基于MMAS-BP的煤与瓦斯突出强度预测

为提高煤与瓦斯突出强度的预测精度及预测速度,用最大最小蚂蚁系统和BP神经网络相结合的方法进行预测模型设计。根据煤与瓦斯突出强度及其主要影响因素之间的关系数据,建立其神经网络的预测模型。以网络的权值和阈值为自变量,网络误差为目标函数,通过蚁群算法的迭代运算,搜索出误差的全局最小值,以实现BP神经网络的初始权值、阈值优化,并用优化后的网络进行瓦斯突出强度的预测。实例结果表明,MMAS-BP算法的预测值均方差为0.089,约为BP神经网络的0.1倍,且输出稳定性好,适用于煤与瓦斯突出强度的预测。     

基于模糊均生函数和最优子集回归的飞行事故率预测

为有效预防飞行事故的发生,针对飞行事故率具有随机波动性和趋势性的特点,采用模糊均生函数(FMGF)和最优子集回归(OSR)建立飞行事故率预测模型。该方法把FMGF延拓序列作为预测因子加入OSR方程,将FMGF分析和因子筛选相结合作OSR,进而对飞行事故率进行预测。通过对美国空军1988—2004年的飞行事故率进行拟合预测,结果表明:将FMGF模型和OSR模型有机结合,能够有效刻画飞行事故率的随机波动特性,并且其预测结果的相对误差也较小。     

“十一五”国家科技支撑计划项目“非煤矿山典型灾害预测控制关键技术研究与示范工程”通过科技部验收

2011年4月28日,由中国安全生产科学研究院承担的＂十一五＂国家科技支撑计划项目＂非煤矿山典型灾害预测控制关键技术研究与示范工程＂（项目编号：2006BAK04B00）通过了科技部组织的专家验收。科技部、国家安全监管总局相关司有关人员,以及项目验收专家、项目主要研究人员共计30余人参加了验收会议。     

基于GIS的滑坡灾害风险空间预测

滑坡灾害风险评价是一个包含有滑坡危险性评价和承灾体易损性评价的体系,对滑坡危险性进行了空间预测与区划,并开展了区域承灾体易损性的区划与评价。结合风险评价的基本要求,进行了研究区滑坡灾害的风险区划,将其划分为极高、高、中、低与极低风险区。针对研究区经济发展水平及政府防灾力度,提出了适合研究区的可接受风险标准与管理对策。     

污水处理厂中微生物群落特性与基因功能探究

为了探究污水处理过程中微生物多样性及其功能,文章以哈尔滨市某城市污水处理厂为研究对象,采用高通量测序及水化学分析方法对进水口、曝气池及出水口的水质样本分别进行细菌群落结构及环境因子的测定分析。结果表明,该污水处理工艺对COD、BOD₅、NH₄⁺-N、TP、TN均有明显的去除作用,其中除TN外去除率均在93%以上,NH₄⁺-N的去除率最高,达99%。污水中微生物群落鉴定检出细菌分属于15门、28纲、64目、92科和115属。通过细菌微生物群落Alpha多样性分析发现,曝气池中细菌群落多样性最高。其中环境中的优势菌门为变形菌门(Proteobacter)、拟杆菌门(Bacteroidota)、厚壁菌门(Firmicutes)、弯曲杆菌门(Campilobacterota)、髌骨细菌门(Patescibacteria)。其中Bacteroidota与Campilobacterota在H1中丰度最高,分别为44.62%、24.62%,Patescibacteria在H2中丰度最高,为2...     

无废城市建设场景下LightGBM垃圾产量预测模型构建

中国于2018年提出“无废城市”建设试点工作方案。通过对某试点研究区域调研发现,近年来当地生活垃圾产量呈现高出城市人口发展速度,且呈非线性快速增长趋势。传统的预测手段已经无法满足当地垃圾产量的精细化管理需求,难以将当地垃圾处理能力的发展与产量增加的趋势相协调。因此,基于社会多元数据,构建对研究区域整体垃圾总产量预测的模型研究方案。通过将灰色关联分析算法与LightGBM机器学习算法结合,获得了多元社会数据中与研究区域垃圾产生增长关联最为密切的几类特征数据,以进行机器学习模型构建与交叉验证调优,获得了MAE为1.48,MAPE为15.42%的生活垃圾产量精准预测模型。最终利用该模型预测,2025年该地的生活垃圾产量将达到17.23万t/a。     

环境中典型抗生素生态安全阈值

随着人们生活水平的提高,抗生素的使用量日趋增加,对生态环境造成潜在风险.以12种典型抗生素(克拉霉素、金霉素、青霉素、头孢噻肟、头孢唑啉、硫酸链霉素、新霉素、磺胺甲恶唑、林可霉素、氯霉素、诺氟沙星、恩诺沙星)为研究对象,根据欧盟化学物质风险评价技术指导文件(TGD),推导不同环境介质中抗生素的预测无效应浓度(PNEC).结果表明,12种典型抗生素PNECwater值大小依次为：磺胺甲恶唑(0.0075μg·L^-1)<青霉素(0.10μg·L^-1)<诺氟沙星(0.1128μg·L^-1)<克拉霉素(0.20μg·L^-1)<金霉素(0.24μg·L^-1)<新霉素(0.60μg·L^-1)<硫酸链霉素(1.00μg·L^-1)<林可霉素(2.00μg·L^-1)<氯霉素(12.5μg·L^-1)=恩诺沙星(12.5μg·L^-1)<头...     

基于随机森林算法的塔式起重机安全事故预测及致因分析

近些年来塔式起重机安全事故频发,造成了较大的人员伤亡和财产损失。为降低塔式起重机安全事故发生的概率、辨识关键的诱发因素,根据塔式起重机安全管理相关的法律、安全技术规范和标准,采用系统分析方法对事故致因进行层次分解,并以194份事故调查报告为数据样本,构建了一种基于随机森林算法的塔式起重机安全事故预测模型,并以某塔式起重机较大坍塌事故为例对该模型进行了验证。结果表明:利用随机森林算法对塔式起重机安全事故等级和类型进行预测的准确率分别达到了0.9和0.8;导致塔式起重机安全事故的关键因素为专项施工方案不完备(P_2)、人员安全意识淡薄(H_1)、安全技术交底不充分(P_3)、安全生产检查不充分(P_4)和工人无证上岗(H_6),实例验证结果显示该模型对塔式起重机安全事故等级和类型预测的准确度较高。     

基于GSK-AdaBoost-LightGBM的交通事故死亡人数预测研究

交通事故预测研究有助于降低交通事故发生的概率。为提高交通事故预测模型的精度,首先应用网格搜索法获得LightGBM模型的最优超参数,并进行5折交叉验证提升模型的抗拟合能力,建立优化的LightGBM(GSK-LightGBM)模型;然后基于AdaBoost算法训练多个GSK-LightGBM模型,加权组合得到AdaBoost-LightGBM增强集成模型,并采用网格搜索法结合5折交叉验证,实现了AdaBoost-LightGBM模型的参数优化,构建了GSK-AdaBoost-LightGBM模型;最后基于采集到的1953—2018年我国道路交通事故死亡人数相关样本数据训练模型,得到基于GSK-AdaBoost-LightGBM的交通事故死亡人数预测模型,并引入均方误差、平均绝对误差和平均绝对百分误差3项评估指标评估了模型的预测性能,探究了模型的优化效果。结果表明:GSK-AdaBoost-LightGBM模型的3项评估指标值分别为0.014、0.00035和0.077,低于LightGBM模型、GSK-LightGBM模型和AdaBoost-LightGBM模型的评估指标值,说明该模型的预测精度较高,且明显优于LightGBM模型、GSK-LightGBM模型和AdaBoost-LightGBM模型。     

基坑开挖影响下下卧盾构隧道变形及控制措施研究

近年来地铁建设不断加快,在地铁隧道上方施工已成常态。为研究基坑开挖影响下下卧盾构隧道的隆起变形,评价不同变形控制措施的实际控制效果,以武汉市轨道交通6号线琴台变电站地下电缆通道工程为例,采用两阶段法计算了基坑开挖影响下下卧盾构隧道的隆起变形,同时采用数值模拟方法对无加固、压力注浆加固、水泥土搅拌桩加固和压力注浆+水泥土搅拌桩综合加固控制措施4种工况下下卧隧道的隆起变形值进行了数值模拟计算,并将数值模拟结果与实际工程监测数据进行了对比分析。结果表明:对于初步预测基坑开挖引起下卧盾构隧道的隆起变形,该理论计算方法可靠、实用;压力注浆+水泥土搅拌桩综合加固控制措施使下卧盾构隧道的隆起变形和横断面收敛变形值分别减小至2.3 mm和0.35 mm,控制效果良好,具有一定的实际推广意义,可为类似工程提供参考。