基于CNN模型的施工现场典型安全隐患数据学习

该文旨在通过卷积神经网络(convolutional neural networks,CNN)模型对基础设施建设期典型安全隐患进行数据学习与挖掘,为现场智能安全管控提供方法和依据。依托于Wesafety平台实时统计出的某大型水电站现场安全隐患数据,分析了现场典型安全隐患特征,提出了基于CNN的安全隐患学习与挖掘模型,并定义了模型结构的卷积层、池化层、全连接层以及训练和测试流程,开发了相应的程序。结果表明:该方法提高了基础设施建设现场扁平-闭环安全管理的效率,为智能安全管理提供了崭新的思路,达到了机器自动识别典型隐患的目的,研究结果对建设工程安全隐患自动分类分析具有参考意义。     

基于数据驱动的施工安全隐患特征网络分析与预警策略

建筑业施工安全隐患排查与治理不断向数字化和智能化转型，但目前对大规模且高维的安全隐患数据的高效解析仍然不够充分。该研究通过对施工现场安全隐患记录数据进行隐患特征提取和降维，构建隐患特征网络，并提出基于数据驱动的隐患预警策略。首先，通过文本挖掘技术对施工安全隐患记录进行标准化，提取出111个安全隐患特征，并对隐患特征进行层次聚类，形成11个隐患特征群；其次，通过相关性检验确定隐患特征之间的关联，进而计算出隐患特征关联强度，构建了安全隐患特征网络；进而，基于网络结构指标和个体指标分析，结合特征群聚类分析，辨识了关键安全隐患特征；最后，提出一种基于特征数据驱动的安全隐患预警策略，为更加高效地进行安全隐患排查治理、提升安全生产水平提供了参考。     

基于安卓的校园安全隐患排查治理信息系统研究

针对我国校园安全,安全隐患难以及时发现等难题,采用Android端开发一个基于安卓的校园安全隐患排查治理信息系统,让使用本app的用户,在校园发现安全隐患后及时将隐患的地点,种类和实景图片上传,同时也建立供管理员审核发布隐患的web端系统,为校园打造一个移动的安全隐患监控系统。本系统分为客户端、服务器、管理端和数据库。客户端建立在Android平台,使用Android Studio进行开发,服务器和管理端为Java web项目,使用My Eclipse进行开发,数据库使用My SQL数据库。客户端主要完成了用户登录、隐患管理、知识库、安全测评等功能,管理端主要完成了隐患管理、用户管理等功能,可以有效的提高校园安全,保证及时发现校园中的安全隐患。     

地铁列车常用气制动故障特征提取

为了对地铁列车常用气制动的隐患进行挖掘,选择中继阀前端气缸容积(CV)实际压力与目标压力的跟随性能作为故障特征;利用地铁列车按模式运行的特点,根据CV目标压力变化情况,将常用气制动过程划分为减速阶段、停车保持阶段和缓解阶段等三个典型阶段.根据各阶段特点,提出了三种故障特征提取方法:相关系数法、平均绝对误差法和直接提取法,得到了6个故障特征.最后,在制动系统可靠性试验台上试验模拟了三类典型隐患故障,采用对故障隐患的响应准则,对比各故障特征量在隐患工况和正常工况时的幅值,探讨了各故障特征对不同隐患工况的识别能力,初步验证了隐患特征对不同隐患进行挖掘的有效性,为利用在途数据进行隐患挖掘提供了一个可行途径.     

校园网网络安全分析

校园网工程从构建的那一刻起就伴随着安全问题.基于对网络犯罪和网络安全隐患的分析,探讨了如何构建安全校园网网络,分析了目前校园网可能存在的安全隐患问题.并在此基础上提出了加强校园网网络安全管理和解决校园网安全隐患的相关对策和建议.     

关于电力企业建立隐患排查治理机制的探讨

安全隐患治理工作始终是电力企业安全生产的重中之重，大型电力企业担负着城市电网建设和供电管理服务工作，其有效的隐患排查治理机制的实施势在必行，本文针对这一机制的建立及实施进行了分析。     

浅论大型建筑工程施工项目管理

从建筑装修工程的两个重要阶段-工程前期准备和施工过程分析各阶段可能存在影响工程效果的隐患,强调在大型装修工程中加强施工项目管理的重要性。     

基于多特征融合的聊天室社会网络挖掘方法

聊天室社会网络挖掘是网络舆情分析与预警研究的一个主要任务,其目的是挖掘出聊天室用户之间的本质关联.为此将多特征融合引入聊天室社会网络的挖掘,提出了一种基于AdaBoost的聊天室社会网络挖掘方法.论文的主要工作包括两部分:对目前相对有效的基于时序挖掘的方法进行了改进,新增加了启发式规则;利用AdaBoost进行时序特征和内容相关性特征的多特征融合,综合决策出聊天室用户之间的本质关联.对比实验表明,基于多特征融合的方法可以获得比基于时序挖掘方法及其改进方法更好的误报率和漏报率.     

隐患排查治理监管系统在潞安煤矿安全监管中的应用

隐患排查治理监管系统结合潞安集团煤矿安全生产的实际工作需要,实现对隐患排查部门、人员、计划的灵活配置。系统以标准化的隐患排查治理标准,实现集团公司、矿单位安全隐患信息的控制和管理,形成安全隐患排查、信息上报、整改、验收、审核销号的闭环管理。系统还提供了隐患信息的统计、分析、预警等功能。     

基于数据挖掘的煤矿电网综合管理系统的研究

针对传统的煤矿电网不能及时获取足够的井下信息,对存在的安全隐患无法预警,容易发生故障的问题,基于对数据挖掘技术的分析,提出了一种基于数据挖掘的煤矿电网管理模型的设计方案.该模型应用Vxworks嵌入式软件、工控组态软件和实时数据库技术,设计一种高效率煤矿电网运行的综合管理系统,系统结合数据仓库技术,采用分类、聚类、关联、时序搜索等多种挖掘模式,对多方面的数据进行分析、建模,达到预测报警的目的.解决了许多困扰煤矿生产现场多年的井下供电监控技术难点与安全运行中的重大隐患问题,增强了矿井的抗灾和安全生产能力,具有一定的应用推广价值.     

试论变电运行管理中的危险点与防范方法

随着我国社会主义现代化建设步伐不断加快,变电运行工作成为了当前极为重要的工程之一.面对变电站运行管理之后潜在的危险隐患,我们必须做好全面的分析工作.因而,采取值班员需把变电运行中的误差控制在最小,这样可以维持电网的正常运行.针对这一点,本文以具体的工程案例为对象,对变电运行存在的安全隐患进行了综合分析,制定了科学的维护方案.     

露天矿山安全管理的对策建议

我国是自然资源大国,各类矿产资源丰富。随着我国经济的全面发展和科技的进步,对矿产资源的需求量逐步上升。目前,露天采矿行业仍存在易造成人员伤亡的隐患,如高空作业隐患、爆破隐患、电气隐患等。同时,露天开采存在着场地条件差、设备设施不完善、技术落后等诸多生产问题。基于此,该文从分析露天矿山的安全隐患入手,探讨目前露天矿山在安全管理中存在的问题,并提出露天矿山安全管理的对策建议。     

基于时空特征挖掘的流量过程智能模拟方法

为减轻洪水灾害事件可能带来的严重后果,实现对流量的及时、准确预测,提出一种基于时空特征挖掘的流量过程智能模拟方法.该方法首先从空间角度入手,建立测站之间的拓扑结构关系;再利用图卷积网络进行空间挖掘;最后利用门控循环单元进行时序挖掘.试验结果表明,基于时空特征挖掘的流量过程智能模拟方法比基于单一特征的模拟方法效果更好.     

基于数据挖掘的工程项目动态风险评估研究

隧道工程的飞速发展使得隧道安全隐患越来越多.作为隧道建设的重要环节,隧道工程施工安全风险管理评估急需要更加先进的方法.基于此,以隧道施工工程为研究对象,以风险管理评估为研究目标,简析了风险因素产生及风险演化机理,构建了基于数据挖掘的隧道施工工程数据处理,主要采用动态神经网络与时间序列对结构化数据进行预测,采用文本挖掘对半结构化数据、非结构化数据进行,得到了可以分析的主题数据.构建了隧道施工工程的风险评价指标体系,采用变权理论对权重进行了动态控制.试验结果表明本方案能够实现工程项目的动态反馈机制,有效提高隧道施工工程的风险评估准确度.     

隧道施工安全管理的控制要点

从火灾、水灾和有害气体三方面阐述了隧道施工中的安全隐患,分析了各隐患产生的原因,并提出了有效的防范措施及管理方法。     

基于关联规则的质量信息挖掘应用研究

基于关联规则的数据挖掘原理和方法能够帮助管理者进行有效决策.提出一种具有关联规则分析功能的通用质量管理信息系统框架,其中的关联分析模块能够对质量数据进行深层次挖掘,通过某大型制造企业质量管理信息系统的实施表明,该通用框架能够支持质量管理的持续改进,有效提高质量数据分析的精确性.     

大型航标船安全管理浅析

本文针对大型航标船航行、作业的特点,结合实际工作,分析存在的安全隐患,提出了大型航标船安全管理办法和措施.     

基于类别关键词权重的煤矿安全隐患分类方法

大数据时代,各行各业均产生海量信息,面临大量的信息,如何准确而高效地获取数据中的潜在规律和蕴含价值成为企业信息化的重点。为提升煤矿企业对安全监测数据的理解和监控能力,改善隐患排查治理工作水平,本文提出基于类别关键词权重的短文本分类模型,有效缓解了文本分类中特征稀疏的问题。该方法首先基于朴素贝叶斯算法,对不符合规范的非法数据进行筛选,然后构建基于关键词权重的短文本分类模型,利用中文分词技术、卡方检验方法构建关键词库,最后建立得分模型实现对隐患数据的分类。结果表明,该模型能较为准确地对矿业安全隐患数据进行有效的评级分类,进一步地改善隐患排查和治理的针对性和有效性。     

闹德海水库除险加固工程施工措施研究

通过安全鉴定,确定大坝、输水涵洞存在许多安全隐患,采取除险加固工程措施,消除了工程隐患,改善了大坝的安全水平。     

基于关联规则挖掘的商品品类管理

基于关联规则挖掘技术,结合销售数据特征,提出了一个基于SQL的多层关联规则挖掘算法,允许用户自定义概念层次.实验结果表明,该算法可行且有效,有良好的用户交互性,能够支持品类管理中高效陈列和促销的应用.