排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
2.
基于熵权物元可拓模型的地下空间火灾安全评价 总被引:1,自引:0,他引:1
为了准确评价地下空间的安全性,降低地下空间火灾事故的风险,从地下空间主动防火能力、地下空间被动防火能力、安全疏散能力以及安全管理能力4个层次构建地下空间火灾安全评价指标体系。采用熵权法和物元可拓理论建立了地下空间火灾风险的熵权可拓评价模型,并在某地下商城的火灾安全评价中进行了实际应用。结果表明,该地下商场空间的火灾安全评价等级为二级,与实际地下商场火灾安全状态相符。本文研究表明基于熵权的可拓理论可以适用于地下空间火灾的安全评价,有利于提升地下空间的火灾风险应对。 相似文献
3.
现有企业生产安全氛围的主要描述载体是文本,但文本无法定量描述的特点是企业生产安全氛围分析面临的重要挑战。基于机器学习和自然语言处理技术处理企业生产安全氛围文本信息,着重从安全氛围主题辨识和安全氛围等级预测两方面,综合实现对企业生产安全氛围的智能感知。首先借鉴合成少数类过采样技术(SMOTE)算法思想,提出一种“类SMOTE”算法,用于解决非均衡文本数据问题;然后基于隐含狄利克雷分布(LDA主题模型)实现安全氛围主题辨识,得到文本主题词及相关权重;最后基于机器学习算法实现安全氛围等级预测。经过实例验证,提出的“类SMOTE+LDA+Bayes”组合模型,对于企业生产安全氛围智能感知效果较好。 相似文献
4.
为充分利用实际生产过程中产生的数值和文本数据,预防事故的发生,加强企业的安全管理水平,基于多种机器学习模型提出了一种能综合利用数值数据和文本数据的企业风险分析方法。首先,基于岭回归、被动进取、弹性网络回归、梯度增强等机器学习算法,构建了面向数据信息的生产风险分析模型;然后依次基于Jieba分词、LDA主题建模、单分类算法和集成算法等文本挖掘技术,构建了面向文本信息的生产风险分析模型;最后利用Pearson相关系数和回归算法,实现了面向“数值-文本”大安全数据的企业安全分析。结果表明:基于梯度增强回归算法的数据分析模型效果最好,基于Voting模型的文本分析模型表型分类效果最优,Pearson相关系数为0.443 8,基于GBR模型的“数值-文本”综合分析拟合度最高,“数值—文本—比对—综合”的大安全数据分析思路有助于提高企业的安全管理水平。 相似文献
1