舟山港船舶溢油事故风险评估研究

国内海上油运的迅速发展将导致船舶溢油事故风险逐年增大,科学的船舶溢油事故风险评估作为船舶溢油事故防控工作的重要方面也越来越受到重视。通过对我国以往船舶溢油事故的综合分析,借助国内外溢油事故数据和科学的评估方法,对舟山港的溢油事故发生概率和溢油量进行了预测和评估。得出的结论和建议将为船舶溢油事故应急能力建设提供参考和初步依据。     

基于车道集计交通流数据的事故风险评估分析

事故风险评估分析提取事故及对应非事故状况下的交通运行数据作为自变量,以事故发生与否作为0或1因变量,采用数理统计模型分析事故发生与交通流状态的关联性.为探索上海市城市快速路的车道集计交通流数据用于事故风险评估分析的可行性,基于条件Logistic回归,使用该数据与事故数据构建事故风险评估模型,并检验模型预测精度.结果表明低运行速度、车道间流量的差异性会增加事故发生的概率;上海市城市快速路的车道集计交通流数据可用于事故风险评估研究.     

GMPC模型在事故征候预测中的实现

事故征候数据的研究对航空安全管理有至关重要的作用,以科学的算法对其预测更是事故预防的关键。以2003~2012年这十年的事故征候数据和运营飞机数据为基础,通过统计运算处理,结合GM(1,1)模型和马尔科夫模型优点,建立GMPC模型,实现动态预测,可为民航安全管理提供决策依据。实践表明,该模型在预测未来一两年的事故征候数据时较为准确,作为短期预测民航安全趋势是可行的。     

基于Bass模型的舟山大型捕捞渔船扩散预测

根据2007-2014年舟山市大型捕捞渔船销售数据,通过非线性回归分析的方法建立渔船销售量的Bass模型。运用该模型预测大型捕捞渔船未来几年的累计销售量,并依据当前全国能源状况以及舟山海域环境资源状况对其展望。     

灰色理论在我国化工园区事故预测中的应用

根据我国化工园区事故统计数据,运用灰色系统理论建立我国化工事故数和伤亡人数的GM(1,1)灰色预测模型;通过关联度检验,结果表明:模型的预测精度良好;用模型对我国化工园区的安全状况进行预测,得出事故发生数以及伤亡人数的预测值,并做出了变化曲线,表明我国化工事故数及伤亡人数呈上升的趋势;经分析,这主要是由于近几年我国大量兴建化工园区,而园区规划不完善、安全投入不足以及监管力量薄弱等原因导致的。     

基于SVM和RBF神经网络的民航不安全事件组合预测方法

为提高航空业安全水平,预测飞行过程中存在的主要事故风险,本文基于2002年2月至2014年2月的民航事故数据统计,采用SVM和RBF神经网络加权组合模型对民航不安全事件发生原因及飞行阶段事故数量进行了预测。通过对3种典型预测方法的均方根误差比较,证明了此方法的可行性与有效性,结论可为民航安全管理提供科学依据。     

基于支持向量机的高速公路实时事故风险研判

采用G60高速公路(上海段)上布设的单组线圈检测器检测的车道级交通流数据对该路段上发生追尾事故可能性进行研究.通过配对案例对照的方法,分别对事故前5~10min,10~15min和15~20min的交通流数据建立了追尾事故实时预测支持向量机模型.结论表明基于事故前5~10min的交通流数据构建的支持向量机分类器能够有效的对事故进行实时预测,总体事故预测精度为84.85%,误报率为0.33%,该支持向量机分类器具有较高的实用价值,同时也表明了基于单流量检测器的交通流数据对事故进行实时预测的可靠性.     

基于网络大数据建模对甘肃旅游现状分析

甘肃省有绝美的自然地貌和独特的丝路文化,拥有许多天然草场、草原碧绿、湖泊清澈的夏季景观、多样的地貌、大漠的风光。该文运用大数据方法分析各个因素数据,找出决定性因素,对甘肃旅游市场现状、旅游资源特色和未来发展趋势进行了剖析,做出了预测指标,并评价深度学习方法、灰色神经网络等机器学习技术在不同周期下对旅游需求建模与预测中产生的效果。     

基于GIS空间分析的供水管道爆管评价研究

地下供水管网的爆漏事故频频发生,探寻诱发事故的主因,并有针对性地预测、控制此类事故已成为各级水务部门急需解决的重要问题。整理北方某市供水管网2000—2008年的管道维修记录数据,运用统计分析法提取供水管网爆漏事故的典型影响因素。引进等级评分与因素权重量化不同因素对爆管的影响程度,采用GIS的空间分析技术,以空间建模的概念化模式研究一个单目标、多准则的空间预测问题,最后基于此对供水管网建立爆管评价模型,评价分析供水管道爆管的等级。     

2005年1月—2009年6月煤矿死亡事故统计分析

运用数理统计的方法,对2005年1月—2009年6月国内发生的煤矿死亡事故进行了统计,从事故的类型、事故发生的时间规律、地域统计、事故发生的原因等方面,分析了煤矿事故的特点和一般规律,介绍了煤矿事故的特殊性和危害性,分析结果对提高煤矿事故的预防预测技术、制定完善的事故防范对策和应急处理预案具有重要的现实意义。     

快速易学的一种预测法

预测是一门科学,它是研究对未来状况作出科学估计的科学。目的是对当前决策有重要作用的未来事件或未知事件,提供信息和数据,为决策服务。预测的经济效益十分明显,据美国估计,通过开展技术预测,创造新产品而获得的利润相当于预测经费的50倍。预测的种类很多,现将常用的两点平均法介绍如下:例子:某乡镇企业生产甲产品,资料如下:     

2005年1月—2009年6月煤矿死亡事故统计分析

运用数理统计的方法,对2005年1月-2009年6月国内发生的煤矿死亡事故进行了统计,从事故的类型、事故发生的时间规律、地域统计、事故发生的原因等方面,分析了煤矿事故的特点和一般规律,介绍了煤矿事故的特殊性和危害性,分析结果对提高煤矿事故的预防预测技术、制定完善的事故防范对策和应急处理预案具有重要的现实意义.     

道路交通事故重建技术综述

道路交通事故重建技术是综合运用交通事故现场调查获取的证据材料对交通事故发生过程进行科学分析与推演。通过文献研究与实证研究表明道路交通事故重建技术发展历程经历手工重建、计算机辅助重建、车载电子信息辅助重建、视频监控信息辅助重建及交通大数据辅助重建5个阶段;总结了各阶段事故重建的关键技术和方法,并对道路交通事故重建技术在汽车网联化、智能化、电动化背景下的发展趋势进行了探讨。     

基于最大熵的电网停电事故损失负荷预测

损失负荷作为评估停电事故危险等级的主要指标之一,其预测问题对停电事故预防工作有重要的实际意义。基于熵理论,分析了停电事故的最大熵特征,提出了损失负荷的最大熵预测模型。以GS电网为例,综合考虑损失负荷的历史数据与仿真数据,利用最大熵预测模型对电网停电事故进行预测,给出不同预测年限下的损失负荷预测结果。通过与其他方法的预测结果及事故实际数据的比较分析,验证了所提预测模型的有效性。     

大数据理论下的煤与瓦斯突出事故致因分析

煤与瓦斯突出事故致因分析对矿井的安全生产具有重要意义。文中将大数据理论应用于煤与瓦斯突出事故致因分析,旨在为突出事故提供一种新的研究方法。对近15 a来发生的一般及以上的煤与瓦斯突出事故进行统计分析与深度挖掘,提取影响煤与瓦斯突出事故发生的27个因素。采用关联分析对影响因素进行定量研究,分析其重要程度;并将其中7个主要因素分别与瓦斯含量和瓦斯压力进行交叉耦合分析,归纳煤与瓦斯突出事故发生的一般性规律。研究表明:造成煤与瓦斯突出事故的主要影响因素不仅是瓦斯含量和瓦斯压力,地质构造、煤层厚度、开拓方式、采煤工艺、作业方式和掘进工艺也对煤与瓦斯突出事故具有重要影响;在不同开采条件下发生煤与瓦斯突出的临界瓦斯含量差异较大,对于复杂地质构造的矿井,当瓦斯含量接近8 m3/t时采取区域防突措施,才能有效地防止突出事故的发生;利用大数据理论分析煤与瓦斯突出事故可以为事故的预测预警提供可信的依据,能有效提高煤与瓦斯突出预测的准确率。     

基于RBF网络的交通事故预测

随着我国交通需求的持续增长,机动车的数量不断增加,交通事故频频发生,安全成为交通管理中一个不容忽视的问题。为减少交通事故发生,需要根据交通事故发生的原因对交通事故进行分析预测,以便对引发事故的重要原因采取有效的措施。运用RBF网络,建立交通事故预测模型,并将预测结果与实际数据进行比较,对我国交通事故管理有重要的意义。     

SOM神经网络预测方法在基坑变形中的运用

城市地铁建设正逐步进入快速有序的发展阶段,各种类型的地铁事故也时常发生。因此,在隧道基坑工程中需要一种预测方法来合理的避免事故发生。针对上海市轨道交通17号线上的某车站站所产生的深层水平位移问题,运用MATLAB神经网络工具箱仿真并建立SOM神经网络预测模型。实验结果表明,通过输入已知数据建立的SOM神经网络预测变形曲线与实测位移的绝对误差值在0.123~1.43mm之间,误差值范围小,在实际工程中是可以接受的。因此,建立SOM神经网络模型对于基坑变形问题有很好的预测能力,该方法为地下工程提供了新的预测手段。     

城市快速路实时交通流运行安全主动风险评估

基于上海市快速路系统采集的线圈检测器数据和事故数据,应用贝叶斯网络(BN)模型对快速路实时交通流参数与事故风险进行建模分析,并利用可有效应对缺失数据的高斯混合模型和最大期望算法分别对BN模型输入和参数进行估计,进而主动评估快速路实时交通流运行安全风险,并对事故状态提前做出预警.分别对可能事故点前后2组检测器和4个时间段的8组交通流数据进行了建模,结果表明使用事故发生地点上下游各一个检测器在事故发生前5~10min内的交通流数据建立的BN模型效果最好,事故预测准确率为76.94%.最后不仅与朴素贝叶斯分类、K近邻、反向传播(BP)神经网络等经典事故风险估计算法进行了对比分析,还与现有的实时风险评估成果进行了对比,结果表明BN模型预测效果最好.     

数据挖掘技术在石油工程的应用前景展望

随着我国科学技术的不断进步,数字时代也逐渐到来,我国的石油工程在发展的过程中也与数字相结合,这也意味着油田工程技术中"大数据"的到来。但是面对着庞大的数据量,还有构成数据的复杂情况,传统的石油工程技术和传统的数据库技术、分析数据、预测方法都已经无法应对现阶段庞大的数据量,因此这样的情况也就推动了我国石油工程数据挖掘技术的快速发展。本文根据石油工程中挖掘技术的发展情况,阐述了数据在石油工程领域中的应用现状,并且分析其发展的状况,预测数据挖掘技术在石油工程中的未来发展前景。     

化工过程动态监控中的RBF神经网络方法研究

通过分析测量数据预测过程发展趋势,进而对过程实行监控,早已成为国内外学者所关心的热点课题。根据RBF神经网络训练速度快的特点,提出将其用于化工过程的动态监控。第一级网络用于预测未来一时间段内的有关状态量,第二级网络根据预测结果判断是否将会发生事故。为了在有限样本条件下取得较可靠的监控效果,提出了改进RBF神经网络插值性能的措施,并提出对第二级网络输出结果进行变换以准确确定事故可能性的方法。以上方法被用于蒸馏塔开工过程的动态监控,结果令人满意。