基于模糊信息概率区间数的突发地质灾害降水因子评价研究

根据2010、2012两年云南省的820个地质灾害监测记录,基于模糊信息概率区间数的大小来开展降水量因子的评价研究。结果表明:突发地质灾害发生前10 d的单日降水量与灾害的关系很小,基本不能用于预警模型的建立和风险评价分析;累积降水量与突发地质灾害关系明显,特别是5~10 d的累积降水量预测概括率已达60%以上,可以用于突发地质灾害预警模型的建立和实际的监测预警;加衰减系数的有效累积降水量因子对突发地质灾害预测效果并无提升,与普通累积降水量因子相比并无优势。     

基于前向神经网络的广义环境系统评价普适模型

为了建立由水环境、空气环境、生态环境、水资源环境、灾害环境、遥感环境、社会经济环境等不同环境系统组成的广义环境系统评价都能普适、通用的神经网络模型,针对BP神经网络因收敛速度慢、易于陷入局部极值而使实用性受限的缺陷,提出以双极性sigmoid函数作为网络隐层节点(神经元)的激活函数,而网络输出为所有隐层节点输出的线性求和的前向神经网络的广义环境系统评价模型.在设置广义环境系统指标参照值和指标值规范变换式,并对指标值进行规范变换的基础上,分别构建了适用于广义环境系统评价的任意2个指标规范值的前向神经网模型(NV-FNN(2)结构)和任意3个指标规范值的前向神经网模型(NV-FNN(3)结构).而对于指标较多的广义环境系统评价,只要将多指标分解为以上2个指标和3个指标的两种简单结构的前向神经网络的广义环境系统评价模型的组合表示即可.理论分析和实例检验结果表明:该模型对任意广义环境系统的规范指标值皆普适、通用,因而使不同环境系统的评价变得简洁、统一.规范变换和优化算法相结合的建模思想和方法对简化广义环境系统评价的多元回归、投影寻踪回归、回归支持向量机和径向基神经网络建模亦有借鉴和启迪作用.     

我国生物质气化发电行业综合风险评价

针对我国生物质气化发电行业的现状,总结诸多风险的影响因素,建立了我国生物质气化发电行业综合风险评价体系。该评价体系主要包括5个一级风险影响因素:市场风险、技术风险、安全风险、管理风险、环境风险,每个一级影响因素包括4个二级风险影响因素。由层次分析法获得各个一级影响因素和二级影响因素的权重值,根据所构建的评价集和评分标准,结合模糊综合评价法对我国生物质气化发电行业现状的综合风险等级做定量定性分析。综合风险评价研究结果表明,生物质气化发电行业处于"较高"的风险等级,与实际情况相符。综合风险评价体系的构建合理,所建立的评价方法以及相应对策分析可为决策者提供参考依据。     

水质监测断面优化技术研究

科学合理的布设水质监测断面是全面准确地获取水环境质量监测数据的前提条件。在总结国内外水环境监测断面优化技术和优化方法的基础上,利用三峡库区长江干流现有25个断面近5年的监测数据,采用历史数据相关性分析、模糊聚类和物元分析方法进行断面优化,通过F检验和t检验表明优化前后两监测断面序列无显著差异。实验结果说明,多种断面优化技术的综合应用,能达到优化三峡库区长江干流水环境质量监控断面的目的,为合理布设流域监测断面提供技术支撑。     

基于BN的模糊系统事故风险管理辅助分析

为提高模糊系统事故定量风险管理水平,将三角模糊数与贝叶斯网络相结合,提出基于BN的模糊系统事故风险管理辅助分析方法.首先通过致险机理分析确定风险事件各致险因子,在此基础上构建贝叶斯网络(BN),致险因子的先验概率用三角模糊数进行处理;然后利用BN的推理技术对风险事件进行概率预测、致因诊断和致险因子重要度分析;最后以某化工企业储油罐体火灾爆炸事故为例,应用该方法进行实证研究.结果表明:该方法能定量预测风险事件发生概率以界定风险等级,致因诊断能快速查明最可能的致因因素及其组合,重要度分析能找出系统薄弱环节以明确风险管理控制要点,从而为模糊系统事故风险管理提供辅助决策支持.     

BP 神经网络模型在环境气象灾害预测中的应用研究--以湖南省为例

依据环境气象数据与自然灾害统计数据,建立BP神经网络模型,对湖南主要气象灾害（洪灾、旱灾、冰冻灾）及受灾经济损失进行实例预测,将在MATLAB7软件中的仿真结果与传统的多元线性回归模型分析结果进行比较和误差分析。结果表明,BP神经网络模型在洪灾、旱灾受灾率方面的预测效果和精度优于多元回归模型,而由于冰灾训练样本不足及经济损失与输入因子的线性相关程度高,在冰灾与受灾经济损失率方面稍逊于多元回归模型。     

冬季高速公路逐时路表温度LSTM预测模型

为提高冬季路表温度的预测精度,提出一种基于多维长短时记忆(LSTM)神经网络的冬季路表温度逐时预测模型,以小时路表温度为模型输出,综合考虑多维气象因素的累积影响和路表温度的周期性,采用滑动窗口构造输入特征矩阵;构建路表温度LSTM逐时预测模型,通过深度学习高效逼近具有复杂非线性和不确定性的路表温度,并以江苏省宁宿徐高速公路、云南省麻昭高速公路为实例进行验证。结果表明：与随机森林(RF)模型和BP神经网络相比,LSTM路表温度逐时预测模型的准确率得到显著提高,在宁宿徐高速、麻昭高速的平均绝对误差(MAE)、均方误差(MSE)和均方根误差(RMSE)分别为0.303、0.295、0.543和0.581、0.694、0.833,预测值与观测值绝对误差位于[0, 1)℃之间的占比为93%和89%。LSTM模型能准确捕捉路表温度的周期性和不确定性,在阴雨天和晴朗天的预测值与实测值基本一致,模型鲁棒性较好。     

暴雨致灾机理分析及预测模型构建

台阶边坡、路堑边坡等地常选用乔木作为护坡植物,而降雨易影响乔木的稳定性,进而影响其护坡效果。提前预测降雨对乔木稳定性的影响,则可及时预判边坡失稳、泥石流等灾害的发生。以非饱和土体力学特征和乔木根系固土机理为基本理论依据,分析失稳原因并建立相应理论模型;基于多种降雨方案,利用数值模拟得到不同降雨情况对乔木稳定性影响的相关数据;然后以模拟结果作为训练样本,利用BP神经网络构建预测模型,并制定相应的分类预警评判指标。研究表明：此预测模型不仅精度高,相比于数值模拟计算速度可提高数万倍,此成果可为灾害防治及预警工作提供参考。     

新冠疫情下国际班列通道综合风险测算

为分析并测算全球新型冠状病毒肺炎(COVID-19)疫情下以中欧、中亚班列为代表的国际班列通道的综合风险,便于决策者因险施策、防患于未然。首先,构建疫情下通道沿线节点国家综合风险评价指标体系,采用模糊C均值(FCM)聚类算法对沿线国家风险等级进行分类;然后,综合考虑节点间风险的相互影响,构建通道风险测算模型;最后,利用蒙特卡罗法进行仿真试验,计算不同通道去向、返程班列的风险得分。结果表明：中欧班列中/东向通道风险最高,中亚班列南向通道、新通道通行风险相对较小,需有效开拓南向通道和新通道,分担通道货运高风险。     

基于动态贝叶斯网络的民航空中停车事件安全风险评估

为探究组织和人的因素对发动机空中停车事件的影响及其演化情况,评估航空公司空停事件的风险水平,基于动态贝叶斯网络(DBN),构建一种适用于民航空停的风险评估模型。首先,运用主动与被动相结合的方式,识别影响发动机发生空停事件的组织和人的因素;其次,利用毕达哥拉斯模糊和决策试验与评估实验室(DEMATEL)方法,探究各个风险因素之间的因果关系;然后,基于得到的风险因素因果关系构建民航空停DBN,依据统计分析和专家经验确定民航空停的DBN参数,通过GeNle概率推理,进一步得出空停事件发生的概率;最后,以S航空公司的CFM56-5B发动机为例,评估民航空停事件安全风险。结果表明：2020—2021年,S航空公司的CFM56-5B发动机发生空停事件的概率分别为1.260×10^-6、1.352×10^-6;导致民航空停事件安全风险变化的主要原因是资源投入减少导致教育培训效果降低进而影响作风意识和合作沟通。