面向喷染车间的挥发性有机物质量浓度预测方法及应用研究

以喷染车间挥发性有机物为研究对象,对喷染车间挥发性有机物(Volatile Organic Compounds, VOCs)质量浓度预测方法进行研究。首先,使用随机森林(Random Forest, RF)算法对影响喷染车间挥发性有机物质量浓度的特征变量进行权重分析。同时,构建基于长短期记忆神经网络(Long-Term and Short-Term Memory Neural Network, LSTM)的挥发性有机物质量浓度预测模型,并在此基础上引入麻雀搜索算法(Sparrow Search Algorithm, SSA)进行参数优化选择。最后,以浙江省杭州市某汽车喷染车间7月29日—10月28日的数据为样本,将温度、相对湿度、室内大气压、室外大气压作为模型输入变量,并与LSTM模型、随机森林-长短期记忆神经网络(Random Forest-Long Short-Term Memory neural network, RF-LSTM)模型、随机森林-反向传播神经网络(Random Forest-BP neural network, RF-BP)模型进行对比试验。结果显示,基于随机森林-麻雀搜索算法-长短期记忆神经网络(Random Forest-Sparrow Search Algorithm-Long Short-Term Memory neural network, RF-SSA-LSTM)模型的预测效果最佳,平均绝对误差、均方根误差和决定系数分别为2.812 2、3.457 4、0.988。同时,为验证RF-SSA-LSTM模型性能,通过不同时间步长实现对喷染车间VOCs质量浓度预测,结果显示预测误差较小,在可接受范围内。RF-SSA-LSTM预测模型提高了挥发性有机物质量浓度的预测精度,为减少挥发性有机物排放提供科学依据。

煤矿违章行为自组织映射分布研究

为提升违章行为管理的有效性和针对性,引入行为安全“2-4”模型(24Model)和自组织映射网络(SOM)研究违章行为的分布特征;利用24Model分析现场违章行为,构建违章行为分类体系;通过SOM对违章行为特征数据进行训练和学习,结合k-means算法分析部门的聚类特征,生成可视化拓扑结构,识别出关键违章行为。结果表明:得到的三级违章行为分类体系,识别出了违章行为数量较多的部门及其高频发违章行为;根据三级违章行为映射图,“未合理布置工艺设备及作业环境”、“未有效维护设备和设施”、“脱岗或离岗”等是该煤矿整体的高频发违章行为,广泛存在于多数部门中;根据二级违章行为映射图,“不安全操作”数量最高,主要为体现为“未按规程作业或作业不到位”,多发于生产技术部、钻机队;对关键违章行为及相应部门采取针对性措施,能有效降低因不安全行为导致事故发生的可能性。

A New Image Coding Algorithm Based on Self-Organizing Neural Network

The paper deals with a new VQ+DPCM+DCT algorithm based on Self-Organizing Feature Maps(SOFM) algorithm for image coding. In addition. a Frequency sensitive SOFM (FSOFM) has been also devel-oped. Simulation results show that a very good visual quality of the coded image at 0.252 bits/pixel is obtained.

非正式组织视角下煤矿工人不安全行为形成路径研究

为了探究非正式组织视角下煤矿工人不安全行为的形成路径,找寻影响煤矿工人不安全行为的因素,在现有研究基础上,提出组织环境和社会网络关系对煤矿工人不安全行为具有导向性的假设,通过编制量表、发放问卷的方式收集数据资料,运用SPSS分析软件、AMOS建模工具进行数据处理和模型拟合,确定了煤矿工人不安全行为的形成路径。结果表明:组织环境和社会网络直接或间接作用于煤矿工人不安全行为;不安全行为形成有2条主路径,分别是组织影响→不安全监督→不安全行为前提条件→煤矿工人不安全行为、关联程度→依赖关系→煤矿工人不安全行为;通过对改善的组织环境和行为监管社会网络关系,提升煤矿工人非正式组织氛围,可以有效减少煤矿工人不安全行为的发生,为煤矿企业管理决策提供新思路。

智能气体监测系统在油轮安全检修过程中的应用

油轮维修过程中人工巡检方法存在时效性差、漏检率高、检测覆盖率低、安全性差和人工成本高等问题。本文提出了一种针对油轮安全检修过程的智能气体检测系统,该系统能够对可燃性气体、一氧化碳等有毒有害气体进行浓度监测,并通过基于LoRa的自组网和云服务功能实现对油舱气体浓度的实时监测,不仅提高了船舱气体检测的工作效率,也同样保障了工作人员的工作环境安全,具有现实意义和应用价值。

大豆压榨厂粉尘爆炸隐患及处理措施

大豆压榨厂的粉尘主要是有机粉尘,又分为大豆粉尘、含溶剂粉尘、豆粕粉尘,在生产中产生粉尘层和粉尘云,可能引发爆炸。在阐述粉尘及粉尘爆炸相关概念基础上,指出大豆压榨厂积尘区域及潜在火源,并提出相关处理措施,包括划分可燃性粉尘爆炸风控区,设置关键安全装置和运行监控装置,制订火源预防措施和设备粉尘控制措施,防止粉尘层阴燃和粉尘云爆炸,按相关标准设计防火防爆厂房结构,大豆预处理车间设计并使用安全风网等。通过相关处理措施以最大限度地降低大豆压榨厂粉尘爆炸隐患,做到安全生产,保护员工和公司的财产。

恐怖袭击嫌疑组织预测模型研究

为预测恐怖袭击事件的嫌疑组织,选取全球恐怖主义数据库;基于恐怖袭击事件发生的时间特性,采用2014—2016年发生的恐怖袭击数据作为训练集,对2017年发生的恐怖袭击事件的发动组织进行分类预测。采用综合采样技术平衡训练集数据,运用双向循环神经网络学习数据集的时间特性,结合自注意力机制,构建基于自注意力机制的双向门控循环神经网络组合模型,对恐怖袭击事件的犯罪嫌疑组织进行分类预测,并将该模型与引入注意力机制的神经网络模型进行对比。研究表明,该模型在预测恐怖袭击事件的犯罪嫌疑组织上具有更高的分类精度,能够为警方快速侦破恐怖袭击案件提供有价值的信息。

基于离散Hopfield神经网络的化学实验室安全评估

针对高校化学实验室安全风险难以量化评估的问题,采用一种基于离散Hopfield神经网络(discrete Hopfield neural network,DHNN)的化学实验室安全评估方法.首先,利用层次分析法建立化学实验室安全状况多指标评估体系;然后,使用模糊综合评价法对评估指标进行量化,对评估指标编码;最后,使用学习率对DHNN进行优化,将该方法与传统评估方法进行对比,结果表明该方法能够实现对样本的准确评估.将该方法应用于高校危险化学品实验室安全评估过程中,仿真实验结果表明该方法构建的指标体系合理可行且评估精度较高.

基于自组织神经网络的煤矿安全预警系统

结合煤矿安全生产的具体要求,将自组织神经网络原理运用于煤矿安全预警问题中,建立了多指标综合评价的安全预警系统网络模型,并以实测数据为例对所建模型进行了训练和检验,研究结果表明,该网络性能良好、预测精度高且简便易行,是安全综合评价的一种有效方法。

《城市道路交通规划设计规范》的回顾与思考——兼论交通组织在路网规划中的重要性

《城市道路交通规划设计规范》(GB50220-95)实施已逾20年。对其回顾与思考,旨在深刻认识交通、路网规划规范、规范执行之间的关系,促进交通、路网规划问题的破解和规范的完善。95版规范提出了3项关键要求:(1)城市道路网的形式和布局要依据土地使用、客货交通源和集散点的分布、交通流量流向等因地制宜予以确定;(2)各等级道路的路网密度指标要求;(3)支路满足公交通行、支路网密度伴随容积率增加而加大的要求。相关研究和路网案例表明这3项要求具有先见性和科学性。其核心思想是倡导合理的交通结构、路网结构和交通-用地的相互协调。要求(1)强调结合交通需求的路网交通组织的重要性,要求(1)是实现要求(2)、(3)的前提与方法。良好的路网是合理交通组织的结果,合理交通组织是有效满足以人为本的交通需求的结果。难以驾驭复杂情况下的路网交通组织、选择性地执行规范的建议或控制指标、放弃或忽视95版规范的核心要求,是导致中国城市路网规划问题的关键原因之一。

无线自组织网络的网络编码技术

网络编码作为一种新的技术在宽带无线自组织网络中有很好的应用,通过网络编码,中间节点可以将接收信息进行编码并发送出去,提高了网络吞吐量和健壮性。为不对现有网络的软硬件设备和相应的协议做很大的修改,可以选择在高层实现网络编码。无线传感器网络、无线格状网(Mesh)等无线自组织网络都可以使用网络编码技术显著提高多跳链路的传输性能。目前网络编码的研究热点集中在网络编码节点选取方案、网络编码算法的设计、网络编码复杂度分析、网络编码的性能分析、网络编码与系统安全性分析、网络编码在无线分布式网络中的应用等方面。

图像矢量量化──频率敏感自组织特征映射算法

用神经网络实现图像矢量量化是一种非常有效的方法。本文在分析自组织特征映射（ＳＯＦＭ）算法的基础上，提出了一种频率敏感自组织特征映射（ＦＳＯＦＭ）算法，并对网络学习训练参数的优化进行了探讨。实验表明，ＦＳＯＦＭ算法优于ＳＯＦＭ算法。

传感器网络中基于对偶编码的随机密钥建立算法

为进一步提高传感器网络节点之间建立直接密钥的概率,降低间接密钥建立过程的通信开销,提高密钥的安全性能,提出了一种新的基于对偶编码的随机密钥建立算法。在新算法中,首先,采用随机数字对节点进行编码;然后,节点之间通过不同位进行第一次通信,并经过三次握手确定最终的密钥参数。理论分析和仿真实验结果表明,与传统的对偶密钥建立算法相比,新算法具有更高的密钥建立概率、密钥安全性能和更低的通信开销。

城市轨道交通建设中安全管理技术的应用

结合目前我国城市轨道交通建设大规模、多线路、网络化的特点,详尽分析新形势下轨道交通安全管理工作的目标、内容及组织结构,对实现安全管理目标提出相应建议。

一种基于PCA/SOFM混合神经网络的图象压缩算法

鉴于用神经网络实现图象压缩是一种非常有效的方法,为此提出了一种基于PCA/SOFM混合神经网络的图象压缩编码算法,并对SOFM网络学习参数的优化进行了探讨.实验证明,与PCA+SOFM连续编码算法和基本SOFM算法相比,这种混合编码算法,由于占用存储空间少,因而降低了码书设计的计算量,并改善了码书的性能.

SOFM神经网络在道路交通事故分类评价中的应用

随着我国道路交通需求的持续增长和交通建设的快速发展,交通环境和条件有了很大改善,但交通事故仍频频发生,且呈不断增多的趋势,安全已成为交通管理当中一个不容忽视的问题。为了减少交通事故发生次数,降低事故损失程度,需要对交通事故进行分类管理,以便针对不同种类和特征的交通事故采取专门的措施。笔者应用SOFM(自组织特征映射)神经网络对不同原因的道路交通事故进行了分类评价,并根据实际数据的计算和分析提出了相应的防护和控制措施。

基于智能复合结构的可靠性分布模式自动识别

采用Voronoi向量对SOM网络算法进行了改进 ,提高了学习收敛速度。通过提取数据的统计特征 ,建立了可靠性分布模式自动识别样本。提出的智能自动识别模型分两层 ,在SOM网络层对概率分布模式进行自动聚类 ,在支持向量机层对各聚类组进行分类学习和识别 ,获得识别模型的双层记忆权值。最后采用模型对常用可靠性分布模式进行了自动识别研究。测试结果表明 ,建立的可靠性分布模式自动识别模型是可行。

采用参与观察法对某石油化工厂安全文化的研究

安全文化是高风险组织安全控制理论研究的热点问题,特指高风险组织成员共享的价值观与行为规范系统,尤其强调安全的重要性。为探讨该类组织成员的行为规范,笔者采用参与观察方法对某石油化工厂进行研究。持续观察103天,记录现场发生的行为及其背景,然后把观察记录制成行为卡片,通过3名专家对现场观察行为进行分类发现,组织成员主要遵循包括:安全承诺、对规则的看法、对人性的看法、关系取向和权力影响等5类行为规范。其中:安全承诺,尤其是管理对安全的承诺是高风险组织安全文化的关键因素;中国的传统文化,如情境取向、关系取向对员工的不安全行为具有重要影响。

减少人为失误的对策 综述国际海事组织在人的因素方面的工作

此文回顾了国际海事组织开展人的因素研究的起因和为减少人的因素对海上交通安全的负面影响所做的努力,包括制定国际安全管理规则,规范安全评价,开展对海事中人的因素调查以及制定预防疲劳的对策。

一种新的基于自组织神经网络的运动估计算法

提出了一种新的基于自组织网络的CFSSOM-VQ运动估计算法,新的帧间预测编码方案采用基于自组织特征映射算法(SOM)的矢量量化(VQ)作为帧间预测,以取代目前常用的运动补偿帧间预测(ME+MC).并对SOM算法进行了改进,提出了一种分类频率敏感自组织特征映射(CFSSOM)算法.将该算法应用到会议电视视频编码的实验结果表明,与ME+MC算法相比,CFSSOM-VQ算法具有更好的预测编码性能.