基于K-means的铁路行车宏观安全风险动态预警区间确定

为精确划分铁路行车宏观安全风险预警区间,避免仅依赖相关标准规范或人的经验确定安全风险预警区间,且预警区间不具备动态性的情况,建立宏观安全风险预警指标体系,采用K-means聚类算法确定宏观安全风险动态预警区间。通过K-means聚类算法将各指标集划分为好、中、差3类,以3类的上边界分别作为4个预警区间的分割点,确定各指标的4个风险预警等级的预警区间。通过实例验证该算法的可行性和适用性。结果表明:K-means聚类算法可确定铁路行车安全风险预警区间,并可根据历史数据变化动态调整。

基于大数据的特种设备宏观安全风险预警方法研究

特种设备监管机构在监督检验过程中积累了大量数据资料,为充分挖掘其中的潜在价值,增强监管针对性,提高检验效率,应用并优化关联规则挖掘、社区发现、可视化等数据挖掘技术,构建1种宏观安全风险预警方法。该方法以特种设备安全监督检验大数据为基础,通过挖掘单台设备微观因素间的关联关系,实现整类特种设备宏观安全风险的识别与预警;以2008—2016年全国长管拖车检验数据为例,进行应用实践分析。研究结果表明:该方法可以对区域范围、缺陷类别等多种宏观指标进行预警,指导针对性监管与检验。

基于监管视角的区域特种设备宏观安全风险预警

现有研究多从微观角度关注特种设备本身、特种设备生产及使用单位的风险,而缺少从政府监管视角出发探索区域特种设备宏观安全风险的研究。为进一步完善特种设备安全风险理论,评估我国各区域特种设备宏观安全风险等级,在提出并界定“基于监管视角的区域特种设备宏观安全风险”概念的基础上,基于扎根理论(GT)的分析方法识别出宏观安全风险要素,构建指标体系,建立了基于ANP-CM的风险预警模型,并对我国内地31个省级行政区域的宏观安全风险等级进行了测算。结果表明,所构建的GT-ANP-CM模型适合于基于监管视角的区域特种设备宏观安全风险预警,具有合理性和可行性,该方法的提出可为监管机构测算区域特种设备宏观安全风险等级提供参考。

承压设备基于大数据的宏观安全风险防控和应急技术研究概述

经过60余年的发展建设,我国已经探索出一条适合中国国情的特种设备安全监管道路,但随着经济社会不断发展,特种设备安全监管的一些深层次矛盾和问题日益突出,与人民群众日益增长的安全保障需求还不相适应。近年来,随着大数据等新理念新技术的涌现,为特种设备安全监管改革创新带来了新契机,为特种设备安全监管理论、体制和机制研究创造了新条件。本文主要介绍了"承压设备基于大数据的宏观安全风险防控和应急技术研究"课题的背景、概况、目标、方案、路线、创新、内容、成果和效益等相关内容。

基于功效系数法的特种设备宏观安全风险评价模型

为掌握特种设备的整体风险水平,明确监管方向和重心,基于幂函数型功效系数法,建立特种设备的宏观安全风险评价模型。应用模型研究全国特种设备的宏观风险,然后将其作为基准衡量北京地区电梯的风险水平。结果表明:应用特种设备宏观安全风险评价模型,可计算分析特种设备的整体风险,实现不同种类设备风险的横向对比;将气瓶的宏观风险作为风险的标准当量,可实现国家、地区、企业同类设备风险的纵向对比,有助于促进政府和企业的监管决策工作。

承压类特种设备宏观安全的理论、技术、平台与机制

“承压设备基于大数据的宏观安全风险防控和应急技术研究”课题是“十三五”国家重点研发计划项目《高参数承压类特种设备风险防控与治理关键技术研究》(2016YFC0801900)的课题六,本文从监管的视角分析了现有宏观安全风险防控及应急处置技术研究的不足,介绍了课题研究的思路以及取得的主要成果,并提出了进一步研究的建议。