森林火灾预防与扑救

森林火灾绝大部分是人们用火不慎引起的，再加上特殊的高温干旱、大风天气，所以森林火灾在某种程度上是属于气象灾害，也是一种自然灾害。要预防森林火灾的发生，只有了解森林火灾的发生规律，采取行政、法律、宣传教育、科学技术的方法和手段，进行综合治理，才能有效。     

基于火灾动力学和概率统计理论耦合的建筑火灾直接损失预估

以火灾成长概率和火灾发生后的过火面积为评价指标，探讨对建筑火灾过火面积的预估方法。依据火灾动力学和火灾发展过程中不同阶段的特点，将火灾由初期发展蔓延到整个防火分区的过程划分为4个阶段，采用概率论和事件树的分析方法，得到了每个阶段的火灾成长概率。根据不同阶段火灾的特点，求得了各阶段火灾的临界时间，并以此为基础对火灾发生后建筑物平均过火面积进行了预估。     

火灾引起的建筑物坍塌概率估算

为了研究不同防灭火安全措施下火灾引起的建筑结构整体坍塌的概率，对典型建筑物的火灾荷载进行了统计分析。利用建筑物火灾的规律及概率与统计理论，给出了典型建筑物的火灾荷载及火灾持续时间的概率分布函数。分析了由火灾引起建筑物坍塌的影响因素，并根据火灾统计结果，得到了写字楼在极端情况下由火灾引起的楼房坍塌概率与其耐火极限时间的关系，导出了一般建筑由于火灾引起的坍塌概率的简单估算方法。     

森林火灾预报的新视角

从森林火灾成灾的三个基本因子（火源、环境和可燃物）入手,在宏观上对西南地区森林火灾预报方法进行了探讨。在预测林火发生方面,考虑到人为火是发生森林火灾的主要原因,有很大随机性,因而采用了马尔科夫随机过程理论。在分析成灾环境时,采用了与天、地、生相关分析的方法。特别在可燃物的贮量估测方面,用航天遥感数据,提出一套新的框算方法,为在区域的尺度上估测森林火灾给出了有效的、定量的方法,从而提高了可信度。     

浅谈森林火灾预防与监控

本文在总结国内外森林火险预报系统研究现状与发展趋势的同时，还介绍了国内外预防与监控森林火灾的方法及国外几种监控森林火灾的新技术与新设备，为我国发展适合自己国家国情的一套森林预报系统，以便更好地预防与监控森林火灾提供借鉴。     

火灾预测的改进GM(1,1)模型

火灾的发生受很多因素的影响,有的因素已知、有的未知,符合灰色系统的特征,从而可以利用灰色理论进行预测.现从传统GM(1,1)预测模型构造原理出发分析其存在的理论缺陷,通过采用平均斜率法、等维替换和变换灰色预测公式的方法建立改进的GM(1,1)模型,以适应火灾频数序列的波动特性,从而达到精确预测的目的.我国1997—2006年火灾数据预测计算表明,新方法有满意的拟合和预测效果,从而为火灾预测精度提高提供了新的途径.     

采用国际标准促进我国防雷减灾技术发展

一、引言 雷电灾害是一种重要的气象灾害。据美国国家海洋和大气管理局的新闻公报显示，全球范围每天会发生约800万次云对地的闪电（注：气象学中称云地闪，又称直击雷），仅美国每年平均就有67人死于闪电。我国的雷电灾难更为严重，发生在1998年5月、2000年6月、2002年8月和2006年5月的大兴安岭森林火灾的“元凶”均是雷击。     

森林火灾发生规律、引发因素与预防措施

森林火灾突发性强,危害性大,烧毁林木及林下植物资源,引起水土流失,危害整个森林生态系统,破坏森林生态系统的平衡和人类生存环境。破坏森林生态生态系统平衡,危害野生动物栖息环境,给人类的经济建设造成巨大损失,甚至还威胁到人民生命财产的安全,其危害程度居森林三大自然灾害之首。本文作者在对贵州省黔东南自治州近十年来森林火灾发生规律、特点,起因分析统计的基础上,提出综合预防措施。     

森林防火中的火源管理

国内外历次重大森林火灾的惨痛教训告诫我们,森林火灾重在预防,森林大火一旦发生,任何扑救措施都将事倍功半,极难奏效。强化预防措施,做到防患于未然,如终是森林防火工作的立足点。黑龙江省人为因素引起的森林火灾占90%以上,因此森林防火最基础、最关键的工作就是抓住源头,严管火源。只有提高广大群众的防火意识,坚决管住火灾源头,杜绝一切火源进入森林,就能有效预防森林火灾的发生。     

基于卷积神经网络的森林火灾烟雾探测算法研究

为解决森林火灾烟雾检测过程中受外界干扰且由于烟雾存在多种静、动态特性导致识别难度高的问题,提出一种基于卷积神经网络的火灾烟雾视频探测算法提取可疑区域特征并进行模式分类,进而检测出火灾烟雾。实验结果表明:该算法在各种视频场景下均具有良好的烟雾识别性能,并能与灭火装置通信对初期林火进行扑灭,为森林火灾探测扑救装备的智能化、高效化提供了新思路。     

基于BP神经网络算法的316L不锈钢极薄带热处理力学性能预测

目的 为了预测不锈钢极薄带热处理后的力学性能、优化热处理工艺以及实现热处理工艺的智能控制,构建基于BP算法的神经网络模型。方法 以316L不锈钢极薄带为研究对象,进行热处理试验和拉伸试验,通过以热处理的退火温度、保温时间和取样方向作为输入层参数,以屈服强度、抗拉强度、断后伸长率作为输出层参数,采用BP算法构建了316L不锈钢极薄带力学性能预测的思维进化算法优化BP神经网络模型,并进行模型的预测和应用验证,考虑不同隐含层节点数及不同BP神经网络模型对性能的影响。结果 思维进化算法优化的BP神经网络模型测试集的屈服强度、抗拉强度和断后伸长率的平均相对误差分别为8.92%、5.21%和9.28%,训练集相关系数为0.980 94。思维进化算法优化BP网络单、双隐含层误差总和最低分别为0.578 6和0.546 9,BP网络与思维进化算法优化的BP网络误差总和最低分别为0.579 9和0.546 9。结论 思维进化算法优化BP神经网络模型具有较好的预测能力和泛化能力,以及较高的预测精度。与企业现用生产工艺相比,采用模型优化后热处理工艺的综合力学性能有显著提高。     

基于机器学习的钛合金弹性模量预测方法研究

目的 探索一种高效可行的预测方法以提高钛合金弹性模量的预测精度,采用第一性原理计算方法与机器学习相结合的方式建立高精度的预测模型。方法 通过数据挖掘获取材料数据库中钛合金的力学性质微观结构参数,结合第一性原理计算方法构建初始数据集,并对其进行预处理,包括噪音消除、归一化及标准化,以得到高质量的数据集。同时,采用随机森林特征重要性分析法对输入参数进行筛选,去除弱相关变量以降低预测模型的复杂度。在此基础上,构建随机森林模型、支持向量机模型、BP神经网络模型及优化后的GA-BP神经网络模型,综合对比各模型的回归能力,分析误差后选出最优的算法模型。结果 最终建立了钛合金弹性模量预测模型,其中随机森林模型、支持向量机模型、BP神经网络模型、GA-BP神经网络模型的预测相关系数R分别为0.836、0.943、0.917、0.986。结论 GA-BP模型对弹性模量的预测误差基本保持在5%～7%。遗传算法可以优化BP神经网络的权值和阈值,使预测精度大幅提升。说明通过该方法可以实现钛合金弹性模量的预测,大大节省研发和实验成本,加快高性能材料的筛选。     

Constructing an anticipation formula for fire loss in factory-type

The before fire assessment data from the ARC fire risk assessment system and the financial loss from post-fire damage report for factory-type buildings located in Taiwan were collected. The correlation between assessment data and degree of fire loss (DFL) was calculated by three regression analyses – linear, power, and exponential equations – to produce an anticipation formula. The results revealed that there is more a believable prediction when the fire loss is bigger, regardless of the amount of fire loss or the DFL, while the latter is more related to the assessment grade. By providing proprietors and insurance companies detailed fire risk analysis showing predictable financial loss, it is advantageous for budget management and fire protection, enforcement and should result in the reduction of fire risk and subsequent damage to factory-type buildings.     

布沼坝露天矿爆破效果预测BP神经网络模型应用

针对布沼坝露天矿西帮抢险治理工程,进行了35次生产爆破试验,完成了爆破参数的初步优化。同时以孔距、排距、孔深和抵抗线等作为模型的输入因子,大块率、爆堆的前冲距离、爆堆的后冲距离和挖掘机的铲装速率等作为模型的输出因子,以现场爆破试验数据为训练样本,建立爆破效果预测的BP神经网络模型。通过对网络仿真结果和现场实测数据进行比较分析,表明BP神经网络模型能够比较准确地预测出布沼坝露天矿西帮治理工程的爆破效果。     

基于BP神经网络的金属拉深件裂纹在线监测

论文运用设计的三层BP神经网络对采集到的10个声发射参数进行特征提取。通过对比不同隐含层神经元个数的BP神经网络的训练误差与训练次数,确定当隐含层神经元个数为13个时,BP神经网络的逼近效果较好,产生的网络误差最小。然后利用计算各声发射参数对表征裂纹信号灵敏度的大小,逐步删除各个声发射参数,降低模式识别时输入信号的维数。最后确定相对到达时间、幅度、能率、上升计数、持续时间和平均信号电平六个声发射参数能够有效地识别金属拉深件裂纹。本研究对于金属拉深件裂纹的在线监测具有理论和实际意义。     

Artificial neural network (ANN) approach for modeling of Pb(II) adsorption from aqueous solution by Antep pistachio (Pistacia Vera L.) shells

A three-layer artificial neural network (ANN) model was developed to predict the efficiency of Pb(II) ions removal from aqueous solution by Antep pistachio (Pistacia Vera L.) shells based on 66 experimental sets obtained in a laboratory batch study. The effect of operational parameters such as adsorbent dosage, initial concentration of Pb(II) ions, initial pH, operating temperature, and contact time were studied to optimise the conditions for maximum removal of Pb(II) ions. On the basis of batch test results, optimal operating conditions were determined to be an initial pH of 5.5, an adsorbent dosage of 1.0 g, an initial Pb(II) concentration of 30 ppm, and a temperature of 30 degrees C. Experimental results showed that a contact time of 45 min was generally sufficient to achieve equilibrium. After backpropagation (BP) training combined with principal component analysis (PCA), the ANN model was able to predict adsorption efficiency with a tangent sigmoid transfer function (tansig) at hidden layer with 11 neurons and a linear transfer function (purelin) at output layer. The Levenberg-Marquardt algorithm (LMA) was found as the best of 11 BP algorithms with a minimum mean squared error (MSE) of 0.000227875. The linear regression between the network outputs and the corresponding targets were proven to be satisfactory with a correlation coefficient of about 0.936 for five model variables used in this study.     

基于HLA的火控雷达网融合控制系统仿真研究

为提高火控雷达的战场生存能力,研究通过组网技术降低雷达信号截获概率的方法。根据设定作战场景,介绍火控雷达网的工作过程,给出融合控制系统的结构及动态执行过程,设计基于高层体系结构的火控雷达网融合控制系统仿真软件,以此作为平台验证火控雷达组网理论的正确性。最后,通过RTI平台进行仿真实验,结果表明:仿真系统可以有效模拟火控雷达网的数据融合处理和雷达参数控制,组网系统能够延长火控雷达被敌方侦察系统的截获时间。     

基于SCADA数据和改进BP神经网络的塔筒应力预测

针对风电机组载荷监测中应变片寿命短的缺陷,基于风电场海量状态监测数据,利用遗传算法和粒子群算法对BP神经网络进行改进,建立塔筒应力预测模型,并通过综合相关系数实现输入参量的有效选择.仿真结果表明,改进后的GA-BP神经网络预测模型和PSO-BP神经网络模型,预测结果的最大、最小相对误差等指标均比BP神经网络预测模型好;...