为促进矿山安全事故预防与处理中参与主体责任的落实,提升安全治理效能,降低矿山安全事故发生风险,分析企业违法责任的承担,梳理监管部门权责制度,探究安全生产社会化服务机构专业性与客观性的保障机制,借鉴域外关于安全生产主体责任的规定及实践经验,提出完善我国矿山安全事故预防与处理的法律建议。研究结果表明:增设惩罚性赔偿和对多次违法行为差异化处罚,是企业对违法行为成本及责任承担考量的重要因素,可以提升企业安全生产重视程度,树牢安全生产责任意识;分阶段配置监管部门职责,构建明查与暗访并重的监管模式,可以理顺监管部门权责不清的困境,提升监管实效;细化安全生产社会化服务机构准入门槛,建立信息公示平台,明确责任追究规定和从业回避制度,可以保证安全生产社会化服务机构所提供服务的专业性、透明度和客观性。

为防范风险管控中“蝴蝶效应”的发生,针对风险放大韧性治理效能提升的科学需求,基于风险二重性构建蝴蝶效应的“风险社会放大”与“风险级联放大”的二元解释框架,梳理蝴蝶效应的社会放大机制与级联传导特征,并探索以人为核心的蝴蝶效应韧性建构机制。结果表明:风险二重性强调风险客观实在性与社会建构性的辩证统一,解构蝴蝶效应产生的不确定性根源于现代社会-技术系统的复杂性与风险社会建构导致的模糊性。一方面,现代社会-技术风险相互关联、相互依存,形成错综复杂的风险网络,表现内生复杂性,为风险级联放大提供动力;另一方面,受限于知识的局限性,公众风险感知与行为受到社会、制度、文化多方面因素的影响,表现为社会模糊性,为风险社会放大提供条件。风险二重性要建立人本协同的韧性治理体系,以健全风险监测预警体系、完善风险沟通交流机制、推动多元主体参与治理为主要抓手,提升风险蝴蝶效应的韧性治理效能。

为有效识别高空作业环境下建筑工人的不安全行为,提出一种基于多元拓扑图卷积网络(MCT-GCN)的工人不安全行为识别模型。首先,设计数据预处理模块,将视频监控数据转换为三维骨架数据;其次,构建三元动态邻接图卷积,融合可学习结构先验拓扑、通道相关性自适应拓扑和相对位置编码拓扑,动态构建出适应不同动作的邻接矩阵;然后,提出多尺度可分离时间卷积,将标准卷积分解为深度时序卷积与逐点卷积,分别对施工人员的动作时序特征和空间分布特征独立建模;最后,在公共数据集和自建的工人不安全行为数据集上进行试验验证和对比分析。结果表明:该模型在识别准确率和跨场景泛化能力上均优于现有方法;在自建的数据集上,该模型达到95.8%的最高识别准确率,能够显著提升复杂动态施工环境下工人不安全行为的识别准确度。

为解决因电动汽车充电站规模持续扩大而导致电力过载、负荷波动及需求分布不均等风险,提出一种基于多源数据融合深度学习模型(混合深度融合(HDF)-长短期记忆(LSTM)网络)的负荷预测与分级预警方法,以实现高精度负荷预测与动态风险分级告警。该模型融合长短期记忆网络LSTM、循环神经网络(GRU)与自注意力机制Transformer结构,综合利用历史负荷、气象和交通流量等多源数据,并通过Pearson相关性分析与动态权重分配机制提升非线性特征的表达能力;在《电动汽车充电站设计标准》中变压器容量和同时率的约束条件下,设计三级风险预警机制,确保在运行接近临界水平时实现快速告警。结果表明:HDF-LSTM在预测精度上优于极端梯度提升(XGBoost)、GRU、LSTM和Transformer等模型,均方误差(MSE)与平均绝对误差(MAE)分别降至0.185 2和0.268 2,决定系数R²达到0.9857,且具备较好的计算效率,适用于能耗预测与风险阈值动态计算等场景。

为提升民航空中交通管制(ATC)运行安全风险识别的系统性与客观性,挖掘管制运行不安全事件致因及其相互作用关系,提出一种融合文本挖掘(TM)、人因分析与分类系统(HFACS)方法以及功能共振分析法(FRAM)的管制运行不安全事件致因分析方法。首先,采用TM技术,从不安全事件报告进行文本处理,并通过词频-逆文档频率(TF-IDF)方法中提取与民航管制运行风险相关的高频关键词;其次,对关键词进行语义归属,基于民航管制运行工作特征,构建改进的管制运行HFACS多层级架构,并确定对应的风险因子;然后,引入FRAM分析管制运行系统中各个功能模块之间的相互依赖关系,揭示管制运行复杂系统中交互作用对事件发生的潜在影响;最后,面向2起管制运行不安全事件开展研究,分析其风险致因。结果表明:所提方法能有效挖掘多源致因之间的相互关系,识别多层风险致因因子,验证了该方法在多源数据处理、复杂致因结构挖掘中的有效性与科学性。

为提高企业安全专业人员的风险决策效能,遏制不安全行为发生,探析风险认知能力的组态路径和提升策略。基于技能-规则-知识(SRK)认知理论将风险认知能力的前因条件划分为技能型、规则型、知识型认知能力,结合管理体系、认知负荷、认知任务来解析风险认知维度,构建涵盖危险源辨识能力、设备操作能力、隐患排查能力、隐患治理能力、情景决策能力、案例推理能力的认知理论模型;运用必要条件分析(NCA)和模糊集定性比较分析法(fsQCA)对100名安全专业人员的多维风险认知能力开展数据校准、必要性分析、充分性分析和稳健性分析;解析风险认知能力前因条件的组态路径,提出针对性的认知能力提升策略。结果表明:高风险认知能力和非高风险认知能力各有4条组态路径,其中,高风险认知能力涵盖规则和知识双驱动型、多维认知能力协同型、应急管理能力主导型3种组态类型,得出“精准赋能-多维协同-动态适配”风险认知能力提升策略,从而提高企业安全管理水平。

为预防超期服役压力管道失效,在故障树分析法(FTA)基础上,提出基于蝴蝶优化算法(BOA)与相似聚合法(SAM)相结合的方法,分析超期服役压力管道失效概率。首先,分析超期压力管道失效原因,建立失效故障树;然后,通过邀请专家评估故障树底事件,并通过SAM方法和改进BOA-SAM聚合专家意见,计算对比2种方法的不确定性值来评估聚合的准确性(不确定性值越小,聚合结果越精确);最后,计算顶事件失效概率并进行重要度分析。结果表明:改进后的BOA-SAM方法所得聚合结果的不确定性值,均显著低于传统SAM方法,其中最明显的为底事件X₆,其不确定性值降低7.6%,顶事件的失效概率为0.117 641;应力腐蚀开裂、第三方破坏、焊缝开裂和介质中H₂S含量偏高等为事故发生的关键因素。

为研究煤的层理角度对提升CO₂强化煤层气开采效率的影响,以山西晋中寺家庄6矿煤样为研究对象,利用渗流驱替试验系统,开展不同层理角度下CO₂驱替CH₄试验研究,分析驱替过程中排出气体组分、气体流量、驱替效率、封存能力等随层理角度的变化特征。结果表明:层理面和渗流方向夹角的增大可显著延长CO₂的突破时间,层理角度越大,出口气体组分变化速率越慢。进口与出口流量大小关系均表现出0>30>60>90°的特征,出口CH₄流量大小关系在试验前期与出口流量一致,后期转变为90>60>30>0°。驱替第1阶段结束时,CH₄采收率表现为0>30>60>90°,第2阶段结束时,CH₄采收率大小表现为30>0>60>90°,整个驱替过程结束时,30°层理煤的CH₄采收率达到最大值,为67%。30°层理煤的驱替置换比最小,置换效果最好。整个驱替过程中CO₂穿透率始终保持0>30>60>90°的特征,且非0°层理煤在驱替结束时对CO₂的吸附仍未达到平衡。此外,90°层理煤的封存率达到81.59%,封存效果最好。

为提高高风险作业安全管理水平,提出一种基于知识图谱和Apriori算法的高风险作业智能精准管控方法。首先,搜集高风险作业相关事故案例,利用基于变换器的双向编码器表征-双向长短期记忆网络-条件随机场(BERT-BiLSTM-CRF)模型实现事故原因自动分类抽取,并构建高风险作业知识图谱,存储相关事故数据;然后,结合作业标准规范构建高风险作业致因要素指标体系,并利用Apriori算法明确高风险作业致因要素之间的关联关系;最后,提出针对性管控措施,以有限空间作业为例开展具体阐述。结果表明:作业人员未佩戴安全防护装备、盲目施救、未配备气体检测等设备、安全警示标志缺失、安全教育培训不到位和安全管理不到位是导致有限空间作业事故发生的主要原因。安全教育不到位与未佩戴安全防护装备的关联度较大,支持度为80.7%,置信度为60.41%;安全教育培训不到位与盲目施救的关联性也较强,支持度为80.7%,置信度为55.88%。

为治理非稳定含煤地层条件下隧道瓦斯异常涌出风险,以成昆铁路扩改项目保安营1号隧道1号斜井工区为对象,通过现场测试、数值模拟和工程试验相结合的方法,研究瓦斯涌出特征、异常涌出风险判识方法及防控技术。结果表明:隧道瓦斯源于洞身穿过地层中的不稳定煤层、碳质岩,围岩含煤、含碳情况及地质体破碎程度与瓦斯涌出息息相关;可采用物探+钻探综合测试方法,以不良地质体、岩性变化、钻孔瓦斯体积分数及涌出量作为多元辨识指标,确立瓦斯异常涌出超前判识方法;针对非稳定赋存瓦斯异常涌出风险,提出“钻墙”高效截流防治技术,在隧道两侧钻场内施工围绕掘进隧道的“钻墙”钻孔,抽截煤岩瓦斯。现场应用结果证明:此方法有助于减少施工干扰,提高进尺速度。

针对传统模型存在多维时序特征挖掘能力有限以及类别不平衡问题,提出一种基于类别平衡损失(CB)机制-非对称损失(ASL)机制-TimesNet的多任务行驶风险预测模型。利用滑动时间窗口提取多维时序特征,提升风险等级标注的客观性与细致性,并基于这些特征构建前向、后向、侧向碰撞风险及转向意图4类标签;在模型构建方面,融入TimesNet网络,有效捕捉多维时序特征的周期性变化与动态演化特性,增强复杂驾驶场景下时序信息的建模能力;结合CB与ASL机制设计损失函数,提升模型在类别不平衡条件下的预测性能。结果表明:提出的CB-ASL-TimesNet模型在行驶风险与转向意图预测任务中的平均准确率达到0.908 6,与传统机器学习模型CatBoost相比提升16%,较主流时间序列模型门控循环单元(GRU)提升5.8%,验证了所提模型在提升预测性能方面的显著有效性。

针对航空发动机反推系统(TRS)的传统安全性分析方法在应对多层级耦合和多系统交联时存在系统交互和需求-设计闭环的局限,提出系统理论过程分析(STPA)与基于模型的安全性分析(MBSA)融合方法。通过构建从系统需求捕获到验证的全流程分析框架,采用系统建模语言(SysML)构建多视图系统模型揭示架构原理,结合STPA方法定义4类系统级损失(事故)和8类系统级危险,构建TRS反馈控制结构模型,识别11种不安全控制行为(UCAs)并得出致因场景,给出相应安全性等级,基于模型检验工具(NuSMV)构建名义模型与故障模型,并验证系统关键安全属性。结果表明:模型具有逻辑的完整性和正确性,反推空中非指令打开发生概率为1.95×10^-10/FH,满足小于10^-9/FH的安全性要求。

为探究既有裂隙对高填方压实黄土地基沉降变形特性的影响,以平坦场地高填方工程为背景,采用土工离心模型试验方法,设计并对比分析无裂隙与含裂隙2组高填方地基模型在加载过程中的变形与破坏特性。结果表明:裂隙改变地基的破坏形态,由单一拉裂转变为拉剪复合破坏,表现为裂隙拓展、树枝状裂缝网络及阶梯错动等复杂破坏特征;裂隙降低地基整体刚度与稳定性,使含裂隙地基沉降早于无裂隙地基发生,总沉降量增大,沉降分布更加不均,地表沉降呈“V型”集中态势,随荷载增加而显著加剧;此外,裂隙结构对地基应力分布具有明显的分层影响,竖向应力表现为上部集中、中部削弱、底部影响较小,水平应力则在底部发生集中、中上部释放,改变应力传递路径,增加局部失稳风险。

为保障地铁运行及结构安全,开展爆炸作用下地铁盾构隧道韧性评估。建立爆炸作用下地铁盾构隧道的韧性评估体系和韧性等级划分标准,提出基于反向传播(BP)神经网络的3输入层-5隐藏层-单输出层的地铁盾构隧道韧性预测模型,并依托西安地铁一号线完成韧性评估和预测。结果表明:爆心距减小、炸药当量增大、爆炸次数增加均会加速地铁盾构隧道韧性下降;首次爆炸后地铁盾构隧道韧性降幅最为明显,之后韧性降速较为缓慢,直至第5次爆炸后,韧性降低速度大大加快,地铁盾构隧道进入低韧性,需及时修复以满足运行要求,而第7次爆炸后降为极低韧性,已不能满足运行安全。所建立的韧性评估体系和预测模型可用于连续外爆作用下地铁盾构隧道安全状况的评估。

针对倾斜厚煤层工作面冲击地压防治难题,以西部某煤矿工程地质条件为背景,采用理论分析、力学模型、数值模拟和现场监测等手段开展细化研究;分析倾斜厚煤层工作面冲击影响因素和危险区域,提出双巷内错布置的防冲优化方案并进行工程验证。结果表明:埋深、硬厚顶板、倾角、煤柱及底煤对冲击地压的发生有影响,确定工作面胶带巷和轨道巷为强冲击危险区,开切眼为中等冲击危险区;结合顶板结构演化与底板应力计算将巷道底板划为关键岩块半保护区(Ⅰ)、关键岩块保护区(Ⅱ)和矸石让压区(Ⅲ)共计3个低应力区;通过数值计算得出内错胶带巷的最佳布巷位置位于关键岩块保护区(Ⅱ),即与轨道巷右帮水平距离5.15 m,与采空区垂直距离3 m。通过微震及来压监测得出,采用双巷内错布置方案后,工作面围岩能量释放由“低频高能”向“高频低能”转变,且持续来压时间明显减短,降低了工作面发生冲击的危险性。

为满足民航运行中低碳减排与冲突解脱安全性并重的需求,在考虑航空器碳排放及速度调整偏差的基础上,提出基于自适应椭圆保护区的改进速度障碍法(IVO)。首先,根据航空器速度差异构造自适应椭圆保护区;其次,将同一航路、矢量速度相似、距离接近的航空器划分为集群,并刻画集群的质点、速度矢量和安全范围等特征;再次,针对已划分的集群,采用集群控制算法合理调整集群内航空器的速度矢量,确保冲突解脱期间保持安全间隔;然后,在集群间建立速度障碍锥,结合单位时间最大改变量限制,通过平面几何分析与数学优化模型求解低碳目标下偏差最小的解脱速度和航向;最后,通过Python基于数值模拟实现动态行为分析。研究结果表明:与传统速度障碍法相比,改进方法使航空器解脱效率提高87.5%,平均调整幅度优化86.67%,燃油节省最高达37.36%,为复杂空中交通环境下冲突解脱与运行优化问题提供了一种可行的技术方案。

为有效消除矿用无轨胶轮车尾气中CO,开发高性能CO消除反应催化剂,利用一步溶剂热合成法制备Co₃O₄/CuO/泡沫镍(NF)负载型催化剂,通过X-射线衍射(XRD)、X-射线光电子能谱(XPS)、扫描电子显微镜(SEM)、比表面积测试(BET)等表征分析,研究合成时间、合成温度、生长基底等合成条件以及催化剂的组成成分、形貌特征等物化特性对催化剂催化性能的影响,明确催化剂的最佳合成条件与CO消除性能;通过氢气程序升温还原(H₂-TPR)与氧气程序升温脱附(O₂-TPD)与原位红外光谱分析,探究催化剂催化CO消除的反应中间过程,揭示催化剂消除CO的催化机制。研究结果表明:Co₃O₄/CuO/NF负载型催化剂的最佳合成条件为140 ℃反应4 h,该条件下所得催化剂可在消除温度150 ℃时完全消除CO,而催化剂对CO的消除过程则遵循MvK机制。

为提升锂离子电池长期使用的稳定性和安全性,开展过放电导致的潜在安全隐患研究。针对锂离子电池在新能源电动汽车、电化学储能等实际应用中可能面临的过放电-再次充电现象,以三元锂离子电池为对象,通过循环及混合功率脉冲特性测试(HPPC),利用绝热加速量热仪测试电池热失控,分析过放电-再次充电循环对电池放电容量(DC)、直流内阻、容量增量等电特性参数,以及对绝热条件下热失控特征参数的影响。结果表明:过放电循环会加速电池容量衰减和内阻增加,低荷电状态区域的放电直流内阻增加尤为显著,但在短期循环内长时间搁置电池,电池容量具有一定的恢复能力;过放电循环电池的热稳定性降低,自产热温度降低,热失控时间相较于新鲜电池和正常循环电池提前,但热失控最大温度相对较低。

为提高对化工过程中常见故障的检测能力,保证化工过程平稳可靠运行,基于历史故障数据信息和核主成分分析法(KPCA),提出一种利用历史故障数据加权的新型故障检测方法,即记忆加权核主成分分析法(M-WKPCA)。首先,根据KPCA计算正常数据和历史故障数据的核主成分(KPC),对比构建的指标选择出能够突出故障信息的KPC,并利用求取的加权矩阵突出故障信息,构建新的统计量,进而建立基于M-WKPCA方法的在线故障检测模型;然后,利用M-WKPCA方法,将检测不同常见故障的M-WKPCA方法并行处理,提出一种能够高精度检测常见故障的并行WKPCA故障检测策略;最后,采用田纳西伊斯曼(TE)化工过程数据仿真验证文中所提方法。结果表明:所提方法在测试数据中平均准确检测率为82.25%,远高于对比方法,在故障检测上更有优势;同时,由于KPC的选择引入了故障信息,检测的故障数据与正常数据在统计量上区分明显。

为评价低温、风速与风向环境中睡袋的实际使用过程保暖作用,改善睡袋使用者的舒适度,开展睡袋保暖性能试验。通过低温雨雪冰冻耦合环境舱和牛顿暖体假人系统评估木乃伊式睡袋和信封式睡袋的热阻,测量2种睡袋在变化的环境温度(-20、-15、-10和-5 ℃)、风速(1、2、3、5和7 m/s)和风向(沿头部、腰部和脚部方向)下的热阻参数以及睡袋内部空气层温度,研究单一低温无风环境和复合低温有风环境对睡袋热阻的影响。结果表明:单一低温无风环境中,木乃伊睡袋热阻值变化比信封睡袋稳定,木乃伊睡袋的保暖性更好;在复合低温有风环境中,增大环境风速会降低空气层热阻;当风速为7 m/s时,空气层热阻下降50%;沿头部方向吹风对睡袋热阻值影响最大,木乃伊睡袋总热阻下降42.8%,信封睡袋总热阻下降50.1%,沿脚部方向吹风对睡袋热阻值影响最小,木乃伊睡袋总热阻下降23.1%,信封睡袋总热阻下降29.3%;沿头部风速为7 m/s时,木乃伊睡袋和信封睡袋脚部空气层温度降至最低分别为21.83和26.54 ℃。

针对突发事件情景建模粒度固定、多情景属性和结构描述不清晰等问题,从微观情景视角出发,基于底线思维提出一种自顶向下的单一情景构建方法。通过状态要素和驱动要素2类知识元建立演化关系,结合分层Petri网(PN)逐层求精,系统刻画突发事件连锁演化情景,模拟情景演化态势;以暴雨影响下的生命线灾害级联事件为例,构建分层情景模型,刻画级联失效、共因失效和升级失效特征并分析其演化态势,识别出城市生命线失效与应急响应间的互锁困境。结果表明:该方法可通过分层情景结构满足不同层次决策需求,通过同构马尔可夫链识别影响情景态势发展的关键要素。

针对自动导引车(AGV)在狭窄道路场景下路径规划存在安全距离不足、路径不平滑、规划效率低的问题,提出一种基于Voronoi骨架的狭窄道路路径规划方法。首先,提取Voronoi骨架关键节点生成自定义的Voronoi图层,与静态层、障碍物层、膨胀层融合迭代生成4层网络结构的新代价地图,精确区分障碍物的影响范围;然后,以新代价地图为约束结合改进后的A^*算法规划全局路径,引导AGV沿道路中心行驶,保障AGV的行驶安全;最后,对全局路径进行B样条平滑优化,提高AGV通过狭窄道路等复杂场景的高效性和稳定性。结果表明:狭窄道路场景下AGV路径规划平均距离指标的安全性提升82%、空间拐点数减少55.85%、路径规划时间缩短48.98%。该算法有效提升了狭窄道路场景下路径规划的鲁棒性、算法实时性,使AGV能以最安全的方式移动。

为及时救治火场中被困人员,提出一种耦合反向传播(BP)神经网络和双侧双向测距(DS-TWR)技术的室内人员定位-追踪-及静止报警系统。该系统利用实验室虚拟仪器工程工作台(LabVIEW)整合超宽带(UWB)的DS-TWR技术和BP神经网络,通过BP神经网络学习多径效应与非视距传播的误差特征,修正DS-TWR误差,精确定位人员位置,同步记录行动轨迹;通过计算人员在指定时间范围内的移动距离来评估运动状态,设定位移与时间阈值构建报警机制,当检测到人员静止超过安全阈值时系统自动触发报警。结果表明:该系统在正常及金属障碍电磁干扰环境下,静态及动态定位误差可达厘米级,具有定位精度高、稳定性好的优势,且轨迹绘制精准,人员静止报警信息准确,响应延迟控制在较低水平。

为探究行人受恐慌驱动与局部高密度区域避让所导致的移动冲突及其对群体疏散效率的影响,考虑行人到出口距离、周围人群密度及情绪感染对个体恐慌情绪的动态影响,以及疏散过程中行人为规避高密度区域的绕行行为以及相互推挤行为,构建恐慌传播模型并在社会力模型(SFM),并引入拥挤规避力与推挤力,提出一种考虑恐慌情绪与拥挤规避行为的人群疏散模型。研究结果表明:疏散过程中适度的拥挤规避行为可在一定程度上提高疏散效率,但过强的相互作用会放大移动冲突与推挤累积导致踩踏发生;低密度条件下,个体恐慌情绪主要受出口距离影响,拥挤规避力整体较弱,而在高密度条件下,出口距离的主导作用减弱,恐慌情绪传播与人群密度叠加形成密度-情绪耦合反馈,这种耦合反馈显著提高了行人拥挤规避力与推挤强度。疏散过程中,行人最大拥挤规避力峰值呈现先升后降趋势,在疏散中后期高推挤阶段,较大的踝关节扭矩权重可显著降低跌倒风险。

为突破重大灾害下应急资源存在需求缺口大、保障不充分、供应不及时等引发的不可持续问题,针对传统评价指标未涉及社会和环境持续发展因素,首先,利用三重底线可持续发展理论和文献挖掘法,基于应急资源保障经济能力支撑、应急资源保障社会能力支撑、应急资源保障环境能力支撑3个方面,构建综合评价指标体系;然后,通过专家评价修正原有指标,确定最终选定指标;最后,运用灰色关联分析法构建面向可持续发展的重大灾害应急资源保障能力评价模型,并以河南省为例开展应用,验证模型的科学性和有效性。研究结果表明:在综合考虑经济、社会、环境各方面因素情况下,社会支撑力关联度为0.933 90,对应急资源保障能力影响最大。此外,物流业固定资产投资额、社会组织单位数、医疗卫生机构床位数、地区生产总值等指标排名前列,是推动河南应急资源保障的关键影响因素。

为解决超高层建筑火灾中系留式灭火无人机灭火剂长距离垂直输运的难题,通过建立泡沫灭火剂垂直输运模型,对比分析模拟结果、经验模型计算结果和试验数据,深入研究流量、气液比和管径对泡沫灭火剂垂直输运过程中的压力损失和流动速度的影响。结果表明:垂直输运模型误差稳定且均小于3%,优于经验模型的计算精度。随着流量的增加,压力损失逐渐增大,且流量越大,同等流量增量对应的压力损失增幅越明显,管内流动速度的稳定时间也随之缩短。流量一定、管径分别为60和100 mm时,压力损失随着气液比增加而减小;增大管径可减小气液比对摩擦压降和管内流动速度的影响。随着管径增加,速度变小,摩擦压降也减小;管径在40~60 mm范围内,管径对压力损失和速度变化的影响较大,当管径大于80 mm时,影响减弱。

为提升震后应急物资配送效率,在运力受限且需同时配送多类应急物资的条件下,综合考虑灾区道路状况与受灾点需求紧迫度,研究应急物资配送路径规划问题。首先,基于道路损毁率修正配送车辆行驶速度,并结合地震灾害特点建立需求紧迫度评价方法;然后,以总配送时间和总需求紧迫度成本最小为目标,构建包含多个配送中心、受灾点、应急物资类别与配送车辆类型的震后应急物资配送路径规划模型;其次,设计一种融合非支配排序遗传算法(NSGA-Ⅱ)和变邻域搜索算法(VNS)的混合进化算法(HEA)用于模型求解;最后,以“5·12”汶川地震为背景构造算例,验证模型和算法的有效性和可行性。结果表明:HEA在解集收敛性与求解质量方面均优于对比的3种多目标算法,可在短时间内(平均115.0 s)为应急决策者提供一组多样化的权衡方案。

为提升城市轨道交通客运量的动态调度与安全管控水平,融合物理信息约束机制、数据驱动与雪雁优化算法(SGA),提出一种新型深度学习框架。首先,设计一种物理残差项,并作为调节信号嵌入记忆细胞,强制模型在保留时序特征的同时学习客流物理特征;然后,提出一种基于物理损失与数据损失的双目标适应度函数,在建立约束机制的同时实现对模型性能的再度优化;最后,采用SGA平衡模型中超参数的差异化作用与协同影响。结果表明:所构建的模型在训练集与验证集上均表现出良好的预测性能,改进后的新适应度函数能够使模型预测结果的误差范围更小。在两阶段消融试验中,所提出的深度学习框架较长短期记忆模型的均方误差范围缩小71.03%,验证了物理约束机制与智能优化算法的同步引入对模型预测能力的协同增强作用。

为科学辨识城市轨道交通系统暴雨灾害链中的关键致灾因子及关键致灾路径,提升城市轨道交通系统韧性,基于2010—2024年有关城市轨道交通系统暴雨灾害新闻报道文本数据,综合运用自然语言处理技术、基于规则的模板匹配方法抽取灾害因果事件对;利用t分布随机邻域嵌入(t-SNE)方法对所抽取的事件对进行聚类泛化,构建城市轨道交通系统暴雨灾害抽象事理图谱,结合Gephi将其可视化为灾害链演化网络;引入复杂网络理论定量分析城市轨道交通系统暴雨灾害链演化网络,识别灾害链中的关键致灾因子及关键致灾路径。研究结果表明:暴雨、车站积水、地铁停运及设备故障这4类灾害事件的重要程度较高,为该城市轨道交通系统暴雨灾害链演化网络中的关键致灾因子;道路积水→车站积水、地铁停运→经济损失及道路积水→雨水倒灌这3条演化路径的脆弱性较高,为该城市轨道交通系统暴雨灾害链演化网络中的关键致灾路径。

为精准预测海上平台噪声分布以防治职业噪声危害,针对传统单一噪声预测方法难以兼顾结构声与空气声传播特性、无法细致描述大尺度空间声场分布的问题,提出融合声线法与统计能量分析(SEA)的联合仿真方法。该方法采用SEA模拟结构声传播特征,通过声线法精细化模拟甲板大空间空气声传播特征。以某海上中心平台为研究对象,基于实测振动与噪声源强数据构建联合仿真模型,仿真计算各层甲板声场分布,并通过空间网格化噪声测试验证方法有效性。结果表明:海上平台各层甲板噪声总能量中,空气声能量贡献占比超50%,高于结构声;大尺寸设备、生产区用房及防火墙等障碍物对噪声遮挡作用显著,空气声传播对甲板空间声场分布影响更为突出;联合仿真结果与实测结果吻合良好,预测与测试数据整体平均差异在2 dB之内,可实现海上平台甲板空间声场分布的高精度预测。

为有效识别和控制智能消费产品质量安全风险,基于大语言模型(LLMs)构建智能消费产品质量安全风险知识图谱(KG),融合复杂网络分析方法,系统分析风险分布特征和传播机制。通过多渠道采集智能消费产品相关数据,梳理产品事故案例中的质量安全风险问题,结合安全理论与智能产品系统结构,构建多层次、可扩展的质量安全风险知识本体。在本体约束下利用LLMs实现知识自动化抽取,构建包含16 611个节点和32 178条边的KG。将KG映射为风险网络,基于复杂网络理论,计算危害因素、事故伤害、安全事件3类关键节点的中心性指标,识别风险传播的关键节点和传播路径。结果表明:在各类智能消费产品中,智能家居类产品的风险实体数量占比最高,物理危害和信息危害为主要风险类型,财产损失和物理伤害为主要事故后果;通过风险网络能够识别典型直接传播路径和级联传播路径。