洪涝灾害条件下疏散交通生成预测方法

为有助于有关部门更准确预测洪涝灾害受灾民众的疏散量,结合非集计数据和集计数据的优点,提出分区集计数据的概念,设计了受灾区域分区方法,并通过意向偏好(SP)调查法对我国居民在洪涝条件下疏散交通需求数据进行调查。在此基础上,引入BP神经网络建立基于分区集计数据的疏散交通生成预测模型。利用调查数据进行实证分析发现,所设计方法取得了较好的预测效果,鲁棒性较好,平均相对预测误差仅为1.8%,其预测效果明显优于现有的非集计和整集计模型。     

pH平均值的算法述评

pH值的测定是水化学中最重要、最经常的检验项目之一.在环境统计,环境评价及环境研究等工作中常需计算其均值,然而,由于pH值的定义和标准使pH值不能采用通常计算平均值(?)=(1/n)sum from i=1 to nX_i的方法进行计算,国家环境保护局1986年颁布的《环境监测技术规范(大气和废气部分)》中规定了:降水酸度平均值计算采用氢离子的雨量加权法计算,即:     

实施ISO_(14000)系列标准势不可挡

本文就目前世界上最新国际系列标准ISO14000做了简要介绍，结合标准说明了实施ISO14000的必要性，并将我国对实施ISO14000的态度做了简单的概括。     

物料衡算法计算燃煤SO2排放总量的探讨

本文分析了现行燃煤ＳＯ２排放总量计算方法的优缺点，提出了一种更符合实际的燃煤ＳＯ２排放总量计算方法。     

飞灰和煤混合吸附剂从水溶液去除铬染料的研究

对不同比例的飞灰和煤的均匀混合物吸附去除水溶液中的Ω铬红 ME(一种普通的铬染料)进行了研究.注意到低浓度吸附物质、小颗粒吸附剂、低温及酸性介质有利于染料的去除.当飞灰和煤的此例为1:1,颗粒粒径为53μm、pH=2.0、30℃,吸附质浓度为10mg/1时,上述染料的去除率达到1005.分别采用 Lagergren 和 Mekay 等提出的模型进行动力学和传质研究,平衡数据与 Langmuir 吸附模型相吻合,表明吸附剂外表面形成了染料分子的单分子覆盖层.根据吸附质的溶解度和化学势解释了温度的影响.用固液界面的各种物理化学性质解释研究结果进行了尝试.     

安全技术中图像质量的主客观评估

本文讨论图像压缩算法对安全图像数据的影响。文中比较了客观标准、主观标准和可辨认性等三种有本质不同的评估技术。我们选择了两幅初始质量不同的典型安全图像数据(一块车牌和一张人脸)，采用包括两种专业技术(JPEG和LuRaWave—LWF)和一种应用技术(Karhunen—Loeve变换—KLT)在内的三种不同的压缩技术，从原始图像中依照不同的压缩率得到一系列压缩图像。最后，评估和比较了作为客观标准的MSE(均方差)、依照I—TU—RRec．500的主观图像质量和图像的可辨认性。     

截齿截割煤体变形破坏过程数值模拟研究

采用应变软化的模型,使用连续介质快速拉格朗日分析法(FLAC,FastLagrangianAnaly-sisofContinue)进行数值模拟计算;研究截齿截割作用下煤体变形破坏过程;分析各种工况下不同参数对煤体塑性区、最大位移、最大主应力、最大剪应力的影响。研究表明:截割力与塑性区大小成正比,位移、剪应力、主应力随截割力增大而增大;截深与塑性区大小成反比;截割角度与塑性区面积关系密切,试验用煤体最佳截割角度为5°左右;截割速度增加,塑性区面积减小;通过分析截割动态过程,得到位移矢量图及剪应变等值线图,发现截割过程中煤体的破坏是拉、剪联合作用的结果,以剪破坏为主。     

基于ArcIMS的旅游安全管理系统

结合旅游业的特点,即综合性、敏感性、涉外性或国际性,提出旅游安全管理系统应该包括:灾前的防范系统、灾时的抗灾系统以及灾后的评估善后系统3大部分的设计思路。将相应的旅游重大危险源监控系统的功能定为:以行政监察、社会监督、行业自律和应急救援体系为主的宏观管理系统。阐述了Web GIS的优点并推荐了一种构建Web GIS的新技术———ArcIMS,利用ArcIMS的系统构建的旅游安全管理系统具有功能健全、管理方便、系统成熟和安全可靠的诸多优点;同时整个系统的构建相对于其他Web GIS系统的开发而言,技术难度比较低、开发速度比较快,而且系统运行相对稳定,减轻了系统维护的负担。最后,结合旅游安全信息流的特点,具体阐述了运用ArcIMS作为旅游安全管理系统的平台的合理性和可行性。     

基于随机森林算法的塔式起重机安全事故预测及致因分析

近些年来塔式起重机安全事故频发,造成了较大的人员伤亡和财产损失.为降低塔式起重机安全事故发生的概率、辨识关键的诱发因素,根据塔式起重机安全管理相关的法律、安全技术规范和标准,采用系统分析方法对事故致因进行层次分解,并以194份事故调查报告为数据样本,构建了一种基于随机森林算法的塔式起重机安全事故预测模型,并以某塔式起重...     

基于机器学习分类算法解析EIS数据的有机涂层性能评价方法

目的 基于机器学习分类算法快速评估有机涂层的防腐性能。方法 通过实验室加速试验模拟涂层真实的退化过程,并根据测得的电化学数据,分析不同退化阶段的等效电路元件参数。随后,采用随机抽样方法获取大量数据,用于机器学习模型训练。通过对比支持向量机(SVM)、k最近邻(k-NN)和随机森林(RF)3种不同的机器学习算法,以及多种输入特征集训练的涂层性能分类器模型的准确率,分析最适合用于涂层性能快速评估的机器学习算法和电化学特征。结果 根据不同输入特征训练的k-NN和RF模型均表现出良好的预测效果,而SVM模型的预测效果相对较差。根据不同频率范围训练的分类器模型中,在低频区表现最佳,而在高频区表现较差。结论 基于阻抗虚部、虚部+实部和阻抗模值3种输入特征训练的RF分类器模型的预测效果最准确。不同频率区间内,低频区的阻抗特征更能准确表征涂层性能。