简介:自2004年广东省开展重大危险源普查登记工作以来,经过两年来的分批普查,已经初步建立了全省生产经营单位重大危险源数据库,包括4909家生产经营单位共八类(不包括煤矿)6839个重大危险源,其中贮罐区3749个、库区761个、生产场所429个和压力容器1480个,以上四类共6419个约占重大危险源总数的94%。在开展重大危险源普查登记过程中,发现重大危险源辨识标准中贮罐区(贮罐)、库区(库)、生产场所和压力容器四类重大危险源辨识标准不够清晰、辨识细则还有待完善等问题。笔者在总结长期协助广东省安监局从事重大危险潭普查登记工作经验的基础上,就重大危险源辨识标准和普查报表存在的问题,结合重大危险源普查登记的实际操作可行性,提出相应的意见及建议。
简介:基于物元理论和关联函数,将可拓理论引入采空区危险性辨识中。由于影响采空区稳定性因素的复杂性与多样性,从实际工程角度选取能够综合反映采空区特性的指标进行评价。以某矿采空区为例,根据物元和可拓集合中的关联函数建立采空区危险性辨识的可拓模型,并对采空区危险性进行预测。结果表明,10—10采空区危险性等级在Ⅲ级、Ⅳ级之间,由危险性极高偏向危险性较高;而10—12采空区危险性由Ⅱ级偏向Ⅰ级,稳定性较好,危险度较低。本文评价结果符合实际情况,表明采用可拓理论评价采空区危险性可行。此外,采用改进的AHP法求解指标权重可以避免实际工程中人为主观因素的影响,从而使权重的计算更加客观。
简介:对驾驶行为的危险状态进行动态辨识并提前预警是防止交通事故发生的重要手段。提出一种基于Kohonen神经网络和支持向量机(SVM)的驾驶行为险态动态辨识方法。基于国内外相关研究,选取油门、方向盘转角、刹车、离合、X轴速度、Y轴速度、X轴加速度、Y轴加速度、发动机转速作为驾驶行为状态指标。应用Kohonen神经网络对9个指标组成的向量进行非监督聚类。用聚类结果组成的时间序列表示驾驶员行为指标的动态变化特征并以此作为输入,通过训练SVM实现驾驶行为险态辨识,解决了高维指标数据监督聚类困难和险态识别的静态性问题。最后,采用驾驶模拟器进行试验设计,对方法的有效性进行验证。以8个危险场景作为诱发驾驶行为险态出现的刺激,10个被试共产生8400组识别序列,选取600组标识为险态的时间序列进行验证。结果表明:该模型的驾驶行为险态识别正确率为82.22%。不同被试的正确率差异控制在6%以下,表明此模型具备一定的泛化能力。