我国钢铁行业二恶英污染防治技术研究

钢铁行业(烧结和电炉炼钢)是我国二恶英减排优先重点控制的行业之一。简要介绍了二恶英的理化性质、危害性、生成机理及必备条件,结合烧结过程和电炉炼钢过程二恶英的产生成因,从工艺过程污染预防技术和污染治理技术两方面探讨二恶英减排途径。     

Long-term prediction model of rockburst in underground openings using heuristic algorithms and support vector machines

Rockburst possibility prediction is an important activity in many underground openings design and construction as well as mining production. Due to the complex features of rockburst hazard assessment systems, such as multivariables, strong coupling and strong interference, this study employs support vector machines (SVMs) for the determination of classification of long-term rockburst for underground openings. SVMs is firmly based on the theory of statistical learning algorithms, uses classification technique by introducing radial basis function (RBF) kernel function. The inputs of models are buried depth H, rocks’ maximum tangential stress σ_θ, rocks’ uniaxial compressive strength σ_c, rocks’ uniaxial tensile strength σ_t, stress coefficient σ_θ/σ_c, rock brittleness coefficient σ_c/σ_t and elastic energy index W_et. In order to improve predictive accuracy and generalization ability, the heuristic algorithms of genetic algorithm (GA) and particle swarm optimization algorithm (PSO) are adopted to automatically determine the optimal hyper-parameters for SVMs. The performance of hybrid models (GA + SVMs = GA-SVMs) and (PSO + SVMs = PSO-SVMs) have been compared with the grid search method of support vector machines (GSM-SVMs) model and the experimental values. It also gives variance of predicted data. A rockburst dataset, which consists of 132 samples, was employed to evaluate the current method for predicting rockburst grade, and the good results of overall success rate were obtained. The results indicated that the heuristic algorithms of GA and PSO can speed up SVMs parameter optimization search, the proposed method is robust model and might hold a high potential to become a useful tool in rockburst prediction research.     

基于蚁群算法的石化项目应急路径规划研究

蚁群算法是一种智能仿生优化算法,实际运用仿真模拟时具有良好的寻优性和高效性。将蚁群算法与石化项目的路径规划结合,借鉴蚁群算法解决旅行商问题TSP的思路并将之运用于应急路径规划,利用MATLAB仿真软件,以某石化项目的应急路径规划为实例,较好地实现了有关应急路径模拟图,可为有关石化项目的安全规划提供借鉴和参考。     

基于机会约束规划的航班应急调度问题研究

为应对民航突发情况,保障民航运行安全,提出应急调度这一概念。阐述常规情况下航班调度基本模型,分析其在应急情况下的弊端。引入机会约束,构建应对突发状况的应急调度模型。研究兼顾航空公司成本、航班运行安全及旅客随机需求的机型分配问题(FAP)模型和机组排班问题(CSP)模型。比较混合智能算法、隐枚举法、等价转化法的优缺点及适用度。根据案例数据,使用Matlab软件编程,并采用随机模拟与粒子群(PSO)算法相结合的智能算法对模型求解。结果表明,机会约束规划模型在考虑随机因素的情况下,比基本模型更符合实际动态环境。     

建筑施工事故非线性灰色伯努利模型预测

为提高建筑施工事故灰色预测模型精度,在传统GM(1,1)模型基础上,建立非线性灰色伯努利模型(NGBM),并采用粒子群优化(PSO)算法对参数进行优选。以2001—2011年全国建筑事故死亡人数统计数据为基础,运用该模型对2012—2013年的相应人数进行预测,并与GM(1,1)模型和灰色Verhulst模型的结果相对比。结果表明,NGBM拟合精度最好,平均相对误差仅为2.65%,验证了模型的可行性和准确性。     

带混合时间窗的多目标危险化学品运输路径优化

为降低危险化学品运输风险,使路径选择更加科学、切合实际,从责任主体、社会影响等方面综合考虑危险化学品运输相关主体,根据各主体目标对影响运输路径选择的指标进行重新识别和细分,提出5大指标体系。应用熵权法计算出各指标权重,建立混合时间窗条件下的多目标危化品运输路径优化模型,通过改进的多目标遗传算法求出Pareto最优解。结果表明,不同时间点出发会产生不同的Pareto最优解,并且可得到每条最优路径的出发时间窗,每个最优解代表了某项指标达到相对最优时的路径。混合时间窗较符合实际情况,基于出发时间窗及生成的多条最优路径,决策者可根据决策偏好及关注重点以较高效率选出最合适的路径。     

考虑优先权的人群安全疏散动态模型

为制定合理、高效的应急状况下建筑物内人群疏散方案,考虑拥堵对人流速度的影响及疏散中不同人员特点,对建筑物内人群疏散动态实时分配问题进行研究。首先,采用元胞传输理论将建筑物内复杂的结构转化为元胞—连接桥路网模型,进而以最短疏散时间为目标函数、元胞流量守恒和流量传播为约束条件建立线性优化模型。通过对模型的求解可以得到不同优先级人员的网络清空时间、各路段实时人员数量及路径选择最优方案。案例分析结果表明,疏散过程中人员的优先级差异以及拥堵的发生均会影响不同人员的网络清空时间,因此,针对建筑物内人群疏散进行建模时,应考虑以上因素。     

地震灾害紧急救援队优化救援装备配备分析

本文通过对汶川、日本大地震等国内外地震救援经验教训、地震灾害紧急救援队的任务性质、建筑物结构、废墟倒塌类型和环境影响因素的分析,提出了优化地震救援装备配备建议,以便有效的发挥地震救援装备的应用能力。     

安全工程专业课程体系优化研究

基于安徽理工大学安全工程专业课程体系,提出"2+2"培养模式下"安全技术与管理"方向课程体系存在的问题及其原因,包括课程内容的重复性,课程设置未突出特性培养和课程设置未突出时代性等。提出从按照全国工程教育专业认证指导思想整改,避免课程知识体系过多重复,通才教育的基础上突出自身专业特点以及按照国家的方针政策来指引方向等四个方面阐述了解决课程体系存在的相关问题,优化课程体系,来体现安全工程专业人才培养的国际性、科学性、市场性和全面性等特点。     

基于AHP-FPR模型的矿井通风系统优化方案评价

矿井通风系统优化方案的评价涉及到许多模糊的、不确定因素.从安全、技术、经济角度出发,选取15个技术指标,建立了评价指标体系.将层次分析法(AHP)与模糊模式识别(FPR)理论相结合,采用层次分析法确定指标权重,多级模糊模式识别法构造最优相对隶属度矩阵以判断样本级别,在此基础上建立了AHP-FPR评价模型.通过对平煤八矿通风系统优化改造方案的评价实例证明,该模型实用性较强,可为管理者提供决策依据.