RS-PSO-ELM下腐蚀管道失效压力预测

为提高腐蚀管道失效压力的预测精度并简化其计算过程,提出基于粗糙集(RS)和粒子群算法(PSO)融合极限学习机(ELM)的腐蚀管道失效压力预测模型。通过属性约简提取影响失效压力的关键因素,选用PSO优化ELM的输入权值和隐含层偏差,将归一化的核心指标数据代入计算。结果表明:该模型预测结果与实际值基本一致,与单一ELM模型相比,预测结果的均方差(MSE)降至0.255;与其他蚀管道失效压力评价模型相比,该模型预测结果的绝对误差平均值降至0.32。     

工作不安全感对安全绩效的影响 ——基于某大型电力公司的实证研究

由于安全问题备受关注,采用问卷研究法,通过构建调节—中介模型探讨工作不安全感影响员工安全绩效的机制。对某大型电力公司329位员工进行问卷调查后发现,员工的工作满意感中工作不安全感对员工安全绩效的消极影响,情绪智力通过调节工作不安全感与工作满意感的关系削弱了工作不安全感对安全绩效的消极作用,即当组织变革给员工带来工作不安全感时,高情绪智力的个体会通过有效的情绪管理减少工作不满意感,进而缓冲工作不安全感对安全绩效的影响,而低情绪智力的个体会过于情绪化,使得工作不安全感显著影响工作满意感,进而使员工的安全绩效受到影响。     

危险品泄漏事故后动态路网应急疏散研究

在建立以最短车辆总疏散时间为目标的应急车辆疏散模型过程中,考虑路网上的车流是时变的,以动态交通流分配理论对应急车辆流进行优化分配。基于计算的复杂性和粒子群算法(PSO)的优点,采用PSO对模型进行求解。算例试验结果表明,优化后的方案能够减轻整个疏散车辆的拥堵程度,为应急管理部门决策提供理论支持。     

区块链与端边云技术赋能城市应急预警系统*

为解决现有城市应急预警系统（urban emergency early-warning system,UEES）存在的缺乏设备身份认证、数据共享性差、数据传输处理效率低、区域性智能自治能力不足等问题,根据区块链与端边云技术特点和现有系统的业务需求,提出区块链与端边云技术相融合的城市应急预警系统（UEES integrating blockchain and end-to-end cloud technology,UEES-BE）框架;对该框架存在的边缘节点认证与数据共享、区块链与边缘智能、边云协同分类分级分布式存储3个关键问题进行探讨;以城市内涝灾害预警为例,将区块链与端边云技术与城市内涝灾害预警系统业务相结合,提出4点优化建议。结果表明:区块链和端边云技术理论上可实现城市灾害安全、共享、实时、智能的预警,对构建城市应急预警系统具有指导意义。     

基于时序片段的油气管道运行工况识别方法*

为准确识别管道系统运行工况,提高对油气管道突发事故的响应速度,综合提升管网安全管理水平,提出1种基于时序片段的油气管道运行工况识别方法。首先,构建基于概率分布的状态变化识别模型,提取油气管道中不同运行状态点;其次,建立基于时间序列片段的工况识别模型,快速识别不同时间长度内油气管道运行工况;最后,以国内某成品油管道为例进行方法验证。研究结果表明:该方法可有效识别成品油管道阀门开关状态、泵异常停机和阀门内漏3种运行工况。对比传统的识别方法,该方法可降低状态变化点的漏报率,提升管道运行工况识别的准确率。研究结果可为油气管道系统运行工况识别提供新的借鉴方法。     

建筑火灾中值得深入研究的几个问题

提出了一些建筑火灾中值得进一步研究的,流动、传热、热解、燃烧、污染物生成等方面的基础问题。着重讨论了烟气扩散、流动中的混沌现象,提出了建立建筑火灾数据库、专家系统的设想,和建立非线性燃烧模型、开发智能型火灾自动报警系统的技术思路。     

Chorus model of the synchronizing bushcricket species Mecopoda elongata

Males of the Malaysian bushcricket species Mecopoda elongata synchronize or alternate their cyclically occurring song elements (chirps) in a duet. The acoustic interaction of males interacting in a duet was successfully simulated by means of mutually coupled song oscillators, which respond to a disturbance by a phase shift which is known from the phase response curves (PRCs) of real males. However, little is known about the acoustic interaction of males in a complex chorus situation. Therefore, the aim of the current study was to extend the duet model to a chorus taking into account an inhomogeneous spacing of agents and a natural variability of oscillator properties. This chorus model was used to study oscillator coupling in a chorus consisting of 15 agents. Since such a computer model allows one to simulate chorus manipulations that far exceed the possibilities of behaviour experiments, the following scenarios were simulated: modification of chorus density, sensory bias during sound production, selective attention to only a subset of neighbors and males joining or leaving a chorus. Simulation results allow one to draw conclusions about the chorusing behavior of males in a real chorus and about signaler and receiver aspects influencing chorusing formation and mate choice.     

粒子群优化的RBF瓦斯涌出量预测

瓦斯涌出量是煤矿瓦斯灾害的主要来源,它直接影响煤矿安全生产和经济技术指标。瓦斯涌出量的传统预测方法是将其影响因素线性化后提出的,具有一定的局限性。本文基于群体智能理论,提出了一种基于粒子群算法优化的RBF神经网络瓦斯涌出量预测模型。研究表明RBF神经网络预测精度与网络权值和RBF参数初始值有很大关系,因此本文采用粒子群算法优化RBF网络权值和其他参数,形成PSO-RBF预测模型。该模型通过计算种群粒子的适应度,确定全局最优值,寻找网络参数的最优值。实验结果表明PSO-RBF优于传统的RBF预测模型,训练速度和预测精度显著提高。     

基于神经网络的东北地区秸秆焚烧预测

选取农作物秸秆露天燃烧严重的东北地区,采用人工神经网络的方法,结合卫星火点和气象数据,开展秸秆露天燃烧预测研究.结果表明：人工神经网络预测模型成功验证了松嫩平原地区2015年10月25日~11月15日的秸秆露天燃烧情况,其准确度为67.1%,经过多次试验,在神经网络建模与验证数据配比为80：20时,预测准确度最高,可达69.7%,同时该模型的稳定性较好.而对不同区域,不同时间段的预测研究表明,人工神经网络较适用于长时间序列的预测.就影响因素而言,相对湿度是影响秸秆露天燃烧的最重要因素.本研究结果可为空气质量模式提供火点预测数据,提高其预报预警能力,为区域联防联控政策的制定提供科技支持.