简介:为了分析煤矿工人的情境意识要素间的因果关系结构,建立更具鲁棒性的情境意识驱动模型,提出了一种基于DEMATEL和ISM法耦合的矿工情境意识驱动模型构建方法。首先,在构建情境意识概念模型的基础上从组织、个人和环境3个维度辨识矿工情境意识驱动要素;然后,运用熵值法计算矿工情境意识驱动要素的权重,并借助DEMATEL和ISM方法确定情境意识驱动要素间的因果作用关系,进而构建矿工情境意识驱动模型。结果表明,班组安全氛围是矿工情境意识的根本影响因素;生理心理状况、工作记忆、作业能力和作业经验是直接影响因素;组织制度、人岗匹配性、物理生产环境、培训组织、作业规程和作业负荷设计是间接影响因素。
简介:针对有关毒气急性中毒研究只能根据经验公式和接触限值划定危险区域进行定性评估的现状,提出结合毒气泄漏CFD数值模拟与中毒剂量反应模型进行中毒定量评估的方法。通过CFD计算泄漏毒气的实时浓度场,根据浓度场和暴露时间确定人员暴露剂量,最后根据剂量反应模型确定人员死亡百分比。以某硫黄回收装置的硫化氢泄漏为例,建立CFD模型。设置距地面高1.5m,与泄漏源水平距离分别为100m、200m、300m、400m、500m的5个监测点作为工作人员的急性中毒地点,模拟分为构建初始风场、硫化氢泄漏及随风场扩散3个阶段,根据CFD求解得出的监测点的硫化氢实时浓度场并结合中毒剂量反应模型对监测点人员中毒死亡风险进行定量评估。研究表明,基于CFD的毒气泄漏中毒定量评估技术能对泄漏区域任意位置、任意时刻的人员中毒风险进行定量评估,弥补了目前大多定性评价方法的不足。
简介:火灾探测报警系统的可靠程度,直接影响消防系统控制火灾蔓延和保护人民生命财产安全的能力,对系统进行失效风险评估是检验火灾探测报警系统可靠性的有效方法。先采用故障树分析法对火灾探测报警系统的失效风险进行分析,得出影响火灾探测报警系统失效的底事件;再利用模糊综合评价法和重要度算法得到各底事件的失效概率和权重,并给出火灾探测报警系统失效风险计算步骤;以沈阳航空航天大学图书馆火灾探测报警系统为例,评价该系统不失效的概率为0.7950,不易失效的概率为0.1441,较易失效的概率为0.0608,易失效的概率为0,然后根据模糊评价的最大隶属度原则,确定评估结果为该系统不失效。
简介:临界风速是Y型合流分岔隧道能否有效抑制烟气侵入分岔支路的重要参数。为确定Y型合流分岔隧道临界风速计算公式,对影响Y型合流分岔隧道临界风速的相关因素进行量纲分析,推导出临界风速与火源热释放率、主分隧道高度比、连拱长度及隧道分岔夹角这4个因素的无量纲函数关系式。通过数值模拟得到临界风速最大的火源位置,并对上述4个影响因素进行了量化分析。结果表明:火源距分岔段隧道洞口15~25m时临界风速最大;当无量纲火源热释放速率小于0.3时,隧道临界风速与火源热释放率呈现1/3次方关系,当无量纲火源热释放速率大于0.3时,隧道临界风速不再随火源热释放速率增加而增加;临界风速与分岔隧道高度比近似成-3/10次方关系,与分岔夹角成-3/40次方关系,而与连拱长度无关。进而得到分岔隧道临界风速的无量纲计算模型,且与数值模拟结果吻合良好。
简介:目前国内外还没有对不同火险条件下草原火险时空发生概率的研究,而这方面研究对草原火灾管理对策和防火救助应急预案的制定具有重要意义。根据呼伦贝尔草原火灾统计月报表和相关气象、社会经济资料,利用Logistic回归模型建立草原火险预测模型,对草原火险进行了空间上的预测。结果表明,日平均风速、日降水量对草原火险影响较大;以2005年所有火灾案例对草原火险预测模型进行检验,研究表明,该预测方法具有较高的可靠性,可为火灾管理和减灾决策的制定提供指导。
简介:培训背景:近几年来,随着建设项目职业病危害评价工作的不断发展,许多评价机构及其专业技术人员在实际评价过程中,经常会遇到影响评价质量与效果的诸多技术性问题。同时,国务院于2016年5月19日公布了《国务院关于印发清理规范投资项目报建审批事项实施方案的通知》(国发(2016)29号),职业病危害预评价等不列入行政审批事项。而这势必会推动我国职业病危害评价工作向更加侧重通过职业病危害的风险评估以降低建设项目职业病危害风险并提升企业职业卫生管理水平的方向转变。因此,为了研讨和提出各类问题的解决方法,进一步提升职业病危害评价报告对企业职业卫生管理的服务水平,宣传并了解国外工业发达国家职业病危害风险评估的成功经验,中国安全生产科学研究院决定举办第~期“职业病危害风险评估技术研讨班”。
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。