Scenario derivation and consequence evaluation of dust explosion accident based on dynamic Bayesian network

In order to clarify the correlation between the evolution path of dust explosion accidents and emergency decision-making, and to accurately predict the disaster damage levels of various disaster bearing bodies. This paper extracts 56 key scenario elements from four aspects, namely state, answer, goal and environment, based on the analysis of typical dust explosion accident cases. At the same time, a general scenario evolution path of dust explosion accident is constructed. Using fuzzy number set theory and dynamic Bayes joint probability model, the accurate solution of scenario state probability was realized. With the help of accident cases and dynamic Bayes approach, the dust explosion consequence prediction index system and evaluation criteria were constructed, covering factors such as dust explosion intensity, casualties, direct economic losses, equipment damage, building damage, environmental damage and other factors. A polyethylene wax dust explosion accident in a city of China was used to verify the dust explosion accident scenario evolution model and consequences prediction model. The predicted results were in good agreement with the actual damage of various carriers of the accident, which indicated that the model could be used for dust explosion accident prediction and disaster loss prediction. The research results provided reference and technical support for the prediction of dust explosion accident evolution direction, emergency aid measures decision and deployment, disaster damage prediction and evaluation.     

A bayesian network-based safety assessment method for solid propellant granule-casting molding process

The safety of the solid propellant molding process is vital for the stable production of high-quality propellants. Failure events caused by abnormal parameters in the molding process may have catastrophic consequences. In this paper, a Bayesian network (BN) model is proposed to assess the safety of the solid propellant granule-casting molding process. Fault tree analysis (FTA) is developed to construct a causal link between process variables and process failures. Subsequently, expert experience and fuzzy set theory (FST) are used to obtain failure probabilities of the basic events (BEs). Based on the mapping rules, FTA provides BN with reliable prior knowledge and a network structure with interpretability. Finally, when new evidence is obtained, the probability is updated with the diagnostic reasoning capability of BN. The results of the sensitivity analysis and diagnostic inference were combined to identify key parameters in the granule-casting molding process, including curing temperature, vacuum degree, extrusion, calendering roll distance, length setting value, holding time, and polish time. The results of this paper can provide effective supporting information for managers to conduct process safety analysis.     

京津冀地区一次污染过程的星载地基激光雷达联合观测分析

针对2018年3月9—15日京津冀地区的一次空气重污染过程,进行了基于地基颗粒物激光雷达组网的星载-地基联合观测分析。颗粒物激光雷达观测到污染前期为局地污染累积过程,中期有明显的污染物区域传输过程,北京受太行山沿线城市污染输送影响较大。风廓线激光雷达观测结果表明:此次污染过程近地面主要为偏南风且风力较弱,冷空气到来时风向转为较强东北风,导致污染消散。微波辐射计观测到保定在污染过程中出现持续6 d的逆温层,同时在污染过程中近地面相对湿度较高,逆温层被打破后污染开始消散。在污染过程的各个阶段中,污染团的空间分布与变化特征均被很好地反映出来,可见地天联合观测对污染物的累积与输送研究有较大的意义,能对京津冀及周边地区的大气污染联防联控提供有力支持。     

人工神经网络方法在拟建小区域环境质量评价中的应用

人工神经网络的评价方法用于小区域环境质量评价中,根据本地区特点因地制宜地选择环境质量参数,代入模型中进行环境质量评价及预测,对用于环境质量评价的BP人工神经网络模型进行了改进,即对网络模型的训练样本进行了扩充,从而提高了模型的抗干扰能力和准确性.将改进了的BP人工神经网络模型应用于四川省资阳市沱江二桥拟建项目小区域的大气、地表水环境质量评价中, 对该市小区域大气、地表水环境质量状况进行评价,评价结果表明,BP人工神经网络模型用于环境质量评价是可行的,且评价结论客观,评价模型普遍适用.     

基于神经网络集成的单个飞行事件噪声预测模型

通过分析影响单个飞行事件噪声的各种因素,构建了BP神经网络回归预测模型,并通过自适应遗传算法优选出参与集成的个体神经网络,提出了预测单个飞行事件噪声的神经网络集成预测模型.为了有效保证差异性,设置不同隐藏神经元个数和Bagging算法来构建和训练单个网络.实验结果表明,单个飞行事件噪声的神经网络集成预测模型相对单个BP神经网络模型泛化能力更强,稳定性能更好.本文方法在测试集上误差在3dB以内的平均比率为96.9%,比单个网络高6.8%.     

“三高”气田钻井过程硫化氢泄漏动态风险分析

传统的H2S泄漏风险分析方法不能很好地对事故发展过程进行动态分析,导致分析结果偏离实际。基于贝叶斯方法,构建了高温、高压、高含硫（“三高”）气田钻井过程中H2S泄漏的蝴蝶结模型并提出将其转化为贝叶斯网络,在事故已发生的情况下更新基本事件发生的概率。然后,假定事故后果在确定的时间段内发生的累积次数已知的条件下,更新安全屏障及事故后果发生的概率,从而完成对H2S泄漏的动态风险分析。结果表明,该方法克服了传统静态定量分析方法中的不足,可动态评估导致H2S泄漏的基本事件发生的概率和对顶事件发生的影响程度,并动态反映安全屏障和事故后果的风险变化,能为钻井过程中H2S泄漏的风险分析及防控措施提供参考。     

基于CREAM和贝叶斯网络的空管人误概率预测方法

针对研究管制人因可靠性时存在的模糊性和片面性问题,采用认知可靠性与失误分析方法（CREAM）中的扩展预测法,计算10项管制通用任务的人误概率;在此基础上,以管制行为形成因子作为根节点构建贝叶斯网络,建立其与情景控制模式的不确定关系模型,对管制员在多任务中的人误概率进行预测。研究结果表明:在由相同评判者给出行为形成因子影响效应的前提下,由CREAM扩展预测法和构建贝叶斯网络的方法预测得到的多数任务的人误概率差异较大,从方法的客观性、合理性和适用性角度分析,贝叶斯网络在研究该问题时更具优势。     

基于多源数据融合的煤矿工作面瓦斯浓度预测*

为了解决瓦斯浓度预测使用的单一数据在预测中影响还不够深入的问题,提出基于LSTM神经网络的多源数据融合瓦斯浓度预测模型。模型将上隅角瓦斯浓度、采煤机速度、工作面吨煤瓦斯涌出量等不同数据融合作为输入层参数,使用Adam优化算法更新LSTM网络层参数,利用Attention机制突出关键影响瓦斯浓度的因素,开展多源数据融合的瓦斯浓度预测,结合某矿1008工作面的实际数据,分析不同数据在瓦斯浓度预测中的作用。研究结果表明:单变量下的Attention-aLSTM预测效果相比LSTM提升14.2%;多源数据融合下的Attention-aLSTM相比自身提升了5%。     

基于Bayesian网络的常减压装置设备故障概率分析

为分析影响常减压蒸馏装置平稳运行的设备失效模式及故障部件,基于1 151条设备故障数据,采用Bayesian网络分析方法,分别对离心泵、压缩机、电动机构建基于Bayesian网络的设备故障概率分析模型,分析故障部件、失效模式、故障后果之间的定量概率关系。研究结果表明：离心泵、压缩机、电动机停运的关键致因部件分别为轴承箱密封故障、活塞环故障、轴承故障,同时得到导致设备停运的故障部件敏感度排序。研究结果有助于提高设备故障风险防范及检维修工作效率,同时可为备件优化方案提供思路。     

气候变化风险互联网络及系统性管理

气候变化风险能够在部门内与部门间进行传递和放大,形成多个复杂嵌套的风险互联网络,导致了系统性风险的产生。对气候变化风险互联网络的刻画能够帮助理解风险产生与演化的过程,削减气候变化对社会经济系统的直接物理风险,及碳达峰与碳中和建设过程中可能伴随的转型风险。本文识别了四类典型的气候变化风险互联网络,涵盖食品—能源—水系统、公共健康、宏观经济和金融市场、社会安全等四类部门或领域。针对每一类网络,分别总结了主要的气候变化风险传递路径及当前的研究进展和局限,并概述了开展系统性风险管理的建议。