危险化学品常压储罐安全研究综述

随着我国石油化工行业的发展,用来储存石油以及液体石油产品等危险化学品的常压储罐数量也在不断增加,相关事故时有发生。然而,关于危险化学品常压储罐事故的研究并不完善,相关的法规标准体系也存在缺陷。针对此问题,从多角度出发,总结了危险化学品常压储罐相关事故研究的进展与不足。通过对国内关于危险化学品常压储罐法律、法规,有关部门发布的政策规章,以及行业标准的研究,结合相关企业意见,归纳了其标准化工作与日常管理工作中存在的问题,并提出建议,以期为减少危险化学品常压储罐事故提供参考。

基于组合赋权-可拓云理论的铁路客站火灾风险评估

近年来,人员密集场所火灾事故频繁发生,铁路客站作为典型人员密集场所之一,一旦发生火灾,其后果不堪设想。因此,对铁路客站消防安全问题进行深入研究具有很强的现实意义。为对铁路客站火灾进行风险评估,提出一种基于“DEMATEL-熵权法”组合赋权与可拓云理论相结合的风险评估模型。首先,选取M市3个铁路客站作为火灾风险评估对象。在对评估对象风险因素辨识及专家咨询的基础上,建立风险评估指标体系。其次,采用组合赋权法求得综合权重,邀请专家对风险评估指标进行评分。最后,为消除主客观误差并增加评估随机性,引入可拓云理论的思想确定火灾风险值。对评估过程进行重复计算,求得模糊等级特征期望值和模糊等级特征熵值。设置置信度因子,并建立风险值等级模型。结果表明:M市内铁路客站模糊等级特征期望值和模糊等级特征熵值分别为1.7822和0.0159,火灾综合风险等级为低;置信度因子为0.0089,位于可信度区间内,结果可信。为铁路客站火灾风险评估提供一种新的思路和方法。

基于K均值聚类算法和LSTM神经网络的管道腐蚀阶段预测方法

针对声发射检测获得的管道腐蚀信号,提出了一种基于K均值(K-means)聚类算法和长短期记忆(LSTM)神经网络的管道腐蚀阶段预测方法。首先,利用K-means聚类算法将腐蚀信号分类,再构建LSTM神经网络模型,并采取了无监督学习的方式,以声发射波形为出发点,对模型进行参数优化,最后进行管道腐蚀阶段预测,并根据评价指标对模型进行评价。研究表明:对LSTM神经网络模型适当增加隐藏层,可以使得模型更加稳定,鲁棒性更好;与现有故障诊断模型相比,LSTM神经网络模型的精度更高。