融合VR-眼动的施工现场隐患识别视觉注意与搜索特征研究

为探究施工现场隐患识别视觉注意与搜索特征,提升识别绩效水平,融合虚拟现实(Virtual Reality,VR)和眼动追踪技术,开展VR施工场景内的隐患识别试验,收集不同隐患识别经验群体的眼动数据;运用统计学方法,对比分析累计注视时间、注视百分比等眼动指标的差异性,揭示隐患识别经验与注意力资源分配方式的内在联系;基于眼动轨迹匹配法,聚类首次视觉搜索轨迹,结合施工现场空间布局,探究隐患识别经验影响下搜索习惯的差异。结果表明:经验知识水平对隐患识别绩效具备驱动作用,但隐患专业度过低则会弱化经验知识的效果;被试的注意资源大多集中于具有视觉显著性特征的无关要素,仅有小部分分配于隐患,然而,具有较高经验知识水平的被试对隐患信息更加敏感,分配于隐患的注意资源占比更高;相较于新手组同一区域多次重复的搜索习惯,专家组大多采用某一区域的详细搜索再切换到下一区域的方式。

中尼公路聂拉木至樟木段InSAR广域地灾隐患识别与特征分析

基于2017-04~2019-06共130景Sentinel-1A卫星升降轨影像,采用StaMPS-SBAS InSAR方法,并融合GACOS大气校正,对中尼公路聂拉木至樟木段进行大范围地质灾害隐患点探测和识别。结果表明,研究区内共发现54处隐患点,组成多处滑坡群,升轨最大形变速率达114 mm/a,降轨最大形变速率达122 mm/a。结合研究区降水数据统计分析可知,有35处隐患点形变与降水有关,形变季节性特征明显。本文研究结果有助于了解该路段地表形变趋势及成因,丰富该地区地灾隐患点历史记录,为该地区地质灾害隐患的持续监测提供参考。

基于时序InSAR技术的中贵天然气管道天水市段沿线滑坡隐患识别与形变分析

中贵天然气管道天水市段沿线地处黄土高原,地貌类型多样、构造活跃、复杂地质条件下发育多种具有隐蔽性和潜伏性的地质灾害,其中滑坡灾害对中贵天然气管道的安全危害极大,因此,对中贵天然气管道天水段沿线滑坡隐患进行有效识别与分析具有重要意义。采用Sentinel-1A升降轨卫星数据,基于时序合成孔径雷达干涉测量(synthetic aperture radar interferometry,InSAR)对中贵天然气天水段沿线滑坡隐患进行了解译识别、现场复核、发育特征与典型滑坡形变分析。研究区共识别17处滑坡隐患点,现场复核最终确定13处,其余4处为人类工程活动区,其中常沟村和磨峪沟村滑坡形变受降雨影响。统计发现研究区管道沿线滑坡多发生在坡度40°~50°,高差400~600 m,东北坡向和距管道100~150 m范围内,且岩土体强度较低,地层以第四系全新统冲洪积层(Q_(4)^(a1+p1))为主。结果表明:联合升降轨的时序InSAR技术可以有效识别管道沿线滑坡隐患,为油气管线的安全运营及今后油气管道选线提供重要的科学依据和参考。

基于实景三维模型的地质灾害隐患识别——以广东省上坪镇为例

为了打破地质灾害中高位隐蔽性隐患发现难的局限,查清复杂地形下突发地质灾害的特点,实现地质灾害隐患点的精准识别。本研究以广东省连平县上坪镇为研究区域,基于无人机倾斜摄影测量技术构建高精度实景三维模型,生成点云、数字高程模型等衍生数据,在真三维环境中结合山体阴影进行隐患点识别,并结合实地调查对典型灾点的特征信息进行分析。结果表明:本研究识别的隐患点与现地验证情况一致,正确率达100%;共识别出隐患点23处(滑坡14处、崩塌9处),灾害密度约4处/km~2。本研究通过集成“空地联动”“点面体协同”“二三维一体”的方法,将立体灾害点搬进数字空间,实现了隐蔽性点位和调查盲区的全覆盖,对灾害预警和风险防控具有重要意义。

基于关键区域特征匹配的生产现场隐患识别方法

为精准识别生产现场的各类隐患问题,避免不安全生产事件的出现,提出一种基于关键区域特征匹配的生产现场隐患识别方法。获取隐患信息关键区域特征,并定义隐患信息分类标准,完成基于关键区域特征匹配的生产现场隐患信息处理。排查隐患问题,并对其等级进行针对性评估,再联合相关参数指标确定隐患识别阈值的取值范围,完成基于关键区域特征匹配的生产现场隐患识别方法的设计。实验结果表明,利用所提方法可以准确识别出设备老化、操作不规范、物料储存不当这三类隐患问题,能够有效避免不安全生产事件的出现,符合实际应用需求。

紫阳县城关镇滑坡灾害隐患识别

滑坡灾害是紫阳县城关镇主要的地质灾害之一,其中存在滑坡灾害隐患但尚未发生滑坡灾害的斜坡单元对居民的生命和财产安全构成极大的威胁。以紫阳县城关镇为研究区,按照其环境条件与行政区划,将研究区划分为530个斜坡单元,利用基于栅格的瞬态降水入渗斜坡稳定性(TRIGRS)模型,对该地区在2022年最大小时雨强(50.7 mm/h)下各斜坡单元的稳定性系数进行了模拟计算,并按照斜坡单元稳定性系数大小将其分为稳定性极低、稳定性较低、稳定性较高、基本稳定区。结果表明:研究区稳定性极低区包含193个斜坡单元,面积为48.21 km^(2),稳定性较低区有223个斜坡单元,面积为50.93 km^(2),这两类斜坡单元存在滑坡灾害隐患,其中58个斜坡单元已发生滑坡灾害,占比为13.94%,另外358个斜坡单元存在滑坡灾害隐患但目前尚未发生滑坡灾害,需要对其进行重点监测与防范。该研究结果可为当地政府的防灾减灾工作提供理论支持。

阿尔金地区地质灾害隐患识别及形变特征分析——SBAS-InSAR结合光学遥感的综合遥感技术研究

以阿尔金地区为研究区,应用SBAS-InSAR结合高精度光学遥感的综合遥感技术开展地质灾害隐患识别及形变分析。在Sentinel-1A InSAR数据、“AW3D30”DEM辅助数据基础上,通过SBAS-InSAR方法获取区内隐患点地表形变,辅以GF-1、GF-2高分辨率光学遥感,对研究区地质灾害隐患识别及形变分析。取得认识如下:(1)采用Sentinel-1A数据进行InSAR形变反演,结合综合遥感识别及野外核查验证,确认地质灾害隐患146处,识别准确率75%。InSAR结合光学遥感的综合遥感方法为该地区地质灾害防治、监测等方面的新技术手段;(2)识别出地质灾害隐患中80%以上存在切坡修路情况,人类工程活动易引发斜坡失稳或诱发泥石流灾害,需加强对此类地质灾害隐患的持续监测;(3)一般滑坡在影像上具有明显形变和形态特征,与实地验证有较好对应关系。部分InSAR形变点在实地形变特征不明显,隐患点位于人员难以到达的斜坡高位隐蔽区,可利用无人机、LiDAR及地面设备等综合监测调查手段开展精细调查验证;(4)InSAR技术主要用于监测缓慢微小形变,对地面塌陷、滑坡等灾害效果较好,对监测突发性灾害有一定局限性。收集利用高分辨率的SAR数据,对小中型灾害监测效果更好。

化工生产过程中隐患识别与防范研究

深入探讨化工生产过程中的隐患识别与防范,通过对化工生产的基本特征和典型流程的综合分析,提出系统的隐患管理与防范框架。在隐患识别方面,对隐患进行了明确定义和细致分类,并结合经验法与专家判断以及先进技术的应用,建立了全面高效的隐患识别方法。在隐患防范方面,明确了预防为主的原则,制定了多层次、多环节的防范策略,探讨了先进技术在防范中的应用以及应急响应与事故处理的关键措施。最后,为了进一步加强隐患防范措施与管理体系,提出了有效的隐患整改与验证机制。

基层灾害风险隐患识别处置能力提升视频培训班举办

6月4日至6日,应急管理部采用“线下十直播”双课堂模式举办了基层灾害风险隐患识别处置能力提升视频培训班。应急管理部党委委员彭小国出席开班式并作动员讲话。培训班坚持把学习贯彻习近平总书记关于应急管理的重要论述贯穿始终,认真落实全国应急管理工作会议部署,坚持赋能基层,强化案例教学,,突出实用管用,精心设置政策理论、风险意识、专业知识、业务实操和经验分享等5个模块。

矿井通风安全隐患识别与预警系统构建

矿井通风安全对于确保矿工生命安全,提高生产效率至关重要。文章以矿井通风安全隐患识别及预警系统构建为研究对象,深入分析矿井通风安全隐患种类,产生原因以及对矿工安全及生产效率产生的影响。通过对传统和现代矿井通风安全隐患辨识技术进行对比分析,指出传统方法存在的局限性,强调现代技术智能化和自动化的优越性。本文提出矿井通风隐患预警机制的设计与实现原则,主要包括监测系统建设,智能分析算法开发,预警标准与阈值设置及应急响应机制建设等。另外,本文对矿井通风隐患数据的处理和分析策略进行了讨论,主要从数据采集和预处理,数据分析方法及数据可视化和结果解释等方面进行了阐述。研究结果表明:所建设的矿井通风安全隐患辨识与预警系统能对矿井通风安全隐患进行有效监控,辨识与预警,提升矿井安全管理水平,确保矿工安全在理论上和应用上都有一定的意义。

InSAR技术在怒江区域地质灾害隐患识别中的应用

针对电网地质灾害早期识别与监测预警难题,本文开展InSAR技术在地质灾害监测中的适用性研究,系统总结不同InSAR技术适用条件和优缺点,并提出InSAR技术不适应情况下的解决方案。并利用综合遥感手段对怒江电网地质灾害InSAR技术识别与监测开展示范应用,基于综合遥感技术查明研究区灾害隐患的空间分布和典型灾害隐患形变特征。

榆阳区农机安全生产隐患识别与防控策略探究

农机安全隐患的识别与防控是为了预防农机事故的发生、维护农业机械安全生产管理期间的重要环节之一。近年来,受诸多条件的制约下,农机安全生产隐患排查、识别、治理工作难以落到实处,特别是部分偏远地区,农机安全生产问题严重。榆阳区作为全国主要农作物农业机械化示范区,如何做好当地农机安全生产隐患的识别与防控工作,对当地农业生产发展影响重大。基于此,本文针对榆阳区农机发展基本情况进行概述,并阐述了农机安全生产隐患识别的重要性,同时提出几点高效防控策略,以供参考。

化工生产过程中的安全隐患识别与消除方法

本次研究以化工生产中安全隐患辨识和消除方法为深入探究对象,通过搭建综合理论框架分析安全隐患辨识的意义,并提出辨识安全隐患的各种技术方法。对安全隐患识别实现过程进行详细说明,并用一个实际应用案例说明该方法的效果。并对消除安全隐患的基本原则,技术手段及管理措施等进行了论述,目的是为化工生产安全稳定的进行提供强有力的保证。该研究在丰富化工生产安全管理理论体系的同时,为化工企业识别与消除安全隐患提供一种切实可行的方法。

隧道地质雷达探测与安全隐患识别技术

隧道工程安全管理工作是保障人民生命财产安全至关重要的环节。地质雷达探测技术是一种有效且非破坏性的探测手段,广泛应用于隧道工程。文章对地质雷达探测技术原理,发展过程,应用现状及在隧道安全隐患识别等方面的应用进行了深入探究。本文首先对地质雷达探测技术关键参数及影响因素进行分析,其次对其在隧道建设前期地质条件探测,施工期围岩变形监测及运营期结构病害检测等方面的应用进行探讨。本文结合案例分析论证地质雷达探测技术和安全隐患识别技术在其中的综合运用,并给出优化意见。

基于STAMP的社区燃气管道事故应急疏散过程中安全隐患识别方法

燃气作为一种高效能源已得到迅速普及,燃气管网敷设走进千家万户,但社区燃气管道事故时有发生,给人民的生命和财产造成危害。为对社区燃气管道事故发生后应急疏散过程中存在的安全隐患进行识别,通过对社区燃气管道事故应急疏散过程进行分析,提出一种基于系统理论事故模型及过程(STAMP)方法的社区燃气管道事故应急疏散过程中安全隐患的识别方法,该方法按照明确社区燃气管道事故应急疏散过程及影响因素、分析系统事故安全性、识别系统安全约束、确定安全控制结构、识别潜在控制缺陷和安全隐患5个步骤识别社区燃气管道事故应急疏散过程中的安全隐患,并通过对北京市不同类型的社区和历史事故案例的调研,利用该方法对不同类型社区燃气管道事故应急疏散过程中存在的安全隐患进行了识别。结果表明:老旧社区安全隐患主要与设施不齐全、装置老旧、居民年龄偏高有关;新型商品住宅区安全隐患主要为高层疏散困难、人口密度偏大;历史事故案例中社区燃气管道事故应急疏散过程的安全隐患主要为爆炸产生的冲击波严重、事故发生时间正值假期清晨人口密度偏大。

煤自燃高温隐患识别及离子液体防控技术

中国煤层赋存条件复杂多样,有一定的煤自燃倾向性。煤自燃不仅烧毁或冻结大量煤炭资源,造成地面塌陷、空气污染等环境灾害,且常诱发瓦斯爆炸等次生灾害,严重威胁安全生产。煤自燃具有火源隐蔽、易复燃、动态移动等特点,造成高温火源定位难、主动防控难度大。因此,开展煤自燃基础理论与绿色防控技术的研究,对煤炭安全开采、生态平衡和环境保护具有重要的科学与实际意义。

煤自燃高温隐患识别及离子液体防控技术

我国煤层赋存条件复杂多样,有一定的煤自然倾向性。煤自燃不仅烧毁或冻结大量煤炭资源,造成地面塌陷、空气污染等环境灾害,且常诱发瓦斯爆炸等次生灾害,严重威胁安全生产。煤自燃具有火源隐蔽、易复燃、动态移动等特点,造成高温火源定位难、主动防控难度大。因此,开展煤自燃基础理论与绿色防控技术的研究,对煤炭安全开采、生态平衡和环境保护具有重要的科学与实际意义。

典型黄土丘陵区地质灾害隐患识别与时序监测

宁厦南部地区以黄土丘陵地貌为主,区内沟壑纵横,小型滑坡较为发育,地表形变监测难度大。为探索黄土丘陵区的地质灾害隐患识别方法,以宁夏回族自治区固原市泾源县为研究区,应用SBAS-InSAR技术对采集到的2016年7月—2021年5月的11期升轨L波段ALOS-2数据进行处理,得到形变速率结果。联合高分光学影像,根据形变速率、形变规模、坡度、形变区到承灾体的距离等因素进行综合分析,在泾源县共识别疑似隐患27处。经实地验证,其中22处形变迹象较明显、而且有明确的承灾体,确定为地质灾害隐患。对其中典型隐患点进行时序形变分析,发现这些区域在监测时间段内有持续显著的地表形变,最大沉降速率达到91.53 mm/a。结果表明:在黄土丘陵区,应用L波段SAR数据,采用SBASInSAR技术的地质灾害形变监测效果显著,联合高分辨率的光学影像数据、应用综合遥感识别的方法,在该地区地质灾害隐患识别的正确率较高,具有很好的适用性。未来可编程采集升、降轨结合的L波段数据、结合无人机LiDAR数据做更深入的研究,以进一步提高地质灾害隐患识别的准确率,为地质灾害精准防治做好技术支撑。

基于多源异构数据融合的线路隐患识别技术及应用研究

研究分析了与输电线路隐患识别相关的数据,在状态特征提取和归一化处理的基础上,以输电线路隐患识别为例,引入D-S证据理论实现多源数据的融合。基于现有的业务系统,搭建了统一的输电全景智慧平台,并在此平台上验证了数据融合识别输电线路隐患的有效性。提出的输电线路隐患识别方法,实现了多源数据的共享与融合,提升了输电线路的隐患识别的准确率,改善了输电线路的运维现状。

基于LSTM-AE-OCSVM的带式输送机火灾监测隐患识别技术

针对传统带式输送机火灾隐患识别方法的漏报率和误报率高的问题,通过挖掘带式输送机火灾监测中多元时间序列(MTS)数据,提出了一种长短时记忆-自编码的一类支持向量机神经网络(LSTM-AE-OCSVM)火灾隐患识别算法。首先,改进自动编码器(AE)将隐藏层中的神经元替换为LSTM神经元;然后,提取带式输送机火灾无异常监测数据的时序特征并重构输入数据;其次,改进LSTM-AE将重构值与实际值的差值序列经OCSVM训练得到包含无隐患异常样本的超平面;最后,通过计算测试集与超平面距离函数值来划分隐患异常。仿真结果表明,实验中所提出的改进方法与传统的LSTM和OCSVM等隐患异常检测方法相比准确率更高,达到了90.1%。该方法在识别矿井带式输送机火灾隐患上具有重要的应用价值。