2015年9-10月国内生产安全事故统计分析

统计了2015年9-10月国内发生的各种生产安全事故114起,其中包括交通事故、矿业事故、爆炸事故、火灾、毒物泄漏与中毒和其他事故.统计表明,在114起事故中,交通事故占64.91％,矿业事故占3.51％,爆炸事故占5.26％,火灾占2.63％,毒物泄漏与中毒占5.26％,其他事故占18.42％.114起事故共死亡520人.死亡人数的百分比分别为交通事故62.88％,矿业事故5.00％,爆炸事故5.00％,火灾4.62％,毒物泄漏与中毒3.85％,其他事故18.65％.2015年9-10月生产安全事故发生较多的5个省分别为广东(12起)、甘肃(9起)、安徽(9起)、云南(8起)和辽宁(7起);死亡人数较多的5个省分别为安徽(52人)、广东(47人)、河南(39人)、甘肃(38人)和山东(35人).     

如何有效开展人员密集场所的疏散逃生

<正>人员密集场所是我国群死群伤火灾多发的场所。据中国消防网站数据显示:以人员密集型企业为例,2010年以来就发生了9起重特大火灾,死亡240人,占到全国同期重特大火灾死亡人数的58%,令人震惊。火灾发生之后,有关单位往往对防火和管理工作进行详细调查,深刻反思,却容易忽视事故中的疏散逃生问题。分析我国人员密集场所火灾疏散逃生中存在的问题,采取必要的整改方法,是减少这类场所火灾死伤的重要措施。     

图说吉林省安委会《关于进一步加强和推进全省安全生产领域改革工作的通知》

"八大体系"和"六项机制"全建立各地区严格按照《吉林省全面深化安全生产领域改革试点方案》规定的内容、标准、时限和要求,全面完成"八大体系"、"六项机制"等4方面、22分项、53子项的改革试点任务,并逐项评估、改进、完善和推广。"网格化管理"全覆盖全面推广四平市等7个省级试点经验做法,健全和落实以县(市、区、开发区)为重点的省、市、县、乡(镇、街道)和村(屯、社区)五级安全监管责任网格,所有生产经营单位都要"分干划净",逐个单位落实属地、行业(专业)和综合监管责任。切实做到"四个责任人"签字背书100%落实、     

看守所急需“四化”的实战指挥系统

看守所是对罪犯和重大犯罪嫌疑分子进行临时羁押的场所,是羁押依法被逮捕、刑事拘留的犯罪嫌疑人的机关。其主要任务是依据国家法律对被羁押的犯罪嫌疑人实行武装警戒看守,保障安全;对犯罪嫌疑人进行教育;管理犯罪嫌疑人的生活和卫生;保障侦查、起诉和审判工作的顺利进行。为保障这些任务安全、高效的执行,顺应信息化时代的需求,看守所需要安全技术以及各种信息化技术的支撑,近     

HDCVI同轴高清光端机为大中型项目建设铺路搭桥

前言同轴市场的潜力是巨大的,据IHS数据显示,2013年全球模拟摄像机市场份额近150亿,同轴高清技术在自身技术优势的基础上,快速抢占了同轴高清市场的先机。其中,HDCVI同轴高清技术从2002年正式发布,同时在全球范围内进行卓有成效的技术和标准推广,并率先进行产品化和系统化。2013年是HDCVI技术全面产品化的元年,基于HDCVI技术的应用方案正式面向全球客户推出各类高清前端、     

海外新闻

英格兰2020/2021年度非火灾事故分析报告发布2022年1月13日,英国内政部公布英格兰地区最新的年度非火灾事故报告,分析的是当地消防部门响应的非火灾事故及上网情况。数据显示,2020年4月至2021年3月,英格兰消防部门共参与了151044起非火灾事故应急,为2014/15年度以来的最低值,最主要的应急类型为出入口疏通、交通碰撞、援助其他部门。     

安全不平等的解决之道

安全不平等是值得关注和亟待解决的问题.例如,数据显示,经济发达地区和经济欠发达地区的交通事故、职业事故、工业事故等死亡人数之间存在很大差距.2019年4月,网络上传出"脆皮安全帽事件"的一则视频,瞬间被疯狂转发.一名工人手持施工时使用的黄色安全帽与领导视察管理时使用的红色安全帽做对比,在两者的撞击下黄色的安全帽被轻易打...     

基于链式多重插补的WOA-ELM煤与瓦斯突出预测模型

为了提高缺失数据下煤与瓦斯突出预测准确率,提出1种基于链式支持向量机多重插补(MICE＿SVM)的鲸鱼优化算法(WOA)-极限学习机(ELM)预测模型,以淮南朱集矿区为例,选取5个煤与瓦斯突出影响指标作为模型特征,采用提出的MICE＿SVM算法插补突出事故数据中缺失值,利用WOA优选ELM输入层权值及隐含层阈值,构建煤与瓦斯突出预测模型,将插补后数据用于WOA-ELM模型的训练与测试,并与其他模型的预测效果对比。研究结果表明：MICE＿SVM插补前、后的有突出数据预测准确率分别为83.02%,90.41%,MICE＿SVM显著提高了有突出预测准确率,对无突出和整体的预测准确率提高不明显;数据插补后WOA优化ELM对无突出、有突出和整体的预测准确率分别为97.94%,96.25%,96.48%,较优化前分别提高了5.79%,5.84%,5.55%,数据插补后WOA-ELM为最佳预测模型。     

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%。     

数据挖掘与现场调查结合的电动汽车事故分析

为了解电池热失控引起的电动汽车自燃事故起因,降低事故发生率,统计梳理2020年新能源汽车起火事故概况,并基于动力电池失效机制和车辆运行数据,提出一种融合事故阶段安全参数关联分析、事故现场调查和全生命周期数据一致性分析的事故多维分析方法,采用该方法深入剖析一起电动汽车起火事故.研究结果表明:事故多维分析方法可通过探究事故...