基于传递熵与KELM的炼油化工过程风险传播路径分析方法

基于炼油化工过程复杂,设备众多,某一设备的监测变量发生扰动可能会传播至其相邻设备引发出一系列故障链。现有方法多是针对某一设备进行监测与诊断,以期降低事故后果,而忽视了对过程风险传播路径的预测以防止事故的发生。因此,提出一种基于传递熵与核极限学习机的炼油化工过程风险传播路径分析方法,该方法针对某一工艺扰动,分析其在风险发展过程中的扰动传播过程,基于传递熵分析法建立炼油化工过程风险传播推绎模型;并提出一种基于KELM的风险传播搜索方法,预测风险传播路径;将该方法应用于分馏塔冲塔过程。研究结果表明:该方法可辨识出未来一段时间内风险的可能传播路径,以便操作人员及时采取预防措施,保证过程安全及产品质量。     

基于SIFT与SVM的应急救援图像检测方法研究*

针对公共安全突发事件应急救援的封闭空间场景（Confined Space Scene,CSS）信息采集不通畅、不全面而影响救援等问题,提出1种基于不变特征转换（Scale invariant feature transform,SIFT）和支持向量机（Support Vector Machine,SVM）的图像信息异常检测方法。在场景内外信息传递“断环”情况下,该方法可利用物联网技术采集的图片,或以网络图片信息、历史类似场景数据等作为补充,通过SIFT特征提取、K means聚类处理以及SVM分类,实现场景的智能识别。经仿真分析,该方法能实现封闭空间内外部图像信息互通,“接补”因无法了解事件内部情况而产生的救援环节链条的“断环”,为救援提供决策参考。     

SVD在串联故障电弧检测及选相中的应用*

煤矿井下发生串联故障电弧易引发火灾等安全事故,为了预防电气火灾、指导线路维修,利用三相电动机及变频器负载开展不同线路、不同电流条件下的串联故障电弧实验,研究三相串联故障电弧的检测及选相方法。首先,对单相电流进行一阶差分处理后,建立改进的吸引子轨迹矩阵作为故障特征矩阵;其次,对故障特征矩阵进行奇异值分解,采用特征矩阵的奇异值构建串联故障电弧检测及选相的特征向量;最后,利用极限学习机建立故障电弧检测及选相模型,并测试检测及选相准确率。研究结果表明:提出的SVD方法可以利用单相电流实现三相电动机及变频器负载回路中的串联故障电弧检测及选相。     

基于机器学习的恐怖袭击事件后果预测方法研究

恐怖袭击事件通常会造成严重的人员伤亡、财产损失和社会影响,针对在不同场景下发生恐怖袭击所造成的后果进行预测是目前应对恐怖袭击事件急需解决的问题之一。利用多源数据,首先基于随机森林算法对恐怖袭击事件是否造成死伤进行分类预测,进而基于岭回归算法预测事件造成的具体死伤人数。研究结果表明:随机森林在测试集上对有死伤事件的召回率达到0.85,岭回归预测死亡和受伤人数的平均绝对误差分别小于1人和2人。研究结果可为反恐资源配置优化、预防恐怖袭击事件和减少其造成的损害提供辅助决策支持。     

煤与瓦斯突出预测的支持向量机(SVM)模型

基于支持向量机(SVM)分类算法,考虑影响煤与瓦斯突出的主要因素,建立了煤与瓦斯突出预测的SVM模型。该模型选取开采深度、瓦斯压力、瓦斯放散初速度、煤的坚固性系数以及地质破坏程度5个指标作为模型输入量,同时将煤与瓦斯突出程度划分为无突出、小型突出、中型突出和大型突出4个等级,进而使其评判结果更为细化。以实测数据作为学习样本进行训练,建立相应判别函数对待判样本进行预测。通过算例分析,表明该模型的方法对煤与瓦斯突出预测的合理性与有效性,可以在实际工程中推广。     

大型烧结机头电除尘器提效改造探讨

本文针对320m^2烧结机头电除尘器烟气、烟尘的特点,以及该电除尘器存在的关键问题,着重介绍在改造上采用新的除尘技术和方法,使改造后的电除尘器能够满足机头工艺除尘的要求,达到提效净化烟气达标排放的目的。     

Approximating SWAT Model Using Artificial Neural Network and Support Vector Machine1

Abstract: With the popularity of complex, physically based hydrologic models, the time consumed for running these models is increasing substantially. Using surrogate models to approximate the computationally intensive models is a promising method to save huge amounts of time for parameter estimation. In this study, two learning machines [Artificial Neural Network (ANN) and support vector machine (SVM)] were evaluated and compared for approximating the Soil and Water Assessment Tool (SWAT) model. These two learning machines were tested in two watersheds (Little River Experimental Watershed in Georgia and Mahatango Creek Experimental Watershed in Pennsylvania). The results show that SVM in general exhibited better generalization ability than ANN. In order to effectively and efficiently apply SVM to approximate SWAT, the effect of cross‐validation schemes, parameter dimensions, and training sample sizes on the performance of SVM was evaluated and discussed. It is suggested that 3‐fold cross‐validation is adequate for training the SVM model, and reducing the parameter dimension through determining the parameter values from field data and the sensitivity analysis is an effective means of improving the performance of SVM. As far as the training sample size, it is difficult to determine the appropriate number of samples for training SVM based on the test results obtained in this study. Simple examples were used to illustrate the potential applicability of combining the SVM model with uncertainty analysis algorithm to save efforts for parameter uncertainty of SWAT. In the future, evaluating the applicability of SVM for approximating SWAT in other watersheds and combining SVM with different parameter uncertainty analysis algorithms and evolutionary optimization algorithms deserve further research.     

定型机油烟废气监测分析方法初探

定型机废气污染是当前环境投诉的热点之一,油烟污染是定型机废气的主要问题,我国尚无定型机废气监测分析的标准方法。本文参照《餐饮业油烟排放标准》（试行）（GB 18483-2001）中的方法,比较了餐饮业油烟废气和定型机油烟废气在成分、排放方式等方面的相同点和不同点,从采样方法、采样时间等对定型机油烟废气的监测分析进行了初探,确定了定型机油烟废气竣工验收参考的采样方法和时间等要素。     

工业用制氧机噪声控制方案

在大型炼钢生产工艺过程中,需要制备大量的氧气.由于空气流量大,制氧机进口噪声大,对周围环境和工作人员造成了极大的危害.对某钢铁集团制氧机的噪声源进行了分析,并在现场调查的基础上,提出了制氧机噪声治理方案.经过测试,治理后的厂界噪声指标达到国家标准的控制要求.     

电弧焊防触电技术探讨

从电焊机保护接地（或接零）的规则、电源线与焊钳的安全技术、控制电器的安全技术、电焊工作业中的安全保障措施等四个方面,探讨了电弧焊作业中如何防范触电事故的技术措施,实践证明,所述的安全要求和技术方法对于电弧焊作业的安全管理和安全生产具有很高的实用价值。