CN106156797A - 一种柴油机颗粒物排放危害的评价方法 - Google Patents

一种柴油机颗粒物排放危害的评价方法 Download PDF

Info

Publication number
CN106156797A
CN106156797A CN201610532710.8A CN201610532710A CN106156797A CN 106156797 A CN106156797 A CN 106156797A CN 201610532710 A CN201610532710 A CN 201610532710A CN 106156797 A CN106156797 A CN 106156797A
Authority
CN
China
Prior art keywords
matrix
judgment matrix
scheme
main constituent
evaluation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201610532710.8A
Other languages
English (en)
Other versions
CN106156797B (zh
Inventor
高鉴
许广举
陈庆樟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changshu Institute of Technology
Original Assignee
Changshu Institute of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Changshu Institute of Technology filed Critical Changshu Institute of Technology
Priority to CN201610532710.8A priority Critical patent/CN106156797B/zh
Publication of CN106156797A publication Critical patent/CN106156797A/zh
Application granted granted Critical
Publication of CN106156797B publication Critical patent/CN106156797B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2219/00—Indexing scheme relating to application aspects of data processing equipment or methods
    • G06F2219/10—Environmental application, e.g. waste reduction, pollution control, compliance with environmental legislation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Testing Of Engines (AREA)

Abstract

本发明公开了一种柴油机颗粒物排放危害的评价方法，包括如下步骤：选取不同的颗粒物危害的评价指标，建立层次结构模型，依据专家知识构造判断矩阵并计算权重值，构造主成分分析模型并建立相关系数矩阵，利用相关系数矩阵求特征值和主成分贡献度，并确定主成分，求出主成分载荷和表达式，建立颗粒物排放危害的综合评分函数H。该方法通过综合评分函数H，从医学的角度考量不同粒径的颗粒物对人体的不同系统造成危害。

Description

一种柴油机颗粒物排放危害的评价方法
技术领域
本发明涉及一种排放危害评价方法，特别是涉及一种柴油机颗粒物排放危害的评价方法。
背景技术
大气污染是影响健康的首要危险因素之一，根据我国2016年1月1日起实施的GB3095-2012《环境空气质量标准》中规定，颗粒物PM10和PM2.5平均24小时的一级限值浓度分别为50μg/m3、35μg/m3。研究表明，柴油机颗粒物排放量约为500mg/km，汽油机约为10mg/km，柴油机是汽油机的50倍，柴油机颗粒物排放是城市大气污染的主要污染源之一。细颗粒物PM2.5对人体的危害显著高于粗颗粒物PM10，粒径更小的超细颗粒物PM0.1对健康威胁更大。在GB17691-2005和HJ-689-2014规定，国5阶段PM排放试验限值在ESC循环、ETC循环和WHTC循环下分别为0.02g/kw·h、0.02g/kw·h和0.03g/kw·h，进而(国5)机动车排放法规对颗粒物排放提出了新的限制要求4.5mg/km。但无论是大气环境PM测量还是机动车排放颗粒物的测量方法都是基于称重法，测量柴油机排放颗粒物的质量来衡量颗粒物排放的危害。
但是，这种方法没有从颗粒物的粒径分布、粒数浓度对人体的伤害来考量柴油机颗粒物排放的危害。因此，有必要从医学的角度，结合不同粒径颗粒物的粒数浓度分布，探究颗粒物对人体造成的慢性毒性效应，建立一种柴油机颗粒物排放危害的评价体系，科学评价柴油机颗粒物排放的危害，为检验和修订我国各种颗粒物污染物排放标准以及环境空气质量标准提供参考依据。
发明内容
针对上述现有技术的不足，本发明的目的是提供一种柴油机颗粒物排放危害的评价方法，以实现针对人体危害性的排放危害评价。
本发明的技术方案是这样的：一种柴油机颗粒物排放危害的评价方法，包括以下步骤：
S1、选取n个人体系统因素构成对人体危害性的n个准则评价指标，由x位评价者判断后建立准则判断矩阵其中Ux为第x位评价者的判断矩阵，(uij)x为第x位评价者认为第i个人体系统因素与第j个人体系统因素对人体危害性评价的重要程度表示；
S2、计算准则判断矩阵最大特征根λU和相应的特征向量A＝(a1 a2 … an)T，进行一致性检验，一致性比例时进入下一步，否则返回S1；
S3、选取m种粒径颗粒物构成对步骤S1中每个人体系统因素的m个方案评价指标，分别由y位评价者判断后建立n个方案判断矩阵 其中 为第y位评价者根据m个方案评价指标对第n个人体系统因素做出的判断矩阵，为第y位评价者认为第a种粒径颗粒物与第b种粒径颗粒物对第n个人体系统因素评价的重要程度表示；
S4、计算n个方案判断矩阵最大特征根λK1,λK2,…,λKn和相应的特征向量其中(b11 … bim)T表示第i个方案判断矩阵的特征向量，i＝1,2,…,n，对每个方案判断矩阵进行一致性检验，一致性比例时进入下一步，否则返回S3；
S5、计算m个方案评价指标对人体危害性的权重，
S6、取p个柴油机排放物样本构建原始数据矩阵 其中为第i个样本中第j种粒径颗粒物浓度；
S7、对原始数据矩阵进行标准化，得到标准化矩阵Z＝(zij)p×m， 其中
S8、求相关系数矩阵R，其中，
S9、解特征方程|λE-R＝0|，求出特征值λi(i＝1,2,…,m)，将m个特征值按大小排列，即λ1≥λ2≥…≥λi≥0，得到第q个主成分贡献率q个主成分累计贡献率
S10、主成分累计贡献率≥85％时，整数q的值为主成分个数，其对应的特征值为λq；
S11、根据公式：|λqE-R|·ei＝0，求得特征向量ei,i＝1,2,…,m，根据求得lij；
S12、主成分表达式其中i＝1,2,…q表示主成分的个数，j＝1,2,…m，建立柴油机颗粒物排放危害的综合评价函数
优选的，建立准则判断矩阵和方案判断矩阵时，采用1～9标度法。
本发明所提供的技术方案的优点在于，步骤S1中，以人体的呼吸系统、免疫系统、生殖系统等等作为准则层的评价指标；步骤S3中以柴油机排放的不同粒径颗粒物作为方案层的指标，建立层次结构模型。从医学的角度考量不同粒径的颗粒物对人体的不同系统造成危害。
步骤S6中，主成分分析模型中提出分析指标。将柴油机排放的不同粒径的粒数浓度结合对应的权值作为分析指标。
在计算特征根和特征向量时用相关阵，减少变量量纲的影响。由于变量取值范围相差很大，故对指标数据进行标准化处理。
用综合评价函数衡量柴油机颗粒物排放的危害。通过主成分分析，减少变量间的重复信息，利用累计贡献率得出中综合得分模型，即综合评价函数。
附图说明
图1为层次结构模型示意图。
图2为柴油机颗粒物排放危害的评价方法流程示意图。
具体实施方式
下面结合实施例对本发明作进一步说明，但不作为对本发明的限定。
结合图1及图2，一种柴油机颗粒物排放危害的评价方法，包括以下步骤：
首先选取颗粒物危害的评价指标，主要针对颗粒物对人体造成的危害选取评价指标，建立层次结构模型。层次结构模型中的目标层是：颗粒物为人体的危害；准则层的指标是：人体的呼吸系统、免疫系统、生殖系统、神经系统等等。方案层的指标是：柴油机排放的不同粒径的颗粒物，如PM10、PM2.5和PM0.1或是粒径更小的积聚模态颗粒物、爱根模态颗粒物、成核模态颗粒物。
S1、选取n个人体系统因素构成对人体危害性的n个准则评价指标，由x位评价者判断后建立准则判断矩阵其中Ux为第x位评价者的判断矩阵，(uij)x为第x位评价者认为第i个人体系统因素与第j个人体系统因素对人体危害性评价的重要程度表示；
S2、利用和积法求计算准则判断矩阵最大特征根λU和相应的特征向量A＝(a1 a2… an)T，进行一致性检验，一致性比例时进入下一步，否则返回S1；
S3、选取m种粒径颗粒物构成对步骤S1中每个人体系统因素的m个方案评价指标，分别由y位评价者判断后建立n个方案判断矩阵 其中 为第y位评价者根据m个方案评价指标对第n个人体系统因素做出的判断矩阵，为第y位评价者认为第a种粒径颗粒物与第b种粒径颗粒物对第n个人体系统因素评价的重要程度表示；
S4、利用和积法计算n个方案判断矩阵最大特征根λK1,λK2,…,λKn和相应的特征向量其中(b11 … bim)T表示第i个方案判断矩阵的特征向量，i＝1,2,…,n，对每个方案判断矩阵进行一致性检验，一致性比例时进入下一步，否则返回S3；
建立准则判断矩阵和方案判断矩阵时，采用1～9标度法。标度为1表示两个因素相比，具有同样重要性；标度为3表示两个因素相比，一个比另一个因素稍微重要；标度为5表示两个因素相比，一个比另一个因素明显重要；标度为7表示两个因素相比，一个比另一个强烈重要；标度为9表示两个因素相比，一个比另一个因素极端重要；标度为2，4，6，8表示上述两相邻判断的中值6；如果指标i相对于指标j重要程度值为k，则指标j相对于指标i的重要程度为1/k。
和积法计算最大特征根和最大特征根的特征向量方法是将判断矩阵每一列归一化处理得到矩阵W，将归一化后的矩阵W按行求和得到列向量：再将列向量归一化处理得到判断矩阵的最大特征根的特征向量：W＝(w1 w2 … wn)T，最大特征根：
一致性检验时，判断矩阵的一致性指标RI可以从下表查得：
阶数 1 2 3 4 5 6 7 8 9
RI 0.00 0.00 0.58 0.90 1.12 1.24 1.32 1.41 1.45
S5、计算m个方案评价指标对人体危害性的权重，
S6、取p个柴油机排放物样本构建原始数据矩阵 其中为第i个样本中第j种粒径颗粒物浓度；
S7、为了消除各项指标之间的纲量化和数量级上的差别，对原始数据矩阵进行标准化，得到标准化矩阵其中
S8、求相关系数矩阵R，其中，
S9、解特征方程|λE-R＝0|，求出特征值λi(i＝1,2,…,m)，将m个特征值按大小排列，即λ1≥λ2≥…≥λi≥0，得到第q个主成分贡献率q个主成分累计贡献率
S10、主成分累计贡献率≥85％时，整数q的值为主成分个数，其对应的特征值为λq；
S11、根据公式：|λqE-R|·ei＝0，求得特征向量ei,i＝1,2,…,m，根据求得lij；
S12、主成分表达式其中i＝1,2,…q表示主成分的个数，j＝1,2,…m，建立柴油机颗粒物排放危害的综合评价函数
实施例1：现提出准则层的指标是：呼吸系统和免疫系统；方案层的指标是：PM10、PM2.5和PM0.1，建立准则判断矩阵：方案判断矩阵：每个判断矩阵是若干位专家判断后的合判断矩阵(通过几何平均求得)。分别算出三个判断矩阵的最大特征根和相应的特征向量分别为：2.000，3.087，3.036；(0.250 0.750)T,(0.0960.284 0.619)T,(0.106 0.634 0.261)T。检验其一致性均≤0.10。可求出PM10、PM2.5和PM0.1对于人体危害的权重值分别为：0.103，0.545，0.351。已测得甲、乙、丙3台柴油机排放PM10、PM2.5和PM0.1的粒数浓度分别为：85个·cm-3、231个·cm-3、684个·cm-3；106个·cm-3，224个·cm-3，670个·cm-3和97个·cm-3，203个·cm-3，700个·cm-3。则主成分分析模型的分析指标为PM10、PM2.5和PM0.1对于人体危害的权重值与对应的粒数浓度的积，记为x1,x2,x3。按照步骤S7至S10提取2个主成分，对应的特征值λ1＝1.751,λ2＝1.249，方差贡献为58.376％和41.624％，累计贡献率≥85％，第一主成分、第二主成分表达式分别为：F1＝0.117·x1+0.904·x2-0.959·x3F2＝0.993·x1-0.427·x2-0.282·x3。利用两个主成分来评价柴油机颗粒物排放的危害。得出综合评价得分函数H，H＝0.584·F1+0.416·F2。甲、乙、丙三台柴油机对应的综合评价得分函数H1,H2,H3分别为：114.309、111.275、122.864，数值越大则说明其颗粒物排放的危害程度越高，所以甲、乙、丙三台柴油机中丙的颗粒物排放危害最大，甲次之，乙最小。
实施例2：现提出准则层的指标是：呼吸系统、免疫系统和神经系统；方案层的指标是：PM10、PM2.5和PM0.1，建立准则判断矩阵：方案判断矩阵： 分别计算出四个判断矩阵的最大特征根：3.009，3.081，3.054，3.029；以及这四个最大特征根对应的特征向量：(0.164 0.297 0.539)T，(0.057 0.6490.295)T，(0.525 0.334 0.142)T，(0.071 0.180 0.748)T。检验其一致性可求出PM10、PM2.5和PM0.1对于人体危害的权重值分别为：0.204，0.303，0.493。已测得甲、乙、丙三台柴油机排放PM10、PM2.5和PM0.1的粒数浓度分别为：69个·cm-3、315个·cm-3、758个·cm-3；109个·cm-3、258个·cm-3、684个·cm-3；87个·cm-3、294个·cm-3、712个·cm-3。则主成分分析模型的分析指标为PM10、PM2.5和PM0.1对于人体危害的权重值与对应的粒数浓度的积，记为x1,x2,x3。按照步骤S7至S10提取1个主成分对应的特征值λ＝2.956，方差贡献为98.546％，累计贡献率≥85％，第一主成分表达式分别为：F1＝-0.999·x1+0.992·x2+0.987·x3，则柴油机颗粒物排放危害的综合评价得分函数H＝-0.999·x1+0.992·x2+0.987·x3，可算出H1,H2,H3分别为449.258、388.163、417.092，即甲、乙、丙三台柴油机颗粒物排放危害的大小顺序为：甲最大，丙次之，乙最小。

Claims (2)

1.一种柴油机颗粒物排放危害的评价方法，其特征在于，包括以下步骤：
S1、选取n个人体系统因素构成对人体危害性的n个准则评价指标，由x位评价者判断后建立准则判断矩阵其中Ux为第x位评价者的判断矩阵，(uij)x为第x位评价者认为第i个人体系统因素与第j个人体系统因素对人体危害性评价的重要程度表示；
S2、计算准则判断矩阵最大特征根λU和相应的特征向量A＝(a1 a2 … an)T，进行一致性检验，一致性比例时进入下一步，否则返回S1；
S3、选取m种粒径颗粒物构成对步骤S1中每个人体系统因素的m个方案评价指标，分别由y位评价者判断后建立n个方案判断矩阵 其中 为第y位评价者根据m个方案评价指标对第n个人体系统因素做出的判断矩阵，为第y位评价者认为第a种粒径颗粒物与第b种粒径颗粒物对第n个人体系统因素评价的重要程度表示；
S4、计算n个方案判断矩阵最大特征根λK1,λK2,…,λKn和相应的特征向量其中(b11 … bim)T表示第i个方案判断矩阵的特征向量，i＝1,2,…,n，对每个方案判断矩阵进行一致性检验，一致性比例时进入下一步，否则返回S3；
S5、计算m个方案评价指标对人体危害性的权重，
S6、取p个柴油机排放物样本构建原始数据矩阵其中为第i个样本中第j种粒径颗粒物浓度；
S7、对原始数据矩阵进行标准化，得到标准化矩阵Z＝(zij)p×m，i＝1,2,…,p，j＝1,2,…,m，其中
S8、求相关系数矩阵R，其中，S9、解特征方程|λE-R＝0|，求出特征值λi(i＝1,2,…,m)，将m个特征值按大小排列，即λ1≥λ2≥…≥λi≥0，得到第q个主成分贡献率q个主成分累计贡献率
S10、主成分累计贡献率≥85％时，整数q的值为主成分个数，其对应的特征值为λq；
S11、根据公式：|λqE-R|·ei＝0，求得特征向量ei,i＝1,2,…,m，根据求得lij；
S12、主成分表达式其中i＝1,2,…q表示主成分的个数，j＝1,2,…m，建立柴油机颗粒物排放危害的综合评价函数
2.根据权利要求1所述的柴油机颗粒物排放危害的评价方法，其特征在于：建立准则判断矩阵和方案判断矩阵时，采用1～9标度法。
CN201610532710.8A 2016-07-08 2016-07-08 一种柴油机颗粒物排放危害的评价方法 Active CN106156797B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610532710.8A CN106156797B (zh) 2016-07-08 2016-07-08 一种柴油机颗粒物排放危害的评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610532710.8A CN106156797B (zh) 2016-07-08 2016-07-08 一种柴油机颗粒物排放危害的评价方法

Publications (2)

Publication Number Publication Date
CN106156797A true CN106156797A (zh) 2016-11-23
CN106156797B CN106156797B (zh) 2019-10-11

Family

ID=58062362

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610532710.8A Active CN106156797B (zh) 2016-07-08 2016-07-08 一种柴油机颗粒物排放危害的评价方法

Country Status (1)

Country Link
CN (1) CN106156797B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110705655A (zh) * 2019-11-05 2020-01-17 云南省烟草农业科学研究院 一种基于光谱和机器视觉耦合的烟叶分类方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100733119B1 (ko) * 2005-12-22 2007-06-27 한국과학기술정보연구원 정보분석 계량지수를 활용한 연구개발 의사결정 지원 방법및 그 방법에 대한 컴퓨터 프로그램을 저장한 기록매체
CN104021284A (zh) * 2014-05-23 2014-09-03 河海大学 一种地面沉降危害性评价方法
CN104331613A (zh) * 2014-10-24 2015-02-04 中国石油大学(华东) 一种多目标多属性决策方法
CN105023067A (zh) * 2015-08-04 2015-11-04 环境保护部南京环境科学研究所 基于层次分析法-模糊综合评价的化工项目环境风险评价体系
CN105205617A (zh) * 2015-10-21 2015-12-30 中南财经政法大学 基于土地利用方式的土壤重金属层次健康风险评价方法
CN105303020A (zh) * 2014-07-14 2016-02-03 国家电网公司 一种基于ahp的电网自然灾害风险评估方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100733119B1 (ko) * 2005-12-22 2007-06-27 한국과학기술정보연구원 정보분석 계량지수를 활용한 연구개발 의사결정 지원 방법및 그 방법에 대한 컴퓨터 프로그램을 저장한 기록매체
CN104021284A (zh) * 2014-05-23 2014-09-03 河海大学 一种地面沉降危害性评价方法
CN105303020A (zh) * 2014-07-14 2016-02-03 国家电网公司 一种基于ahp的电网自然灾害风险评估方法
CN104331613A (zh) * 2014-10-24 2015-02-04 中国石油大学(华东) 一种多目标多属性决策方法
CN105023067A (zh) * 2015-08-04 2015-11-04 环境保护部南京环境科学研究所 基于层次分析法-模糊综合评价的化工项目环境风险评价体系
CN105205617A (zh) * 2015-10-21 2015-12-30 中南财经政法大学 基于土地利用方式的土壤重金属层次健康风险评价方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张英锋 等: "基于油液光谱分析的PCA-AHP 综合传动健康状态评价研", 《 光谱学与光谱分析》 *
徐勇 等: "基于AHP和PCA的企业能耗水平评价", 《价值工程》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110705655A (zh) * 2019-11-05 2020-01-17 云南省烟草农业科学研究院 一种基于光谱和机器视觉耦合的烟叶分类方法

Also Published As

Publication number Publication date
CN106156797B (zh) 2019-10-11

Similar Documents

Publication Publication Date Title
Liu et al. The assessment of traffic accident risk based on grey relational analysis and fuzzy comprehensive evaluation method
CN104732013B (zh) 一种单车通过多梁式桥梁的车辆荷载识别方法
CN109242306A (zh) 基于多层次灰色关联分析的安全生产风险评估方法及系统
Hills et al. Statistical methods used in assessing the risk of disease near a source of possible environmental pollution: a review
CN106204154A (zh) 基于层次分析法和熵值法的用户价值评分系统及其方法
CN107644149B (zh) 考虑载荷分布及损伤一致性的多通道均衡关联方法
CN103413016A (zh) 一种基于试验及服役使用数据融合的飞机结构安全寿命确定方法
CN103020429A (zh) 一种系杆拱桥的健康状态综合决策评估方法
WO2020140318A1 (zh) 基于最小二乘法的铸造车间安全评价综合权重计算方法
CN107358339A (zh) 一种基于大数据的轨道质量状态评估方法
CN109978415A (zh) 基于层次灰色理论对电梯安全防护系统的评估方法
CN110929224A (zh) 基于公交行车安全的安全指标体系创建方法
CN115018384A (zh) 一种建筑工地安全风险评估方法及系统
CN106815682A (zh) 一种应急预案有效性评价方法
CN109238740B (zh) 一种基于整车质量和体积的汽车滑行阻力综合评价方法
CN107300907A (zh) 结合综合评估与假设检验的飞行器控制系统性能评定方法
CN106156797A (zh) 一种柴油机颗粒物排放危害的评价方法
CN111738601A (zh) 一种基于熵权物元可拓模型的城市应急能力评估方法
CN110781225A (zh) 一种环境介质污染物浓度水平的诊断方法
CN112766739B (zh) 一种基于bwm-e模型的肉制品中重金属污染评价方法
CN108898292A (zh) 一种桥梁健康状态的安全评估方法
WO2024061122A1 (zh) 一种轨道车辆非金属材料火灾严重程度评价方法
CN109145508A (zh) 高速轮轨型面匹配状态的综合评价方法
CN109222220A (zh) 用于评测烟支卷制质量指数的方法和系统
CN116911689A (zh) 一种超期服役过山车安全状态确定方法、系统及电子设备

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant