氯气泄漏扩散半径估算与应急处置

氯气泄漏是常见的化学事故之一.通过对氯气的理化性质、危险特性和泄漏原因分析,估算氯气泄漏的扩散半径,同时以扩散半径作参考,提出氯气泄漏的应急处置措施,为氯气泄漏事故应急处理提供技术支持.     

溶解乙炔站爆炸半径估算及防火、防爆措施

介绍了国内溶解乙炔的生产工艺流程,对溶解乙炔站可能引起的火灾、爆炸原因进行了分析,估算生产过程中乙炔的爆炸半径.根据爆炸半径,提出防火、防爆措施,为溶解乙炔站的选址及设计提供技术支持.     

煤气生产车间CO气体浓度监控技术的研究

根据某化工厂煤气生产工艺流程,研究预防CO气体泄漏引起的火灾、爆炸和中毒事故的监控系统,分析监控系统的工作原理及电路图,对CO监控技术的研究和气体传感器的研制有重要的参考价值.     

事故树分析法在LNG储存系统风险评估中的应用

风险评估是液化天然气(LNG)储存系统风险管理的重要环节。本文运用事故树分析法对LNG储存系统进行风险评估,系统全面地找出引起LNG储存系统发生火灾爆炸事故的所有原因事件,并分析基本事件的结构重要度。避免LNG储罐发生火灾爆炸事故应该主要从控制火源和超压两个方面入手,从而达到预防LNG储存系统火灾、爆炸事故发生的目的。     

模糊评价数学模型在道路交通安全评价中的应用

以道路交通安全公认的三大因素———人、车、路为前提,依据系统工程学原理,确定了道路交通安全评价的指标体系,采用层次分析法确定评价指标的权重,对交通安全的影响进行模糊综合评价,并给出了算例。     

爆炸与中毒模型在液氨储罐安全评价中的应用

以某公司液氨储罐为例,对液氨储罐区进行危险性分析,选用爆炸与中毒模型对液氨储罐进行安全评价,并提出安全对策措施,为企业制定应急救援预案和政府进行有效的监管提供科学依据.     

基于GA-BP神经网络的化工园区应急救援能力可靠性分析

提出一种基于遗传算法优化的BP神经网络(GA-BP)的化工园区应急救援能力可靠性分析模型。通过事故树分析对16家化工园区应急救援能力的可靠性进行量化,并作为GA-BP神经网络模型训练的输出值;以事故树中的28项基本事件为依据进行分类总结,建立化工园区应急救援能力层次分析评估指标体系,在日常生产状态下的应急系统维护与事故时的应急处置能力这两个准则层下分为要素层,包括应急系统硬件维护、应急救援人员管理、应急管理机构、应急预案与演练和信息传递、应急人员动员、现场处置、事故后恢复能力,指标层元素分别对应事故树的基本事件,并计算指标层元素相对于目标层的复合权重,再以调查问卷的方式邀请专家对化工园区的指标层元素进行打分,将每一园区的各项要素得分与复合权重相乘作为GA-BP神经网络模型的输入值;从样本组中选取12组作为训练样本、4组作为测试样本,验证建立的GA-BP神经网络模型的可行性,并与传统BP神经网络的分析数据进行对比。结果显示:GA-BP神经网络输出数据的平均误差为3.83%,均方误差为0.002;而BP神经网络输出数据的平均误差为8.13%,均方误差为0.004;GA-BP神经网络的分析结果与事故树的分析结果更为接近,且相对于事故树分析减少了复杂的建树过程,具有更高的易用性。     

氯气泄漏扩散模型的初步研究

根据京沪液氯泄漏的一些数据,选取液氯泄漏的瞬间为研究范围,设定液氯泄漏的瞬间为2 min,大气压力为10.132 5 kPa,温度为15℃,风速为6m/s,假设液氯泄漏后全部变成蒸气,重气云团半径为10 m,利用重气云扩散模型--盒子模型,对氯气云团扩散后果进行定量计算,得到氯气泄漏瞬间的伤害范围分别是致死区0.042 9 km2,重伤区0.0979 km2,轻伤区1.067 km2.据此判断,氯气泄漏事故后果非常严重.提出了该模型的不足和需要改进的地方.     

遗传算法优化的BP神经网络在地震死亡人数评估中的应用

破坏性的地震灾害作为一种突发性自然灾害,往往会在短时间内造成大量的人员伤亡和财产损失。地震发生后若能有效地预测伤亡人数,可以更科学地组织人员救灾与配置救灾物资,对于减少震后的人员伤亡具有一定的指导作用。通过我国往期的地震数据信息,分析总结出对人员伤亡数目影响较大的7个因素,分别为地震等级、地震时间、震源深度、震中烈度、抗震设防烈度、震中烈度与抗震设防烈度之差(ΔL)、人口密度。鉴于这7个影响因素与地震时的死亡人数呈非线性关系,选用基于遗传算法(GA)优化的BP神经网络建立地震死亡人数预测模型。针对BP神经网络的局限性,利用遗传算法全局搜索最优值的特点,对BP神经网络的权值与阀值进行优化,防止BP神经网络陷入局部最优解,并且加快神经网络收敛速度,从而提高BP神经网络的预测精度。从我国1970年至2016年之间发生的地震灾害中,选取32组造成人员伤亡的地震数据,对初始数据进行处理后,利用遗传算法优化的BP神经网络预测模型进行训练并预测。选取27组样本作为训练样本,另外5组样本作为测试样本。预测分析结果表明,遗传算法优化的BP神经网络预测死亡人数与真实死亡人数相比平均误差为9.72%,均方误差为10.41,而BP神经网络的预测死亡人数的平均误差为17.61%,均方误差为18.02,因此GA-BP神经网络结果较为理想,相比传统的BP神经网络具有更高的逼近精度。     

化学工业园区应急能力可靠性分析

提出一种基于遗传算法优化的BP神经网络(GA-BP)的园区应急能力可靠性分析模型。通过故障树分析对化工园区应急救援能力的可靠性进行量化并作为GA-BP神经网络的输出值,以故障树中的基本事件为依据,进行分类总结,建立化工园区应急救援能力层次分析指标体系;从日常生产状态下的应急系统维护与事故时的应急处置能力这两个准则层考虑,指标层元素分别对应故障树的基本事件,并计算其相对于目标层的复合权重;从样本组中,选取训练样本和测试样本验证基于遗传算法优化的神经网络可靠性分析模型的可行性,并与传统BP神经网络的分析数据进行对比;结果表明,经过遗传算法优化后的BP神经网络平均误差和均方误差均较小。得出GA-BP神经网络的分析结果与故障树更加接近,而且相对于故障树分析减少了复杂的建树过程,具有更高的易用性。