基于模糊层次综合法的炼铁厂评价模型及应用研究

运用模糊层次综合评价法建立炼铁厂安全评价的模型,该模型能有机地将炼铁厂的安全管理、设备设施、人员和环境等因素结合起来,依据各因素对系统安全影响的大小,决策者可对其采取相应的改进措施以有效地控制事故的发生。通过对炼铁厂安全性的分析,其评价结果和现实情况基本相符,能较为全面反映整个系统的安全性和各因素对系统安全性的影响大小,为炼铁厂的安全评价提供了一种有效的综合评价方法。     

基于OSHMS的煤矿模糊综合安全评价管理模型的建立

针对目前我国煤矿企业安全管理现状,以一种全新的思路结合职业安全健康管理体系(OSHMS)的系统化体系结构及其先进之处,以预防为主,持续改进为动力,建立了基于生产过程的绩效测量、人员职责分配、运行控制和风险管理为核心的4个主要因素的安全评价管理模型;并以此为指导建立安全评价指标体系框架,运用模糊综合安全评价的方法对指标体系进行合成;最后,结合矿井生产过程中的供电系统,对淮南潘三矿现场进行实例应用,证明其可行性。该管理模型对煤矿企业安全管理有推广和借鉴意义,可望为煤矿企业通过安全管理实现科技兴安提供一种更可靠,更有效的安全管理方法。     

航空维修人为差错影响因素分析中的模糊层次分析法

航空维修中的人为差错影响因素分析对于预防事故发生至关重要,如何定量分析及辨识出主要影响因素是亟待解决的问题。为此,结合航空维修实际,提出运用群组模糊层次分析法对人为差错影响因素进行量化排序和分类,归纳细化了影响因素层次体系,并给出了分析计算流程。以一起由维修人为差错所引发的航空事故为例进行了实证分析,结果表明:该方法能够辨识出航空维修中人为差错产生的主要影响因素,进而对制订最优事故预防方案,控制和减少该类事故的发生有积极意义。同时该方法对其他行业中的人为差错主要影响因素辨识有着一定的参考价值。     

城市燃气管道事故应急抢修方案的决策分析

通过对近年来的城市燃气管道事故抢险统计数据的分析与研究,管道事故抢险方案的选择存在着很大的主观性和片面性.为了克服应急抢修方案的种种局限,笔者应用模糊综合评判方法建立了城市燃气管道事故应急抢修方案评价选择模型;考虑可靠性、抢修时间、事故损失、抢险费用、社会影响及政治影响等6类影响因素来评判抢修方案的优劣,可以科学合理地选择最佳的管道事故应急抢修方案,达到经济合理、快速可靠的目的;实例验证,评判模型对城市燃气管道事故抢险具有重要的现实意义和参考价值.     

基于三角模糊数的民航企业“管理”安全综合评价模型研究

在对我国民航企业安全管理的现状和常用的安全评价方法进行分析的基础上,提出并建立了民航企业"管理"安全模糊综合评价模型。首先,从组织管理、风险管理、安全保证、安全促进4个方面对民航企业安全管理的内容和特点进行分析,在此基础上建立民航企业"管理"安全评价指标体系;然后,根据三角模糊数理论和模糊综合评价理论建立民航企业"管理"安全模糊综合评价模型;通过上述指标体系和评价模型从而达到对民航企业"管理"安全进行评价的目的。最后,给出了一个应用实例,其评价结果表明:该模型具有很强的实用性和借鉴价值。     

燃煤电厂烟气脱硫技术综合评价研究

应用模糊数学原理和层次分析法,从经济、技术和环境三方面综合评价烟气脱硫技术,使烟气脱硫技术的选择更科学。以五种典型烟气脱硫技术为评价对象,应用该综合评价方法得出石灰石-石膏法较优的结论。     

锌精炼铅塔燃烧系统烟气温度模糊控制研究

针对锌精馏铅塔动态过程中的非线性、非最小相位特征、不稳定性、时滞和负荷干扰,基于模糊控制策略下给出了锌精馏铅塔燃烧系统新的控制方法.运用模糊控制系统对锌精馏铅塔的烟气温度进行仿真研究和实时控制结果表明,该研究所设计的模糊控制器能够克服许多干扰因素,产生了良好的控制效果.     

基于PSO-SVM算法的环境监测数据异常检测和缺失补全

针对环境监测数据异常和数据缺失问题,提出了基于支持向量机的粒子群优化数据异常检测和缺失补全算法。利用粒子群优化算法选取较优的支持向量机训练参数组合,以此建立非线性的支持向量机模型,并利用结果模型对测得的真实数据拟合预测。以宁夏回族自治区某污水处理厂的污染物测量数据作为实验数据,结果表明,利用该算法预测数据的准确率可达97.977%,检测异常数据准确度高,缺失数据补全正确。     

基于AHP的密闭环境空气质量评价模型及其应用

针对指数法在评价密闭环境空气质量中存在评价因素单一,不能反映多种污染物对空气环境质量的综合影响等缺点,结合模糊数学的原理与方法,对密闭环境空气质量进行评价。采用层次分析法赋权,按最大隶属原则,通过模糊数学模型对某密闭环境空气质量进行综合评价,评价结果较科学地反映了空气质量的真实状况。     

PSO和SVM混合算法确定太湖入湖河流水质主要影响因子

以影响太湖入湖河流水质的24个因子值为研究对象,将PSO算法与SVM算法相结合。PSO算法用于优化SVM算法的参数c和g,以利于快速、高效地确定c和g的全局最优值;SVM算法基于最优的c和g,分别以24,21,18,15,12,9和6个因子作为特征向量预测水质的污染程度。结果表明,当特征向量为9个影响因子时预测率最高。其参数c=18.56,g=1.35,对应的预测率为：全局预测率92.59%,重度污染水质预测率88.89%,轻度污染水质预测率94.45%。因此,通过PSO和SVM混合算法,可以确定影响太湖入湖河流水质的主要因子,利用这些主要因子对水质进行预测预警,不但可以节省时间,而且可以得到精确的结果。