基于CA的城市形态扩展多解模拟——以北京市东部平原区情景分析为例

构建了一个基于人工神经网络的约束型城市扩展CA模型。利用该模型,预测了北京市东部平原区在3种情景规划之下的未来50年的城市形态,为不同的城市发展模式之间的比较分析奠定基础。然后以2024年的北京东部平原区模拟城市形态为基准,从自然生态功效、社会服务功效、经济利益功效3个方面对3种规划模式进行了情景分析,从而系统的比较了3种规划模式的复合生态功效,为城市规划决策提供有力的支持。     

Application of dynamic risk analysis in offshore drilling processes

Process safety is the common global language used to communicate the strategies of hazard identification, risk assessment and safety management. Process safety is identified as an integral part of process development and focuses on preventing and mitigating major process accidents such as fires, explosions, and toxic releases in process industries. Accident probability estimation is the most vital step to all quantitative risk assessment methods. Drilling process for oil is a hazardous operation and hence safety is one of the major concerns and is often measured in terms of risk. Dynamic risk assessment method is meant to reassess risk in terms of updating initial failure probabilities of events and safety barriers, as new information are made available during a specific operation. In this study, a Bayesian network model is developed to represent a well kick scenario. The concept of dynamic environment is incorporated by feeding the real-time failure probability values (observed at different time intervals) of safety barriers to the Bayesian network in order to obtain the corresponding time-dependent variations in kick consequences. This study reveals the importance of real-time monitoring of safety barrier performances and quantitatively shows the effect of deterioration of barrier performance on kick consequence probabilities. The Macondo blowout incident is used to demonstrate how early warnings in barrier probability variations could have been observed and adequately managed to prevent escalation to severe consequences.     

隧道救援站通风网络优化设计及人员疏散研究*

为确定铁路隧道救援站最佳通风结构,对烟道布置提出合理建议,采用计算流体力学（CFD）的方法,对铁路隧道救援站通风网络进行优化设计。同时,采用模拟计算的方法对救援站人员疏散进行模拟分析,确定救援横通道布置及防护门开度设置的合理性。研究结果表明:在同等通风参数工况设置下,采用多节点排烟竖井结构后各救援横通道流量分配更均匀,救援站压力平衡性更好,通风效率可提升15%;通过疏散模拟证实,在长560 m的紧急救援站范围内设置10条疏散横通道,横通道设1.7 m宽的逃生门能够满足疏散要求。     

提高GPS定位精度的群调度滤波算法*

为解决现行安全生产科技领域中全球定位系统（GPS）/惯性导航系统（INS）融合系统容易产生较大时变误差的关键问题,满足GPS定位信号的精度和信号数据处理时间的要求,提出1种群调度滤波算法,通过实验仿真,分别与模糊算法、机器学习算法及卡尔曼滤波网络算法进行比较研究。结果表明:群调度滤波算法兼顾了定位精度与数据处理时间,具有较大优势,可在航空安全、船舶安全、应急监测、灾后抢险等安全科技领域广泛应用。     

基于复杂网络的燃气管线破裂灾害链风险分析*

为提高燃气管线突发事件应急处置决策水平和应急响应能力及效率,采用复杂网络理论和灾害链演化机理对燃气管线破裂灾害事件影响进行耦合分析,构建燃气管线破裂灾害链网络和风险评估模型,并计算得出燃气管线破裂灾害链风险度。为更准确地表达无传播路径的灾害事件之间的关系,将灾害网络中所有最短路径长度的最大值作为其最短路径长度,计算表明这种算法更符合灾害传播实际情况。结果表明:通过燃气管线破裂灾害链风险分析,能够为燃气管线灾害风险控制措施和方案制定提供参考,有利于提高燃气管线破裂灾害事件的应急处置能力和决策水平。     

基于改进模体方法的国家应急组织合作网络基元比较

为分析和比较应对非常规突发事件过程中,由不同类型组织个体及其不同频次合作关系构成的应急复杂组织网络的微观结构特征,研究运用表征个体差异和关系强弱的改进模体分析方法,以中国和美国国家应急组织合作网络为例,比较分析其基元同构与异构特征。结果表明:中美应急组织系统不同类型的应急主导和支持组织构成的主要合作模式具有同构性,但子图结构数量分布具有异构性;考虑个体间关系频次差异,中美应急组织网络基元合作模式具有形式同构但相对数量分布异构的特征;比较而言,美国合作网络为分布式、分权化和关系型基元构型,中国合作网络具有集中式、集权化和契约型基元特征。     

基于人工神经网络的气体泄爆最大超压预测研究

为解决传统经验公式在预测气体泄爆中最大超压出现时的较大偏差或过于保守的问题,提出使用人工神经网络预测气体泄爆最大超压。基于124组实验数据,采用BP与RBF神经网络,通过优化算法计算与迭代循环对泄爆样本中的影响因素进行降维与选择,并确定2类神经网络本身在学习与计算气体泄爆样本时的相关参数。结果表明:PCA（主成分分析法）在当前样本条件下的降维效果较差,而通过迭代对比确认气体泄爆样本中的5类特征全部保留时神经网络的训练模拟效果最好;通过对124组实验数据进行随机挑选训练集与测试集的训练模拟结果发现,神经网络对气体泄爆中最大超压的预测效果较好;通过对比Molkov提出的和经Fakandu等改进的NFPA 68经验公式以及2类神经网络的预测结果表明,神经网络相比于传统气体泄爆经验公式具有明显优势。     

基于BP神经网络的受限空间火灾联合探测方法

针对航空受限空间火灾探测高误报的问题,在现有技术成果基础上对多种火灾探测方式进行研讨,并提出1种基于BP神经网络技术的飞机机身内部受限空间火灾联合探测报警方法。该方法结合现有烟雾感应、气体传感器探测等常用火灾探测技术,以红外热成像探测为辅助手段,采用神经网络实现数据融合,对模拟实验舱火灾烟雾进行联合探测,在单一火灾探测方式基础上提高了探测准确率。     

基于社会技术系统的复工企业疫情防控风险路径研究*

为对复工企业疫情防控中的风险致因因素进行分析,探寻复工企业疫情防控的风险路径,基于社会技术系统理论,建立宏观工效学模型,通过查阅并分析国家、地方政府、企业文件以及相关文献,从人员、技术、组织管理、内部环境及外部环境5个子系统出发,识别出16个复工企业疫情失控致因因素;运用社会网络分析（SNA）构建复工企业疫情防控关系网络,对各因素节点中心度进行计算,分析各节点在网络中的位置及影响程度;采用贝叶斯网络（BN）进行参数学习和推理学习,找出复工企业疫情失控的最大致因链。结果表明:复工企业疫情失控关系网络中,存在政府监督管理不力→防疫物资筹备不足→日常监管不到位,政府监督管理不力→ 防疫宣传、培训缺失→员工防疫知识欠缺,政府监督管理不力→防疫宣传、培训缺失→日常监管不到位3条最长风险路径。研究结果可帮助复工企业针对最长风险路径中的因素进行管理,从而有效地为复工企业防疫提供理论支持。     

维修时间不确定性下配电网灾后维修队安排的鲁棒恢复研究*

为最小化灾后配电网损失量,准确描述完整维修队工作时间（分为路途时间与具体维修时间）,依据台风路径对维修队所需路途时间进行分类,并利用期望概率描述具体维修时间的不确定性。建立2阶段分布式鲁棒优化模型,采用CCG算法分析国内某地区配电网算例发现:考虑维修时间不确定性可以有效减少配电网损失量。