格力电器基业长青的“三驾马车”

2010年4月27日．格力电器再次向国家和股民交出了一份漂亮的年度业绩报告。年报显示,凭借其在技术、质量、营销网络等方面的优势和创新,2009年公司营业总收入和净利润双双逆势增长,全年实现营业总收入426．37亿元,较上年同期小增1．04％;净利润29．13亿元,较上年同期增长48．15％;     

IBM科学家创造最全面的大脑网络图

美国国家科学院院刊（PNAS）刊发了一篇划时代意义的文章,题为“猕猴大脑长距网络架构”,由Dharmendra S．Modha（IBM阿尔马登）和Raghavendra Singh（IBM印度研究中心）撰写,这将对大脑逆向工程和认知计算芯片的网络发展产生重大影响。     

湄公河观察

湄公河观察是1993年在日本东京成立的非政府组织（NG0）,该组织的宗旨是使湄公河流域内进行的开发和经济合作不至于威胁到当地居民的生活。成立之初,由8个NGO网络组织组成,2003年则以NPO（非营利性组织）形式法人化。湄公河观察给自己设定的目标是：让居住于湄公河流域的各国人民免受经济开发带来的各种弊端,确保他们能够享受到本地自然资源及其衍生生活方式的原始性和丰富性。     

贝叶斯规整化BPNN定量流域非点源污染负荷研究

将贝叶斯规整化BP神经网络(BRBPNN)应用于渭河流域非点源污染、社会和经济之间相互作用的研究。采用相关系数法确定输入变量为"降雨"、"种植地"、"草地"、"人口密度"和"羊密度",输出变量为总氮负荷。结果表明用BRBPNN定量非点源污染负荷是可行的,综合选择最优网络模型结构为BRBPNN(3c-7-1),其训练集和预测集相关系数分别为1.0000和0.9780,对应的均方误差分别为88.32和3.21×102。采用权值理论分析各输入因子对网络的贡献,依次为"降雨">"羊密度">"种植地"。该研究可为流域非点源污染的治理提供依据。     

地震灾害下城市供水网络韧性评估及优化研究

为提升城市供水网络应对地震灾害的能力,基于性能响应函数(PRF)方法,引入基础设施网络均衡理论,设计综合考虑城市供水网络物理状态和输送能力的性能时程响应函数,构建贯穿结构和功能双维度的地震灾害下城市供水网络韧性评估方法;从灾害概率、灾害后果、恢复速度、恢复程度等4个关键因素出发,提出城市供水网络网状扩张、管道延性改造、增加恢复资源和提升恢复储备等韧性优化策略;以我国华东某市供水网络为例,定量评估不同优化策略下的韧性提升效果,提出不同决策场景下恢复资源r和恢复储备b的优化配置方法。结果表明:管网延性改造是提升供水网络韧性的有效措施,网状扩张能提升供水网络性能,但对韧性提升无明显作用,网状扩张后要注意增加网络恢复资源和恢复储备。     

特长公路隧道全射流火灾通风网络解算研究*

为探究特长公路隧道全射流火灾在通风条件下隧道内风流分布及影响规律,基于斯考德-恒斯雷近似算法构建通风网络解算模型,并通过隧道现场风机效率测试和通风测试,验证通风网络解算模型的可靠性;引入火区阻力和火风压公式,建立全射流火灾通风网络计算模型。结果表明:铜锣山隧道射流风机正向运转效率为0.83~0.93,平均效率为0.882,风机反向运转效率为0.65~0.68,平均效率为0.665;现场通风测试结果与通风网络计算结果误差在15%以内;火灾通风阻力对隧道各支路的影响程度不同,其中,对事故隧道支路的影响最大,横通道支路次之,对非事故隧道支路的影响最小;隧道坡率对烟气分配的影响主要为火风压引起,上坡隧道时,火风压起动力作用,火灾支路风量与坡度成正相关,下坡隧道时,火风压起阻力作用,火灾支路风量与坡率成负相关。     

基于DE-BPNN模型的含腐蚀缺陷管道失效压力预测*

为提升含腐蚀缺陷管道失效压力预测精度,准确把控管道状态,建立基于DE-BPNN的含腐蚀缺陷管道失效压力预测模型,有效避免BPNN模型陷入局部最优问题,提升预测精度。基于61组管道爆破实验数据,分别用DE-BPNN与BPNN模型进行仿真计算。结果表明:DE-BPNN预测结果平均相对误差为3.26%,R²为0.985 85,预测精度较BPNN模型有明显提升。应用DE-BPNN模型预测含腐蚀缺陷的管道失效压力可为长输管道运输调配和检维修提供决策支持。     

基于APRIORI-TAN的交通事故伤害分析与预测*

为探究道路交通事故因素和事故伤害的相关性,以2 467起涉及人员伤亡的交通事故为数据集,运用Apriori算法分别挖掘事故伤害关联规则,并结合社会网络分析的可视化和核心-边缘分析构建受伤事故和死亡事故的关联规则网络。结果表明:事故伤害程度与事故时间、道路条件和交通环境等因素关系紧密,尤其死亡事故与碰撞固定物、人行横道事故、高速公路、高速道路、非市区、酒驾和超速存在高相关性。基于树型贝叶斯网络（TAN）构建事故伤害程度的预测模型,预测结果准确率可达87.56%。     

基于贝叶斯网络的我国电网安全风险关联分析

为了有效识别电网运行的关键风险要素,基于典型电网企业2014-2019年代表性事故案例,采用贝叶斯网络的机器学习方法分别构建了电网事故、设备事故及人身事故致因的贝叶斯网络模型,分析各风险因素对事故的影响程度并反向诊断事故发生的关键诱因.结果表明:1)3种贝叶斯网络模型预测精度分别达到87.85％、89.24％、96.88％;2)不同类型事故的关键风险因素存在差异,但人因仍是主要致因.电网事故的关键影响因素为巡检不到位、检修质量不良和验收不合格;设备事故的关键风险因素为处理不当、巡检不到位和施工质量不良;人身事故的关键风险因素为安全意识缺乏、施工质量不良、监护不到位和验收不合格.最后,对电网系统安全运行提出了针对性建议.     

基于UHBs的输气管道高后果区泄漏燃爆事故分析

为探究输气管道高后果区中人的不安全行为（Unsafe Human Behaviors,UHBs）对输气管道泄漏燃爆事故发生的影响,结合模糊Bow-tie模型和贝叶斯网络对输气管道泄漏燃爆事故进行分析。构建基于T-S模糊故障树的输气管道泄漏燃爆模糊Bow-tie模型,并转化为贝叶斯网络;从人的不安全行为发生的可能性出发,将不同等级高后果区划分为不同等级人口敏感区;利用专家经验评判法得到不同等级人口敏感区基本事件的先验概率和中间事件的条件概率表;运用贝叶斯网络双向推理算法求解模糊Bow-tie模型。结果表明:随着地区人口敏感等级的提高,输气管道泄漏燃爆事故发生的概率随之增大,发现导致输气管道失效泄漏事故发生的最主要原因为施工破坏,失效原因与EGIG分析的结果基本相符,验证该方法在高后果区输气管道泄漏燃爆事故分析上的可行性,可为输气管道高后果区的安全管理提供决策依据。