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。     

基于IPSO-BP神经网络的短时交通流量预测

短时交通流量具有非线性、随机性等特点,如何准确地进行短时交通流量预测,是智能交通系统研究的一项关键内容。传统的预测模型不能实时反映短时交通流量变化特点,同时BP神经网络的交通流量预测存在收敛速度缓慢、易陷入局部极值、预测精度低等缺点。为了提高短时交通流量预测精度,提出了一种基于改进粒子群算法(IPSO)优化BP神经网络的复合预测模型,引入相对误差指标作为预测模型的评价指标,并利用实测的道路短时交通流数据对所构建的预测模型进行验证。结果表明,所提出的预测模型在短时间内寻出全局最优解,具有较好的预测精度,提高了短时交通流量预测的准确性和可靠性。     

基于测井曲线包络面积预测油气藏产能

为了准确预测油气藏产能,解决复杂孔隙结构致使测井响应特征弱化,常规测井手段预测产能精度低的问题,通过采用交会图手段研究了东海盆地西湖凹陷碎屑岩储层测井曲线包络面积与产能间的关系,并优选了产能敏感性包络面积作为产能预测指标,借助波叠加性原理构建了包络面积产能预测指数,利用熵权法确定了各预测指标的权值,进而分储层类型建立了产能预测模型。结果表明：补偿中子-渗透率、电阻率-密度、电阻率-视波阻抗和视波阻抗-声波时差四组包络面积对产能的敏感性较强;本文所构建的产能预测模型精度较高,平均误差为19.4%。可见基于包络面积的产能预测模型可用于未开展动态测试的油气藏产能预测,为油气藏产能预测方法提供了新思路。     

基于未确知均值分类理论的岩爆发生和分级预测方法

为解决岩爆预测中的不确定性问题,将未确知均值分类理论应用于岩爆综合评判中,建立了岩爆发生和分级预测的未确知均值分类理论分析模型.模型选用最大切应力、单轴抗压强度、单轴抗拉强度和弹性能量指数4个指标作为岩爆发生和分级预测的判别因子.将岩爆烈度分为4个等级并作为未确知均值分类理论分析的4个类别.以国内外岩爆工程实测数据作为建立分类标准和模型的样本,以各等级的指标均值作为分类标准.求取未确知测度函数.采用信息熵确定权重,用置信度识别准则进行等级判定.将本研究建立的模型应用到隧道和矿山工程的岩爆预测中,结果表明.未确知均值分类分级预测方法预测结果与实际情况吻合较好,预测精度高,因而是岩爆发生和分级预测的一种有效方法,可在岩爆工程判别中应用和推广.     

燃煤电站锅炉炉膛结渣特性计算分析

为对炉膛结渣情况进行有效预测,通过基于燃煤特性的单一指标与多指标综合预测模型和模糊神经网络分别对一台300 MW级亚临界、一台600 MW级亚临界以及两台1 000 MW级超超临界锅炉机组炉膛结渣情况进行了计算分析;针对300 MW级亚临界锅炉机组建立了膜式水冷壁实际热流密度的计算模型,并利用基于污染系数的神经网络对该电站锅炉炉膛结渣情况进行了预测。3种预测模型的结果表明:单一指标和多指标综合预测模型一定程度上可对炉膛结渣情况进行预测,但其分辨率较低,且模型中各指标对于不同煤种和炉型的分辨率存在差异;模糊神经网络相对于上述模型和传统神经网络分辨率较高,所构建的4种模糊神经网络分辨率可分别达到92%、92%、92%以及100%,且统计结果的分辨率也可达到100%,对不同炉型和煤种的适用性更强。另外,基于污染系数的神经网络可根据电站运行数据对炉膛局部结渣情况进行实时预测,误差在3%以内,均方误差为0.013 4,预测结果可为吹灰提供指导。     

山区公路交通危险性预测模型研究

基于山区公路事故危险性预测的需要,参考高等级公路事故危险性预测方法,提出一种基于未确知测度法的山区公路危险性预测模型。选取对山区公路事故危险性影响最大的十一个指标建立了预测模型及各项指标的未确知测度函数,利用层次分析法计算各判别指标权重,最后依照置信度识别准则进行事故危险性等级判定,预测出山区公路事故危险性风险等级。通过石门县山区干线公路实例验证,预测结果与事实基本相符,该方法较为理想和实用,为道路安全性评价提供了一种新的方法。     

基于WOA-LightGBM的盾构切削锚杆参数预测

在对锚固地层工程特性分析的基础上,提出了6个可指代锚固地层特性的工程相关指标,将3个盾构机可操作参数一并纳入输入特征,并以盾构机贯入度和刀盘扭矩作为盾构机掘进性能的输出指标,构建了一套适用于盾构机穿锚问题预测的模型指标。依托武汉地铁实际工程,收集了盾构机穿锚实时掘进数据,采用LightGBM方法分别搭建了贯入度和刀盘扭矩预测模型,并利用鲸鱼优化算法（WOA）对LightGBM内的超参数进行寻优,最终得到WOALightGBM预测模型。结果表明,构建的盾构机穿锚模型指标具有一定的合理性,可成功预测盾构机穿锚掘进性能;与传统BP、ELM神经网络相比,WOA-LightGBM预测模型耗时相近,在预测精度方面有着明显优势。     

基于未确知测度理论的特长隧道施工安全风险评价

 针对特长隧道施工风险评价中常存在诸多不确定性因素的问题,本文提出一种基于未确知测度理论的特长隧道施工风险性评价新方法。根据特长隧道事故的特点及成因,选取支护措施等15项未确知测度函数评价指标,建立了特长隧道施工风险分级预测的未确知测度评价模型;利用信息熵计算各评价指标的权重,依照置信度识别准则进行等级判定,得出特长隧道工程施工风险评价分级预测的评价结果;并应用于某一特长铁路隧道工程实际,成功评定出该隧道综合风险等级为Ⅱ级。结果表明,该方法不仅能给出特长隧道施工期间的风险等级,并且能够更客观地反映特长隧道施工过程中危险源的情况,为隧道工程施工风险性评价提供了一种新途径。     

视觉类次任务驾驶安全性预测模型

为了建立一种视觉类次任务驾驶安全性预测模型,实现对驾驶人执行视觉类次任务时的行车安全进行预测,设计并进行了城际高速公路场景中三种视觉类次任务驾驶试验;以眼球运动状态参数集和车身行驶状态参数集为安全评价指标,使用模糊层次分析法(F-AHP)计算得到测试驾驶人的安全评价数字等级;以此为基础,利用BP神经网络建立视觉类次任务驾驶安全性预测模型,以30名测试驾驶人的评价指标数据作为神经网络的输入训练样本、安全评价数字等级作为神经网络的输出训练样本,调试网络参数直至满足本研究的精度需要;最后,使用其余10名测试驾驶人的数据对模型进行适用性测试。研究结果表明,在操作车载收音机、发信息以及操作触摸屏设备这三种次任务情境下,本预测模型的适用性较好,可以比较准确的实现对驾驶人安全等级的预测。     

基于CRITIC法与可变模糊集的煤与瓦斯突出预测

针对煤与瓦斯突出评价的模糊不确定性问题,提出基于CRITIC法的可变模糊集预测方法,以此提高煤层突出危险程度预测的准确率。模型选取突出矿井防突工作中常用的6项判定指标作为煤与瓦斯突出评价指标,并确定了煤层突出危险程度分级标准;采用CRITIC法计算评价指标权重,引入可变模糊集理论合理确定评价指标对各级别的相对隶属度,建立煤层突出危险程度可变模糊集预测模型,依据危险等级特征值判断评价对象的隶属类别。实例应用表明,该方法较好地考虑了模型参数的可变性,准确地预测了煤层突出危险程度,评判结果更为可信,为煤岩动力灾害的准确预测提供理论指导。     

露天矿行车事故预测方法及应用

为有效解决露天矿山行车事故预测模型建模时,易受小样本数据、离群数据规模影响,导致模型精度损失、算法抗噪容差能力及收敛速度下降等问题,提出一种基于二次惩罚项修正(PTS)的改进支持向量回归机模型(WLSSVR)。根据训练样本的数据分布特性,研究了服从露天矿山现实应用场景的二次惩罚项,进一步提高回归机模型的抗噪容差能力;考虑非线性预测模型影响因子选择困难的问题,研究了数据降维及因子分析方法,并将主成分分析方法引入到输入数据预处理算法中,以保证算法可得到理想的输入;针对传统回归机模型易受核参数选择影响,易导致模型早熟和收敛速度慢等问题,研究了粒子群惯性因子、学习因子的自适应迭代形式,提出了一种应用改进粒子群算法优化回归机模型核参数的方法。以露天矿行车事故频次预测为例,进行了预测和对比实验。实验结果表明:引入PTS模型的测试集预测结果明显优于不采用PTS策略的预测结果。这说明,应用文中提出的二次惩罚策略和参数优化算法对复杂系统的事故预测问题研究是可行且有效的。     

煤矿重大危险源辨识理论与方法

煤矿重大危险源辨识是控制煤矿重大事故的前提,是煤矿安全评价的主要依据之一.煤矿重大危险源辨识依据"分类指导、分级定标"的原则,经事故预测分析,确定了生产矿井的危险性类别和生产单元的危险性等级.采用现有法规和技术规程对瓦斯、火灾、水灾、顶板与冲击地压等的相关规定,提出了危险性概率指数和风险权系数,并给定了参考值和计算公式.     

基于机器学习可解释性算法的岩爆指标分析

为探究弹性能指数、应力系数、脆性系数、埋深四种岩爆指标与岩爆等级之间的相关关系,解决复杂机器学习算法的黑盒问题。本文引入LIME(local interpretable model agnostic explanations)算法,完善岩爆机器学习预测过程中的可解释性。文章搜集国内外190组岩爆实例工程构建数据集经过预处理后,通过9种机器学习算法比较获得最优算法并采用贝叶斯优化获得算法最优参数,建立岩爆预测模型。基于LIME可解释性算法,对四种岩爆指标进行相关、回归及阈值分析,最后采用弹性能指数及应力系数两种指标阈值对终南山隧道竖井工程进行岩爆预测。研究结果表明：(1) 岩爆等级与弹性能指数、应力系数呈线性相关,且弹性能指数线性关系更明显;(2) 岩爆等级与脆性系数、埋深呈非线性相关,且脆性系数非线性关系更明显;(3) 4个岩爆指标对岩爆等级影响程度依次为：弹性能指数、应力系数、埋深、脆性系数;(4) LIME算法可以准确地表达岩爆等级与岩爆指标之间的相关关系且得到的两种指标阈值与终南山隧道竖井工程实例具有一致性。     

137 Cs-γ 辐照对实验红鲫 AFLP 多态性的影响

摘要:目的 观察137 Cs-γ 辐照对实验红鲫 AFLP 的变化,探讨不同剂量137 Cs-γ 辐照对实验红鲫 DNA 多态性的影响。 方法 根据前期实验结果,将实验红鲫 C1HD 系随机分为 5 组,10 尾 / 组,即空白对照组、1 / 16 LD50 、1 / 8 LD50 、1 / 4 LD50 、1 / 2 LD504 个辐照组,设置 1. 94 Gy、3. 88 Gy、7. 76 Gy、15. 53 Gy4 个辐照剂量组和一个空白对照组,用生物辐照仪对实验红鲫进行一次性辐照。 提取辐照前和辐照后的实验红鲫血液 DNA,经 AFLP-PCR 扩增,并进行多态性信息含量( PIC) 、基因杂合度( H) 、香农信息指数( I) 分析。 结果 实验红鲫在137 Cs-γ 辐照处理前的 PIC、H 和 I分别为 45. 20% 、0. 19 和 0. 28,经137 Cs-γ 辐 照 处 理 后 分 别 为 72. 27% 、0. 28 和 0. 41,且 遗 传 学 指 数 升 高。 结 论经137 Cs-γ 辐照处理后,实验红鲫的 AFLP 多态性信息含量增加,基因杂合度升高。 AFLP 标记实验红鲫 C1HD 系可用于监测核辐射污染。     

基于IPA方法的福岛核事故外部成本评价

 应用影响路径分析（IPA）方法建立了福岛核事故的外部成本计量框架,对短期和中期内造成的公众撤离和避迁,农产品、海产品、食品和渔业影响,旅游业影响,核电行业损失,避难者心理影响,核污染地区的清污和恢复,以及核事故赔偿等方面影响的外部成本估算结果为8.6 日元/kW·h,对核事故后果影响做了初步探讨。结果表明,福岛核事故造成的直接辐射危害很小,但造成了广泛社会影响和巨大经济损失,而相比于海啸和地震极端自然灾害造成的损失仍然很小。福岛核事故的外部成本高昂,主要源于核事故应急措施和危机应对等社会因素。     

矿山事故应急等级响应机制探讨

矿山事故应急救援等级响机制在应急救援系统中占据特殊的位置,它是应急救援系统能否有效展开的关键.基于矿山事故应急救援原则分析,根据矿山事故可能造成的危害程度、事故的性质、井下人员伤亡及企业财产的直接损失等情况,提出将矿山事故应急救援分为特别重大(Ⅰ级响应)、特大(Ⅱ级响应)、重大(Ⅲ级响应)和一般(Ⅳ级响应)四级响应机制.     

基于浮动式核电站的严重事故源项分析评估技术体系研究

目前针对陆地核电站严重事故开展的源项分析不完全适用于浮动式核电站。以浮动核电站严重事故为研究领域,基于对国内外核电站、研究堆、船用堆源项分析方法和后果评价方法的相关研究,根据浮动核电站的特点,确定了严重事故源项分析计算软件和计算方法,构建出源项分析技术路线图,从而建立了基于浮动核电站严重事故的“MELCOR耦合FLUENT-MACCS”源项评估技术体系。为浮动式核电站的安全运行、安全审评及环境评价提供放射性源项方面的数据支持,为核应急决策提供进一步的理论基础。     

浮动核电站放射性核素在海洋中迁移机理研究

为了研究放射性核素泄露到海洋中的迁移规律,针对浮动核电站在海上发生严重事故这一情况,提出了基于瞬时点源约瑟夫模型的改进核素迁移模型,考虑海洋中放射性核素衰变和浮动核电站移动这两个因素。并以核素~(137)Cs为例,研究核素~(137)Cs在发生核事故后在海洋中的迁移扩散机理。研究结果表明浮动核电站发生核事故后,放射性核素浓度的空间分布呈现椭圆形,且沿着船舶运动轨迹方向的放射性核素浓度比其垂直方向上的浓度高,并向四周递减扩散。改进的核素迁移模型可为海洋应急监测工作提供参考,实现对浮动核电站核事故发生后应急监测的研究。     

基于超越对数函数的道路交通事故频数预测

针对道路交通事故频数预测常见方法——对数-线性模型中弹性系数假定为常数,简化了探索性变量之间相互关系的局限性,提出了基于超越对数函数的道路交通事故频数预测方法.该方法采用动态弹性系数,选择路段长度和年平均车流量两个探索性变量以预测道路交通事故频数,通过运用加拿大安大略省道路交通事故数据对其有效性进行了实例验证,并与对数-线性模型进行了对比.研究结果表明:超越对数函数模型具有更好的拟合优度,其动态弹性系数更接近真实情况.     

基于GD-DNN模型的岩爆烈度等级预测方法与应用

岩爆是深埋隧道施工过程中开挖时形成临空面，引起能量突然释放的现象，轻则岩片剥落，重则造成人员伤亡和财产损失，其危害程度取决于岩爆烈度等级，因此岩爆烈度等级预测是急需解决的难题之一。本文针对单一指标预测法预测效果不理想的问题，首先设计并实现了综合指标法和针对多分类问题的分类器，其次提出并建立了基于梯度下降(Gradient Descent)算法优化深度神经网络(Deep Neural Network)的GD-DNN岩爆烈度等级预测模型。实验结果表明：GD-DNN模型预测的准确率达到95.8%，相比机器学习算法K最近邻(K-nearest neighbor，KNN)、支持向量机（support vector machine，SVM)和深度学习算法DNN分别提高了45.8%、38.7%和8.3%，同时在精确率、召回率和??1值三项指标上均优于其他模型。最后在秦岭隧道、大相岭隧道、通渝隧道和马路坪矿井4个实际工程中检验模型的预测效果，检验结果证明GD-DNN模型能够精准预测岩爆烈度等级，研究成果可应用于深埋隧道工程中。