基于WOA-ELM的数字化校园安全评价

基于准确高效地提高校园安全状况评价的精度,采用了鲸鱼优化算法(WOA)改进极限学习机的高校校园安全评价模型,通过将安全管理、校园环境和校园周边环境3个一级指标和影响校园安全的22个因素的二级评价指标得分和高校校园安全综合得分分别作为WOA-ELM的输入和输出,鲸鱼优化算法寻找极限学习机的最优初始权值和隐含层偏置,建立一种高校校园安全的WOAELM评价模型。研究结果表明,与GA-ELM、PSO-ELM和ELM相比,WOA-ELM模型的高校校园安全评价精度可以达到99.2%,为高校校园安全评价提供了新的方法。

基于MFO优化BP神经网络的高校校园安全评价

为提高高校校园安全评价的精度,提出一种基于MFO-BP的高校校园安全评价方法。首先运用层次分析法构建高校校园安全评价指标体系,其中一级指标4个、二级指标21个。之后,将影响高校校园安全的21个二级评价指标得分作为MFO-BP的输入,高校校园安全综合得分作为MFO-BP的输出。研究结果表明,与GA-BP、PSO-BP和BP相比,MFO-BP可以有效提高高校校园安全评价精度,为高校校园安全评价提供了新的方法。

基于可变模糊集的高校校园安全评价模型与方法

在分析高校校园安全事故案例及相关文献的基础上,尝试构建包含3个层次、21项具体指标的高校校园安全评价指标体系,提出高校校园安全评价的可变模糊模型与方法。首先,采用问卷调查法确定各二级指标的相对隶属度;其次,采用有序比值法确定各评价指标的权重;再次,利用可变模糊综合评价模型确定各一级指标的综合相对隶属度向量、高校校园安全系统的综合相对隶属度向量;然后,结合评价等级特征值,运用二元语义法确定高校校园安全评价等级;最后,将该方法应用于某高校并进行实证分析。结果表明,该高校校园安全等级为"较安全",与实际情况基本吻合,为高校校园安全评价提供了一条新的思路和方法。

高校校园景观安全评价优化研究——以山东建筑大学为例

随着城市化进程的加快,以及高校校园在建设与管理上的不足,校园安全事故频频发生,相关的校园环境安全研究越来越得到人们的重视,为了探索校园景观环境安全的影响因素,提升校园景观安全,采用AHP-FCE法从空间布局、道路交通、植被绿化和功能设施四个方面构建高校校园景观安全评价体系,选取山东建筑大学作为研究对象,并根据评价数据和结果提出相关的景观安全提升策略。研究结果表明,高校校园景观安全评价体系可以有效的发现校园中的安全问题,并为空间的改进提供了可靠的依据。