简介:针对机坪安全风险较为严峻的问题,通过剖析机坪作业安全影响因素及事故原因,从机坪设施设备安全状况、空防保障系统安全状况、机坪作业人员管理状况、机坪车辆管理状况、机坪现场指挥协调状况、机坪安全综合管理系统状况6个方面构建了机坪安全风险评价指标体系。根据模糊数学理论建立了机坪安全风险多级模糊综合评价模型,并对模型进行了实例验证。该方法可以给出机坪的整体安全风险等级和各评价指标对机坪安全风险性的影响及大小。
简介:鉴于水质评价是一个多因素、多指标的复杂体系,且评价指标、权重和污染程度等具有模糊性,采用模糊物元法对农村饮用水安全进行综合评估。模糊物元法通过建立模糊物元矩阵和权重矩阵,计算相应的欧式贴近度,并对各饮用水样安全度进行分级。该法采用熵值法赋权,有效避免了权重分配的主观化,并选取饮用水安全卫生评价准则,细化了饮用水安全等级。对陕西省某农村灌区进行实例应用,评价结果显示,浅层地下水局部已受污染,饮用水安全的水井仅占调查样本的30%。水质受工业污水排放及农业灌溉影响较大,不达标饮用水主要表现为Cl^-、SO4^2-、Cr^6+、F-等含量超标,硬度和矿化度普遍偏高。结合灌区调研资料可知,评价结果与实际情况基本一致,证明该评价方法具有较好的合理性和实用性。
简介:为确定抽水蓄能水电站的主要职业健康危害因素、评价抽水蓄能水电站工作人员的职业健康风险,在现场调查的基础上,对运维一体化生产方式下抽水蓄能水电站工作人员的主要工作区域进行划分,将其划分为主厂房、副厂房、主变洞、地下GIS系统、地面GIS系统、出现系统共6个区域,并对各个区域的职业健康危害因素进行检测和识别,筛选出噪声、振动、潮湿、高温/低温、工频电场和六氟化硫作为工作人员接触的主要危害因素。然后结合职业健康相关规范及研究,根据各危害因素的人体接触强度将危害定量划分为无危害(Ⅰ)、轻度危害(Ⅱ)、中度危害(Ⅲ)、重度危害(Ⅳ)4个级别。最后结合抽水蓄能水电站工作人员的工作特点及接触危害因素的强度和时间长度,利用模糊数学法对抽水蓄能水电站的职业健康风险进行评价:首先确定了抽水蓄能水电站不同工作场各危害因素的健康风险,结果表明6个工作区域中噪声对人体的危害最大,主厂房和副厂房振动的危害次之。之后,根据工作人员在各工作区域危害因素的接触时间,对全部工作区域的模糊矩阵进行计算,结果表明全厂健康风险综合评价等级为Ⅰ级。主厂房、副厂房、主变洞、地下GIS室、地面GIS室、出线系统均属于总体无风险,6个主要危害因素中对人体影响最大的为噪声,而在出线系统区域,工频电场的影响较大。实践表明,该方法所得结论与工程实际吻合较好。
简介:采用安全分析法和专家调查法,以事故致因理论进行系统安全分析,建立了电梯使用管理系统安全评价体系。应用AHP-模糊综合评价法建立了电梯使用管理系统的6级风险评估体系,确定电梯使用管理系统安全评价体系中各予系统及各指标的权重,再结合实际经验,根据安全规范构造各指标隶属度,进而根据评价集构造隶属函数,得到各指标对评价集的最终隶属度、模糊矩阵和综合评价结果,求得电梯使用管理系统安全状况的综合得分,进而划分安全评价等级,得到电梯使用管理系统评价结论。
简介:目前国内外还没有对不同火险条件下草原火险时空发生概率的研究,而这方面研究对草原火灾管理对策和防火救助应急预案的制定具有重要意义。根据呼伦贝尔草原火灾统计月报表和相关气象、社会经济资料,利用Logistic回归模型建立草原火险预测模型,对草原火险进行了空间上的预测。结果表明,日平均风速、日降水量对草原火险影响较大;以2005年所有火灾案例对草原火险预测模型进行检验,研究表明,该预测方法具有较高的可靠性,可为火灾管理和减灾决策的制定提供指导。
简介:采煤工作面的液压支架是承受顶板压力的主体结构,选择支架的主要根据是其将要承受的周期来压荷载。为预测周期来压,构建了基于小波和混沌优化的最小二乘支持向量机(LSSVM)方法。该方法利用小波分解技术将所选的样本集数据分解成不同频率的分量,基于混沌理论对分量相空间进行重构。各重构分量分别使用LSSVM模型进行训练,其中LSSVM预测模型的参数由混沌粒子群算法进行优化。最后,将各LSSVM模型得到的预测分量进行小波重组得到完整的周期来压荷载预测波形。通过在重构时的计算发现,在某周期下,荷载的时序序列有一定的混沌性。与其他3种模型进行比较,基于小波和混沌优化LSSVM的预测模型得到的最终荷载波的精度更高,收敛性也较好。
简介:矿井瓦斯突出的发生是一个非线性系统在时空演化过程中的灾变行为,影响突出的各个基本因素与突出危险性之间存在复杂的非线性映射关系。对于处理这样的非线性时空演变问题,传统的数学方法是有局限性的。为了更好地预测矿井瓦斯涌出量,将灰色理论引入到预测精度高的遗传神经网络,使灰色理论和遗传神经网络有机结合起来,以神经网络理论为基础,利用遗传算法优化隐含层神经元个数和网络中的连接权值,并用其建立瓦斯涌出量的预测新模型。在实验室测试数据的基础上,建立遗传神经网络训练和检验样本集,并且将检验结果分别与标准BP神经网络的预测结果进行比较。
简介:为了给工业界提供一种快速预测二元混合液体自燃温度的有效途径,将试验所测不同组分及配比的168个二元混合液体的自燃温度作为期望输出,将基于电性拓扑状态指数(ETSI)理论、引入混合ETSI概念而计算出的9种原子类型所对应的混合ETSI作为输入,采用三层BP神经网络技术建立了根据原子类型混合ETSI来预测混合液体自燃温度的BP神经网络模型,并应用改进的Garson算法进行多参数敏感性分析。经模型评价验证及稳定性分析,得到训练集的决定系数R2为0.965,平均绝对误差MAE为11.892K,测试集的交叉验证系数Q2ext为0.923,平均绝对误差MAE为15.530K,发现该模型的预测性能优于已有的多元非线性回归(MNR)模型,表明BP神经网络模型具有较好的拟合能力和预测能力,对烷、醇类混合体系自燃温度的预测精度最佳。