信息，增强特征图信息表达能力；最后，增加一个小目标检测层，提高网络对香烟小目标的检测能力，降低网络对小目标的漏检率。此外，构建了一个多场景下的吸烟行为数据集，并对马赛克(Mosaic)数据增强策略进行改进，改善原有数据增强方式丢失目标的问题。试验结果表明，改进后的算法在精确率、召回率和平均精确率上相比原模型均有所提升，在多目标和小目标场景下的实际检测效果对比原模型有明显改善，同时检测速度满足实时性要求，改进后的模型能够更好地应用于吸烟行为实时检测任务。     

基于KPCA-ALO-WLSSVM的埋地管道外腐蚀速率预测北大核心CSCD

为提高埋地油气管道外腐蚀速率预测精度,建立了一种基于KPCA-ALO-WLSSVM的埋地管道外腐蚀速率预测模型。以沿川气东送管线所做埋片试验获取的数据为例,首先利用核主成分分析(KPCA)对管道外腐蚀影响因素进行处理,以重构的综合指标作为模型的输入值;然后利用加权最小二乘支持向量机(WLSSVM)对外腐蚀因素和速率进行仿真建模,并利用蚁狮优化算法(ALO)对WLSSVM建模中的参数进行寻优。结果表明:KPCA提取了累计贡献率为97.84%的3个主元,减化了建模过程的复杂性;所构建的ALO-WLSSVM外腐蚀速率预测模型的平均相对误差为4.390%,均方根误差为0.276,各项指标均优于其对比模型,证明了本模型具有更好的学习性和更高的拟合效果。     

利用高分二号影像对城市黑臭水体遥感监测——以南京市主城区为例

城市河道水质黑臭直接影响人们生存环境和生活质量，准确识别城市黑臭水体对城市生态文明建设具有重大意义。基于GF-2 PMS数据，利用TSUWI(Two-Step Urban Water Index)指数提取研究区水体分布，在此基础上，分别计算影像的黑臭水体归一化比值指数BOI和NDBWI值，采用面向对象的最优特征选择搜索算法SEaTH(Seperability and Thresholds),确定黑臭水体与一般水体的4个分离特征，构成特征空间，利用K-mean算法进行多特征聚类分析，进行黑臭水体的识别与分类。结果表明，南京市研究区范围内共有6条河道15段存在不同程度的黑臭情况，面积约为0.38km²,占城区水域(剔除长江南京段面积)面积的1.98%,经实地调查验证，黑臭水体的识别精度为81%。研究表明该方法可以实现对城市河道黑臭水体的监测与评价，为城市水环境治理提供技术支撑。     

基于Hash和倒排项集的海上钻井平台隐患关.联分析

为了充分挖掘海上平台隐患案例中隐患属性与致因之间的关联性，提高对平台隐患风险预测的准确性和时效性，提出了一种基于Hash技术和倒排项集的关联规则挖掘模式。首先针对292条平台结构现场数据的每个隐患属性进行分析提取；其次在多支持度下，按照多维、多层关联规则挖掘模式挖掘隐患设备、隐患位置、隐患现象等属性的关联规则；然后提出用信息增益来衡量关联规则的有效性；最后，根据挖掘结果分析并总结海上钻井平台隐患特征。结果表明：春季油水分离器常出现缺少保养的隐患，护管常出现未封堵的隐患；一般腐蚀和锈蚀的致因为操作维保不当、防护层剥落，以及防护装置锈蚀严重、脱焊、不符合规范，提高海上平台管理水平可减小现场隐患的发生概率。