检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

高铁沿线突发事件形成机制

中国安全科学学报 2020年第S1期30卷 179-187页

作者：王猛刘佳星侯雪情霍梦华邓修权国家铁路局安全技术中心北京100160 北京航空航天大学经济管理学院北京100191

为探究高铁外部环境造成的沿线突发事件的形成机制,以及造成沿线突发事件的风险因素,基于Tropos风险框架,构建高铁沿线突发事件社会技术系统模型;应用风险分析理论,通过行为主体挖掘识别风险点,分析高铁沿线突发事件形成机制;提取高铁... 详细信息

为探究高铁外部环境造成的沿线突发事件的形成机制,以及造成沿线突发事件的风险因素,基于Tropos风险框架,构建高铁沿线突发事件社会技术系统模型;应用风险分析理论,通过行为主体挖掘识别风险点,分析高铁沿线突发事件形成机制;提取高铁沿线安全隐患清单,并针对性地提出切实可行的预防和控制措施。研究结果表明:高铁沿线突发事件的成因主要包括自然环境、人、施工单位、周围物体和动物5个方面,其中,行人非法上道和施工单位非法施工等风险因素是高铁沿线突发事件形成的重要来源;自然环境和周围物体除了直接影响高铁运行安全外,两者对高铁的影响还存在耦合作用。

关键词：高铁沿线外部环境 Tropos风险框架社会技术系统模型风险识别

基于Petri网模型的高铁沿线外部环境安全风险研究

在线全文

学校读者我要写书评

暂无评论

中国安全科学学报 2022年第S1期32卷 57-62页

作者：王猛国家铁路局安全技术中心北京100160

为深入推进高铁沿线环境整治,有效防范高铁突发事件的发生,保障高铁安全稳定运行,分析研究高铁沿线外部环境安全风险。首先,基于高铁沿线外部环境突发事件,构建Petri网模型并计算模型参数;然后,基于模糊Petri网推理规则,计算各风险因素... 详细信息

为深入推进高铁沿线环境整治,有效防范高铁突发事件的发生,保障高铁安全稳定运行,分析研究高铁沿线外部环境安全风险。首先,基于高铁沿线外部环境突发事件,构建Petri网模型并计算模型参数;然后,基于模糊Petri网推理规则,计算各风险因素间的传导概率,评估各风险传递路径的风险值,甄别风险传递的关键路径,研究高铁沿线突发事件形成机制;最后,从周围类、自然因素类、施工类等方面分析高铁沿线外部环境安全风险的孕育源头。研究表明:高铁沿线突发事件安全风险源头主要包括人、周围物体、自然环境、施工单位等4个方面;行人的非法行为和施工单位的非法施工因素是高铁沿线突发事件形成的重要来源。

关键词： Petri网高铁沿线外部环境安全风险发生概率

在线全文

学校读者我要写书评

暂无评论

高铁沿线突发事件特征分析及防控对策研究

中国安全科学学报 2023年第S1期33卷 174-179页

作者：王猛孙乐孙震党志源邓修权国家铁路局安全技术中心北京100160 北京航空航天大学经济管理学院复杂系统分析与管理决策教育部重点实验室北京100191

为探究高速铁路沿线突发事件特征,提出相应的防控对策,采用类比分析法、案例分析法、分类分析法,研究国内外典型的高速铁路沿线突发事件;采用鱼骨图分析法研究3类典型高速铁路沿线非法施工突发事件;归纳总结出高速铁路沿线突发事件发生... 详细信息

为探究高速铁路沿线突发事件特征,提出相应的防控对策,采用类比分析法、案例分析法、分类分析法,研究国内外典型的高速铁路沿线突发事件;采用鱼骨图分析法研究3类典型高速铁路沿线非法施工突发事件;归纳总结出高速铁路沿线突发事件发生原因,包括自然因素、异物侵限、人为因素和动物因素等4类,得到高速铁路沿线非法施工鱼骨图致因分析图和根因分析表。研究结果表明:高速铁路沿线突发事件具有突发性、多因素耦合性、反复性、社会性、防范难度较大等特征;结合以上特征,应从强化安全宣传教育、加强技术研发与应用、统筹路地规划3个方面保障高速铁路运营安全。

关键词：高铁沿线案例分析法鱼骨图分析法突发事件特征防控对策

基于改进Kalman的传感器数据加权处理算法

在线全文

学校读者我要写书评

暂无评论

计算机技术与发展 2021年第3期31卷 157-162页

作者：陈艳春达钰鹏石家庄铁道大学河北石家庄050043 河北省人力资源和社会保障厅信息中心河北石家庄050071

物联网(IOT)和大数据的发展,对物联网数据质量和处理速度提出了新的要求,而物联网触感器原始数据由于噪音和虚假异常值的影响,如直接应用于大数据分析会严重影响分析结果的可靠性和有效性,大量传感器的部署也导致了虚假异常值数量的成... 详细信息

物联网(IOT)和大数据的发展,对物联网数据质量和处理速度提出了新的要求,而物联网触感器原始数据由于噪音和虚假异常值的影响,如直接应用于大数据分析会严重影响分析结果的可靠性和有效性,大量传感器的部署也导致了虚假异常值数量的成倍增长;同时,由于物联网终端数量庞大且性能有限,数据价值密度低,使用机器学习方法进行处理性价比不高且不具有通用性,如何高效、可靠、通用地处理传感器数据并进行异常检测成为一个热点问题。该文基于统计学方法,结合Kalman滤波和加权融合思想,提出一种加权传感器处理预测算法。通过实验证明该算法对噪音数据处理效果相较于移动平均值,MSE和MAE都得到了提升,性能提升明显,并利用lightgbm算法验证数据处理前后预测模型性能的变化,证明通过该算法处理后的数据更易于进行模型训练和预测。

关键词：物联网传感器 Kalman滤波格拉布斯 lightgbm