基于空间数据聚类的重大危险源动态分级技术的研究

论文摘要

重大危险源分级的直接目的是便于主管部门对重大危险源进行宏观分级监控和有序管理。国内外关于重大危险源分级的具体方法有多种,归结起来可以分为两大类:一类是危险源静态分级法;另一类是危险源动态分级法。目前,我国在重大危险源动态分级领域的研究工作还相对滞后,特别是矿山重大危险源动态分级,由于其分级的复杂性,在矿山重大危险源动态分级技术方面所做的研究工作还很少。本文根据其它事物的一些动态分级方法,结合已有的重大危险源动态分级方法,总结出重大危险源动态分级理论。在重大危险源动态分级理论的基础上,根据空间数据聚类分析法提出了一种新的动态分级方法,即基于空间数据聚类的重大危险源动态分级法。为了验证该方法的可行性,作者选取了40个大面积采空区失稳的矿山重大危险源样本数据。该方法测试运行后,得出分级结果,当分为4级时,与样本实际危险性相比,其误判率为10.0%,而在同等条件下,采用DT法,其误判率为12.5%,该方法较DT法更准确。因此,基于空间数据聚类的重大危险源动态分级法可以实现对重大危险源的动态分级,通过对样本数据的测试,该方法能够使分级结果更加客观、合理。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 选题的背景及意义
• 1.1.1 选题的背景
• 1.1.2 选题的意义
• 1.2 重大危险源的研究现状
• 1.2.1 国内外关于重大危险源的研究
• 1.2.1.1 国外关于重大危险源的研究
• 1.2.1.2 国内关于重大危险源的研究
• 1.2.2 国内外关于重大危险源分级技术的研究情况及发展趋势
• 1.2.2.1 重大危险源静态分级技术
• 1.2.2.2 重大危险源动态分级技术
• 1.3 重大危险源分级中存在的问题
• 1.4 主要研究内容与方法
• 1.4.1 研究内容
• 1.4.2 主要研究方法
• 1.4.3 技术路线图
• 第二章 重大危险源动态分级理论
• 2.1 危险源与重大危险源
• 2.1.1 定义
• 2.1.2 分类
• 2.1.3 关系
• 2.2 重大危险源分级标准
• 2.3 重大危险源动态分级理论的探讨
• 2.4 本章小结
• 第三章 空间数据聚类动态分级法（SDCADC）的提出与研究
• 3.1 C++与 Visual C++简介
• 3.1.1 C++简介
• 3.1.2 Visual C++简介
• 3.2 空间数据挖掘简介
• 3.2.1 空间数据的特点
• 3.2.2 空间数据挖掘方法
• 3.2.2.1 空间数据聚类分析
• 3.3 基于改进的演化算法的空间数据聚类分析法（SDCA）
• 3.3.1 空间数据聚类分析法（SDCA）算法构造
• 3.3.1.1 个体的编码
• 3.3.1.2 演化算子设计
• 3.3.1.3 适应值评价函数
• 3.3.1.4 迁徙算子设计
• 3.3.2 SDCA 算法流程
• 3.3.3 SDCA 算法的检验
• 3.4 空间数据聚类分析法与重大危险源的动态分级
• 3.5 空间数据聚类动态分级法的计算流程
• 3.6 本章小结
• 第四章 空间数据聚类动态分级法的源程序及运行
• 4.1 空间数据聚类动态分级法的源程序
• 4.2 程序的运行
• 4.3 本章小结
• 第五章 实例应用
• 5.1 试验样本的选取
• 5.2 空间数据聚类动态分级法的应用
• 5.3 分级结果的确定
• 5.4 本章小结
• 第六章 结论与展望
• 6.1 研究总结
• 6.2 研究展望
• 参考文献
• 致谢
• 个人简历、在学期间发表的学术论文与研究成果