基于Tripod-Beta模型的船舶火灾事故风险分析

为深入分析船舶火灾事故风险因素及其后果产生的影响,通过分析1991-2017年全球船舶火灾事故调查报告,从人员、管理、船舶设备、货物、环境5个方面对船舶火灾影响因素进行识别研究;采用三脚架事故致因模型(Tripod-Beta model),构建考虑安全栅的船舶火灾事故情景演化模型,识别船舶火灾关键影响因素;并在样本量较少的情况下,采用信息扩散理论计算船舶火灾发生率;最后,利用布尔函数和风险矩阵,对船舶火灾事故风险进行评价研究。结果表明:船员不安全行为和船舶设备表面过热、设备短路是船舶火灾事故的关键风险因素;事故后果链中安全栅遭到破坏时,船舶火灾风险处于不希望发生范围内。该方法能有效评估船舶火灾风险的等级,满足海事管理部门的监管工作需求。     

元胞自动机在矿山地质灾害预测中的应用

本文根据复杂性科学理论,论证了地质灾害系统是一个复杂大系统。元胞自动机（Cellular Automata,CA）是一种重要的复杂性科学研究工具,本文阐述了元胞自动机的基本原理和方法,总结了其基本特点,认为元胞自动机在安全科学与技术领域有着广阔的应用前景,并探讨了其在滑波预测、地下水渗透、岩爆预测等几种矿山地质灾害预测中的应用。     

灾变预测在企业安全事故预测中的应用

简述了灰色理论中灾变预测的特点及其建模过程,并将其应用于企业安全事故预测之中.经检验,模型的精度等级为好,模型的预测结果可靠,对于企业安全事故的预测有一定帮助.     

Elman神经网络在抽水地面沉降预测中的应用

将Elman神经网络应用于南京奥体中心地铁站抽水试验初期对地面沉降的预测，提出了一种预测模型。该模型采用对已知数据样本进行分段的方法，把分段后的数据作为网络输入和期望输出训练网络，从而达到动态建模的目的。从预测结果来看，该模型误差较小，基本上能够反映2002—07—21当天地面沉降的真实情况，具有一定的可靠性和实用性，因此，该模型可作为后期由于基坑开挖和防渗排水所引起地面沉降的分析工具。     

林火数据的Logistic和零膨胀Poisson(ZIP)回归模型

利用统计模型对森林火灾数据进行了描述和分析,所用模型包括Logistic回归模型和零膨胀Poisson(ZIP)回归模型.将所用的森林火灾数据分别视为分组因子数据和有序变量数据进行建模.为了进行预测和验证,建模时使用部分数据,其余数据作为检验数据,用以检验预测的准确性.研究结果显示,所研究的两类模型都得到了与检验样本接近的结果,具有较好的火灾次数预测能力.其中零膨胀模型不仅可以得到与Logistic模型相当的结果,而且能够有效解决火灾数大于天数的问题,以及可以对零值过多的数据进行较好地建模.该研究表明所建立的Lo-gistic回归模型和零膨胀Poisson回归模型都是分析火灾与影响因素相关性的适用模型.     

用灰关联分析和神经网络方法预测煤与瓦斯突出

本文应用灰色系统理论的灰色关联分析,对煤与瓦斯突出影响因素进行灰关联分析,得出了各影响因素对煤与瓦斯突出影响程度的大小排序,选择灰关联分析的五个优势因子:瓦斯放散初速度、坚固性系数、瓦斯压力、煤体破坏类型和开采深度,作为输入参数,用计算机对神经网络编写程序,建立了煤与瓦斯突出预测的神经网络模型.用我国典型突出矿井的煤与瓦斯突出实例作为学习样本,对网络进行训练学习,并以云南恩洪煤矿的煤与瓦斯突出实例作为预测样本进行验证.     

突变级数法在采空区塌陷预测中的应用

基于突变级数理论,分析影响采空区稳定性的因素(包括采空区体积率、距地表的垂深、地质构造复杂程度、煤层倾角、覆盖层厚度、覆盖层类型等),研究采空区塌陷的预测方法.对各影响因素进行排序并确定各因素指标体系,得到各样本的突变级数,从而对采空区稳定性进行预测.实例验证表明,突变级数法的判断结果符合实际,与神经网络分级法的判断结果一致.可见,基于突变级数理论的采空区塌陷预测方法具有科学性和有效性.     

硝酸铵 爆炸 员工应急卡（八）

适用对象：当班操作员、控制室人员、相关职能部门 危险目标：硝酸铵仓库 事故预测：急剧加热可发生爆炸、与还原剂混合形成爆炸性混合物 健康危害：对呼吸道、眼及皮肤有刺激性     

国务院办公厅关于加强气象灾害监测预警及信息发布工作的意见

国办发〔2011〕33号各省、自治区、直辖市人民政府,国务院各部委、各直属机构:加强气象灾害监测预警及信息发布是防灾减灾工作的关键环节,是防御和减轻灾害损失的重要基础。经过多年不懈努力,我国气象灾害监测预警及信息发布能力大幅提升,但局地性和突     

建筑工程生产事故死亡人数时间序列分析

为研究建筑工程安全生产事故死亡人数的变化规律,采用时间序列分析方法,分析了建筑安全事故死亡人数时间序列上的趋势性规律,通过数据预处理和模型的识别与检验,最终建立了安全事故死亡人数预测模型。对全国2005—2014年建筑工程安全生产事故造成的死亡人数进行了分析和预测。结果表明:ARIMA模型各年预测值与实际值误差率为0.393,相比灰色模型和BP神经网络模型误差率最小。总体上说,ARIMA模型较适用于随机性较大的数据的趋势预测。