CN115936293A - 一种基于pca的地铁施工安全事故风险评价方法 - Google Patents
一种基于pca的地铁施工安全事故风险评价方法 Download PDFInfo
- Publication number
- CN115936293A CN115936293A CN202210427506.5A CN202210427506A CN115936293A CN 115936293 A CN115936293 A CN 115936293A CN 202210427506 A CN202210427506 A CN 202210427506A CN 115936293 A CN115936293 A CN 115936293A
- Authority
- CN
- China
- Prior art keywords
- safety accident
- data
- subway construction
- evaluation
- construction safety
- 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.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于PCA的地铁施工安全事故风险评价方法,属于风险管理技术领域,其包括如下步骤:S1、确定评价范围与数据来源;S2、构建地铁施工安全事故风险评价体系;S3、在评价范围内,根据建立的地铁施工安全事故风险评价体系收集、判断、标准化原始数据组S4、用主成分分析方法进行数据分析。该方法构建地铁施工安全事故风险评价体系,并基于主成分分析,对评价范围内地铁施工安全事故风险进行评价。本发明可以克服评价指标之间的信息交叉,降低评价指标维数的同时最大限度地保留原有指标的信息,保证评价的客观性,可信度较高。
Description
技术领域
本发明属于风险管理技术领域,具体涉及一种基于PCA的地铁施工安全事故风险评价方法。
背景技术
地铁施工往往具有工程量大、施工环境复杂性、技术难度高和隐蔽性强等显著特点,地铁施工过程中安全事故频发,直接威胁施工人员和周边群众的人身安全,造成重大的社会影响。由于地铁施工的复杂性,潜在的安全事故类型也多种多样。为能够防范地铁施工安全事故发生,有效降低事故风险和事后损失,全面了解把握地铁施工安全事故风险并对其进行评价显得尤为必要。
目前,常用的工程安全事故评价方法有层次分析法、模糊集理论、事故树分析等,这些方法通常需要依赖专家经验进行赋权。虽然在研究中对研究方法做出了一些改进,但仍无法避免评价主观性对研究结果可信度的不利影响。
发明内容
为了解决上述存在的问题,本发明提出:一种基于PCA的地铁施工安全事故风险评价方法,其包括如下步骤:
S1、确定评价范围与数据来源;
S2、构建地铁施工安全事故风险评价体系;
S3、在评价范围内,根据建立的地铁施工安全事故风险评价体系收集、判断、标准化原始数据组;
S4、用主成分分析方法进行数据分析。
进一步地,所述的步骤S1具体如下:
S11、确定评价范围:评价范围包括地域范围以及时间范围两部分,确定地铁施工安全事故发生的区域和时间范围,地域范围确定为某国、某省范围内,时间范围以年为单位,在保证具有代表性的前提下选择较长时间段;
S12、确定数据来源:将政府相关部门、行业协会、权威媒体以及其他公开发表的统计年鉴、论文文献作为数据来源。
进一步地,所述的步骤S2具体如下:
S21、确定安全事故类型分类:参考评价地域范围内官方发布的相关事故安全类文件并结合地铁施工的实际情况,将安全事故类型共分为n类,并分别编号为Ti(i=1,2,3,…, n),其中n≥2,且为正整数;
S22、选取地铁施工安全事故风险评价指标:综合考虑已确定的安全事故类型分类,按照完整性、合理性和适用性的原则选取m个地铁施工安全事故风险评价指标,并分别编号为 Cj(j=1,2,3,…,m),其中m≥2,且为正整数。
进一步地,所述的步骤S3具体如下:
S31、根据建立的地铁施工安全事故风险评价体系收集原始数据组X={xij,i=1,2,……, n;j=1,2,……,m},其中,X表示原始数据组,xij是原始数据组中第i行第j个数据,即第i类安全事故类型对应的第j个指标的数据;
S32、判断所选取的地铁施工安全事故风险评价指标是否适用于主成分分析,用SPSS23.0数据分析软件对原始数据进行KMO检验和Bartlett球形检验;
其中,KMO检验是用于比较变量间简单相关系数和偏相关系数的指标;Bartlett球形检验是用于检验数据的分布,以及各个变量间的独立情况的指标;要求KMO检验值>0.5,Bartlett球形度检验值<0.05;若各检验值符合要求,则说明选取指标之间相关性较强,适合继续进行主成分分析,否则回到S22重新选取地铁施工安全事故风险评价指标;
S33、原始数据组标准化:通常情况下,不同评价指标对应的数据具有不同的量纲,按照公式(1)进行标准化处理,得到标准化后的数据组Z={zij,i=1,2,……,n;j=1,2,……,m},其中,Z表示标准化数据组,zij是标准化数据组中第i行第j个数据;
其中:
进一步地,所述的步骤S4具体如下:
S41、标准化数据组Z的协方差矩阵V即为原始数据组X的相关方阵;
将标准化数据组Z按照公式(2)计算得到新的数据组Z′={z′ij,i=1,2,……,n; j=1,2,……,m},其中z′ij是Z′中第i行第j个数据;
其中:
将数据组Z′转化为矩阵Z′,并将矩阵Z′转置得到Z′T,其中Z′为一个n×m的矩阵,为Z′T一个m×n的矩阵;
用公式(3)运算得到协方差矩阵V,为一个m×m的方阵;
S42、求V的特征值与相应特征向量,利用MATLAB软件中eig函数对V进行处理,得到V的特征值λh和对应的特征向量Ah,其中h=1,2,……,m,并计算各主成分的特征值贡献率和累计贡献率;
S43、确定主成分,对于给定的值α∈[0,1],求正整数q,且q≤m,使其满足
其中λ1>λ2>…>λm,要求α在[0.70,0.85]中取值,为了降低评价指标维数,并充分留原有指标的信息,将α取值为0.85;
S44、写出前q个主成分,按照公式(4)可以列出前q个主成分;
其中,fh(Ti)表示事故类型Ti对应的第h个主成分;ahk表示第h个特征向量Ah中的第k个值;xij表示原始数据组X中第i行第j个数据;
S45、确定综合得分,按照公式(5)求综合得分F(Ti);
S46、评价结果分析,根据综合得分进行风险排序并进行数据分析。
本发明的有益效果为:本发明引入主成分分析构建数理模型,打破主观赋权的局限性,对地铁施工安全事故进行客观全面地分析,旨在对各事故类型的风险进行定量排序,期望为地铁施工安全防范工作提供决策参考,本发明原理可靠,操作简便,能够克服现有的一些评价方法的某种或者某些缺陷。本发明构建地铁施工安全事故风险评价体系,并基于主成分分析,对评价范围内地铁施工安全事故风险进行评价。本发明可以克服评价指标之间的信息交叉,降低评价指标维数的同时最大限度地保留原有指标的信息,保证评价的客观性,可信度较高。
附图说明
图1为本发明的流程图;
图2为本发明的主成分因子荷载图;
图3为本发明的14个类型安全事故的综合得分。
具体实施方式
一种基于PCA的地铁施工安全事故风险评价方法,如图1所示,其包括如下步骤:
S1、确定评价范围与数据来源;
S2、构建地铁施工安全事故风险评价体系;
S3、在评价范围内,根据建立的地铁施工安全事故风险评价体系收集、判断、标准化原始数据组;
S4、用主成分分析方法进行数据分析。
通过步骤S1-S4,构建一个有n类安全事故类型,m个评价指标组成的地铁施工安全事故风险评价体系,通过主成分分析对评价范围内地铁施工安全事故风险进行评价,可以克服评价指标之间的信息交叉,降低评价指标维数的同时最大限度地保留原有指标的信息,保证评价的客观性,可信度较高。
其中,所述的步骤S1具体如下:
S11、确定评价范围:评价范围包括地域范围以及时间范围两部分,确定地铁施工安全事故发生的区域和时间范围,地域范围确定为某国、某省范围内,时间范围以年为单位,在保证具有代表性的前提下选择较长时间段;
在本实施例中,选取2001~2020年作为评价的时间范围,选取区域范围。
S12、确定数据来源:将政府相关部门、行业协会、权威媒体以及其他公开发表的统计年鉴、论文文献作为数据来源。共收集得到地铁施工过程中发生的230起安全事故案例并获取相关数据。
通过上述,可以确定所要进行的地铁施工安全事故评价的地域范围和时间范围,并且明确基础数据的来源,为后评价工作提供基础。
其中,所述的步骤S2具体如下:
S21、确定安全事故类型分类:参考评价地域范围内官方发布的相关事故安全类文件并结合地铁施工的实际情况,将安全事故类型共分为n类,并分别编号为Ti(i=1,2,3,…, n),其中n≥2,且为正整数;
参考《企业职工伤亡事故分类标准》(GB6441-86),并结合收集得到的地铁施工过程中发生的230起安全事故案例的实际情况,将安全事故类型共分为14类,并分别编号为Ti(i=1,2,3,…,14),如表1所示。
表1安全事故类型分类
S22、选取地铁施工安全事故风险评价指标:综合考虑已确定的安全事故类型分类,按照完整性、合理性和适用性的原则选取m个地铁施工安全事故风险评价指标,并分别编号为 Cj(j=1,2,3,…,m),其中m≥2,且为正整数。
通过上述,可以构建出评价范围内的地铁施工安全事故风险评价体系。
综合考虑已确定的安全事故类型分类,按照完整性、合理性和适用性等原则选取了5 个地铁施工安全事故风险评价指标,并分别编号为Cj(j=1,2,3,4,5),如表2所示。具体的,要求所选取的指标在地铁施工过程中是普遍存在的具有代表性,能够反映地铁施工安全事故的发生频次、致损率等不利影响。
选取这些指标的理由如下:
在评价时间范围内某类型安全事故的发生频次越大,说明该类型安全事故越容易发生,因此选取事故数量为地铁施工安全事故风险评价指标;
在评价时间范围内某类型安全事故造成的人员死亡(受伤)数量,可以直接反映出该类型安全事故所造成的总体不利影响,因此选取死亡人数和受伤人数为地铁施工安全事故风险评价指标;
死亡人数和受伤人数会受事故数量的影响,无法衡量某类型安全事故的致损率,因此需要引入死亡比率和受伤比率作为地铁施工安全事故风险评价指标说明某类型安全事故单次发生的致死(伤)情况,死亡(受伤)比率值越高,说明该类型安全事故一旦发生,造成的后果将是越严重越不可挽回的。
表2地铁施工安全事故风险评价指标
其中,所述的步骤S3具体如下:
S31、根据建立的地铁施工安全事故风险评价体系收集原始数据组X={xij,i=1,2,……, n;j=1,2,……,m},其中,X表示原始数据组,xij是原始数据组中第i行第j个数据,即第i类安全事故类型对应的第j个指标的数据;按照表2的地铁施工安全事故风险评价指标整理实施例中230起安全事故案例原始数据,如表3所示。
表3原始数据
S32、判断所选取的地铁施工安全事故风险评价指标是否适用于主成分分析,用SPSS23.0数据分析软件对原始数据进行KMO检验和Bartlett球形检验;
其中,KMO检验是用于比较变量间简单相关系数和偏相关系数的指标;Bartlett球形检验是用于检验数据的分布,以及各个变量间的独立情况的指标;要求KMO检验值>0.5,Bartlett球形度检验值<0.05;若各检验值符合要求,则说明选取指标之间相关性较强,适合继续进行主成分分析,否则回到S22重新选取地铁施工安全事故风险评价指标;检验结果如表4所示。
表4 KMO检验和Bartlett球形检验结果
S33、原始数据组标准化:通常情况下,表3中不同评价指标对应的数据具有不同的量纲,按照公式(1)进行标准化处理,得到标准化后的数据组Z={zij,i=1,2,……,n; j=1,2,……,m},其中,Z表示标准化数据组,zij是标准化数据组中第i行第j个数据;标准化后的数据见表5;
其中:
表5标准化数据
其中,所述的步骤S4具体如下:
S41、标准化数据组Z的协方差矩阵V即为原始数据组X的相关方阵;
将标准化数据组Z按照公式(2)计算得到新的数据组Z′={z′ij,i=1,2,……,n; j=1,2,……,m},其中z′ij是Z′中第i行第j个数据;
其中:
将数据组Z′转化为矩阵Z′,并将矩阵Z′转置得到Z′T,其中Z′为一个n×m的矩阵,为Z′T一个m×n的矩阵;
用公式(3)运算得到协方差矩阵V,为一个m×m的方阵;
S42、求V的特征值与相应特征向量,利用MATLAB软件中eig函数对V进行处理,得到V的特征值λh和对应的特征向量Ah,其中h=1,2,……,m,并计算各主成分的特征值贡献率和累计贡献率;其中h=1,2,3,4,5,并计算各主成分的特征值贡献率和累计贡献率,计算结果如表6所示。
表6 V的特征值及各自的贡献率
S43、确定主成分,对于给定的值α∈[0,1],求正整数q,且q≤m,使其满足
其中λ1>λ2>…>λm,要求α在[0.70,0.85]中取值,为了降低评价指标维数,并充分留原有指标的信息,将α取值为0.85;
表6中,可以看到前2个特征值大于1,并且累计贡献率达到96.14%,满足累计贡献率大于85%的要求,因此选用第1个和第2个特征值就可以综合这5个特征值的信息,因此q=2,即前2个主成分所包含的信息可以刻画评价对象96.14%的内容。
前2个主成分对应的特征向量如表7所示,并由表7可画得主成分因子荷载图,如图2 所示。
表7特征向量
由图2因子荷载图可知,C4、C2和C1均均在f1的正轴,并且距离f2轴较远,说明受伤人数、死亡人数和事故数量对第一主成分f1的贡献较大,即第一主成分f1主要反映了该三项指标的信息。
同理,C3和C5在的f2正轴,且距离f1轴较远,表明死亡比率和受伤比率有较高的荷载,对第二主成分f2的贡献大,即第二主成分f2主要反映了死亡比率和受伤比率的信息。
S44、写出前q个主成分,按照公式(4)可以列出2个主成分;
其中,fh(Ti)表示事故类型Ti对应的第h个主成分;ahk表示第h个特征向量Ah中的第k个值;xij表示原始数据组X中第i行第j个数据;
第一主成分:
f1(Ti)=0.5107xi1+0.5244xi2+0.3947xi3+0.5349xi4+0.1492xi5
第二主成分:
f2(Ti)=-0.2887xi1-0.2229xi2+0.5074xi3-0.0963xi4+0.7747xi5
以坍塌事故T1为例,计算f1(T1)和f2(T1)。
f1(T1)=0.5107x11+0.5244x12+0.3947x13+0.5349x14+0.1492x15
=0.5107×96+0.5244×131+0.3947×1.36+0.5349×80+0.1492×0.83
=161.1785
f2(T1)=-0.2887x11-0.2229x12+0.5074x13-0.0963x14+0.7747x15
=-0.2887×96-0.2229×131+0.5074×1.36-0.0963×80+0.7747×0.83
=-63.2811
类似的,计算其他事故类型的第一主成分f1(Ti)和第二主成分f2(Ti),计算结果见表8中的第二列与第三列。
S45、确定综合得分,按照公式(5)求综合得分F(Ti);
以坍塌事故T1为例,计算F(T1)。
F(T1)=67.23%×161.1785+96.14%×(-63.2811)=90.0563
类似的,计算其他事故类型的综合得分F(Ti),计算结果见表8中的第四列。
表8综合得分及风险排序
S46、评价结果分析,根据综合得分进行风险排序并进行数据分析。
依据综合得分绘制出散点图,如图3所示。
由图3可知,坍塌事故的综合得分明显偏离横轴,说明坍塌事故为高风险类型事故,结合表3中的原始数据,坍塌事故在所有类型安全事故中的事故数量、死亡人数和受伤人数均最高,这解释了坍塌事故的危险性,因此在地铁施工过程中坍塌事故的重视程度应该处于最高级,建议做好前期勘探和设计工作,规范施工人员和机械施工作业,减少坍塌事故的发生。
其次是物体打击。物体打击的事故数量仅次于坍塌事故,风险性也较高,且其死亡比率的排序也处于前列,因此在地铁施工过程中,致力于降低物体打击类型事故的发生的同时,也应该加强施工人员的防护措施,降低死亡比率。
值得注意的还有车辆伤害。虽然车辆伤害的综合得分处于14种安全事故类型的中列,风险性处于中等水平,但是从表3中可知,其死亡比率高达125.00%,受伤比率高达300.00%,均处于相应指标排序前列,这说明虽然车辆伤害发生频次不高,但是其造成的后果较为恶劣,严重威胁人员的人身安全。
地表沉降、透水事故等综合得分虽然较低,但是并不意味着在施工过程中不存在风险,可以放任不管,现场施工人员也应该加以防范,按照相关规范标准进行严格监视和控制控,以避免风险产生累积效应最终酿成大祸。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,根据本发明的技术方案及其构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种基于PCA的地铁施工安全事故风险评价方法,其特征在于,其包括如下步骤:
S1、确定评价范围与数据来源;
S2、构建地铁施工安全事故风险评价体系;
S3、在评价范围内,根据建立的地铁施工安全事故风险评价体系收集、判断、标准化原始数据组;
S4、用主成分分析方法进行数据分析。
2.根据权利要求1所述的一种基于PCA的地铁施工安全事故风险评价方法,其特征在于,所述的步骤S1具体如下:
S11、确定评价范围:评价范围包括地域范围以及时间范围两部分,确定地铁施工安全事故发生的区域和时间范围,地域范围确定为某国、某省范围内,时间范围以年为单位,在保证具有代表性的前提下选择较长时间段;
S12、确定数据来源:将政府相关部门、行业协会、权威媒体以及其他公开发表的统计年鉴、论文文献作为数据来源。
3.根据权利要求2所述的一种基于PCA的地铁施工安全事故风险评价方法,其特征在于,所述的步骤S2具体如下:
S21、确定安全事故类型分类:参考评价地域范围内官方发布的相关事故安全类文件并结合地铁施工的实际情况,将安全事故类型共分为n类,并分别编号为Ti(i=1,2,3,…,n),其中n≥2,且为正整数;
S22、选取地铁施工安全事故风险评价指标:综合考虑已确定的安全事故类型分类,按照完整性、合理性和适用性的原则选取m个地铁施工安全事故风险评价指标,并分别编号为Cj(j=1,2,3,…,m),其中m≥2,且为正整数。
4.根据权利要求3所述的一种基于PCA的地铁施工安全事故风险评价方法,其特征在于,所述的步骤S3具体如下:
S31、根据建立的地铁施工安全事故风险评价体系收集原始数据组X={xij,i=1,2,……,n;j=1,2,……,m},其中,X表示原始数据组,xij是原始数据组中第i行第j个数据,即第i类安全事故类型对应的第j个指标的数据;
S32、判断所选取的地铁施工安全事故风险评价指标是否适用于主成分分析,用SPSS23.0数据分析软件对原始数据进行KMO检验和Bartlett球形检验;
其中,KMO检验是用于比较变量间简单相关系数和偏相关系数的指标;Bartlett球形检验是用于检验数据的分布,以及各个变量间的独立情况的指标;要求KMO检验值>0.5,Bartlett球形度检验值<0.05;若各检验值符合要求,则说明选取指标之间相关性较强,适合继续进行主成分分析,否则回到S22重新选取地铁施工安全事故风险评价指标;
S33、原始数据组标准化:通常情况下,不同评价指标对应的数据具有不同的量纲,按照公式(1)进行标准化处理,得到标准化后的数据组Z={zij,i=1,2,……,n;j=1,2,……,m},其中,Z表示标准化数据组,zij是标准化数据组中第i行第j个数据;
其中:
5.根据权利要求4所述的一种基于PCA的地铁施工安全事故风险评价方法,其特征在于,所述的步骤S4具体如下:
S41、标准化数据组Z的协方差矩阵V即为原始数据组X的相关方阵;
将标准化数据组Z按照公式(2)计算得到新的数据组Z′={z′ij,i=1,2,……,n;j=1,2,……,m},其中z′ij是Z′中第i行第j个数据;
其中:
将数据组Z′转化为矩阵Z′,并将矩阵Z′转置得到Z′T,其中Z′为一个n×m的矩阵,为Z′T一个m×n的矩阵;
用公式(3)运算得到协方差矩阵V,为一个m×m的方阵;
S42、求V的特征值与相应特征向量,利用MATLAB软件中eig函数对V进行处理,得到V的特征值λh和对应的特征向量Ah,其中h=1,2,……,m,并计算各主成分的特征值贡献率和累计贡献率;
S43、确定主成分,对于给定的值α∈[0,1],求正整数q,且q≤m,使其满足
其中λ1>λ2>…>λm,要求α在[0.70,0.85]中取值,为了降低评价指标维数,并充分留原有指标的信息,将α取值为0.85;
S44、写出前q个主成分,按照公式(4)可以列出前q个主成分;
其中,fh(Ti)表示事故类型Ti对应的第h个主成分;ahk表示第h个特征向量Ah中的第k个值;xij表示原始数据组X中第i行第j个数据;
S45、确定综合得分,按照公式(5)求综合得分F(Ti);
S46、评价结果分析,根据综合得分进行风险排序并进行数据分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210427506.5A CN115936293A (zh) | 2022-04-22 | 2022-04-22 | 一种基于pca的地铁施工安全事故风险评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210427506.5A CN115936293A (zh) | 2022-04-22 | 2022-04-22 | 一种基于pca的地铁施工安全事故风险评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115936293A true CN115936293A (zh) | 2023-04-07 |
Family
ID=86651392
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210427506.5A Pending CN115936293A (zh) | 2022-04-22 | 2022-04-22 | 一种基于pca的地铁施工安全事故风险评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115936293A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117633985A (zh) * | 2023-12-04 | 2024-03-01 | 南宁轨道交通建设有限公司 | 用于地下工程施工方案多指标比选优化的评价方法 |
-
2022
- 2022-04-22 CN CN202210427506.5A patent/CN115936293A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117633985A (zh) * | 2023-12-04 | 2024-03-01 | 南宁轨道交通建设有限公司 | 用于地下工程施工方案多指标比选优化的评价方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Koc et al. | Integrating feature engineering, genetic algorithm and tree-based machine learning methods to predict the post-accident disability status of construction workers | |
CN111639845B (zh) | 一种考虑完整性和可操作性的应急预案有效性评估方法 | |
CN112132233A (zh) | 一种基于有效影响因子的服刑人员危险行为预测方法及系统 | |
CN106408141A (zh) | 异常费用自动提取系统及方法 | |
CN110636066B (zh) | 基于无监督生成推理的网络安全威胁态势评估方法 | |
VanNostrand et al. | Assessing pretrial risk without a defendant interview | |
CN111598682A (zh) | 一种针对企业的信用风险评估方法及系统 | |
CN106127607A (zh) | 一种电力事故上下层级原因相关度的分析方法 | |
CN115936293A (zh) | 一种基于pca的地铁施工安全事故风险评价方法 | |
CN111401784A (zh) | 一种消防安全等级评估方法 | |
CN114358611A (zh) | 一种基于学科发展的科研能力评估用数据采集系统 | |
CN116703148B (zh) | 基于云计算的矿山企业风险画像方法 | |
CN109460868A (zh) | 一种采用灰度预测的企业安全生产预警系统的构建方法 | |
CN113642669B (zh) | 基于特征分析的防欺诈检测方法、装置、设备及存储介质 | |
CN114025371A (zh) | 铁路gsm-r网络运用质量评价方法及装置 | |
Zhang | Post-earthquake performance assessment and decision-making for tall buildings: integrating statistical modeling, machine learning, stochastic simulation and optimization | |
Pan | Fraudulent firm classification using monotonic classification techniques | |
CN110807569A (zh) | 极端工况下不同利益群体的尾矿库风险评价和管理方法 | |
CN111651726B (zh) | 一种用于矿山安全评价和风险预测的数学模型建立方法 | |
CN117273467B (zh) | 一种基于多因素耦合的工业安全风险管控方法及系统 | |
Lyu et al. | Risk Analysis of Occupational Heat-Related Illness | |
Samanta et al. | Risk sensitivity to human error | |
KR20230173256A (ko) | 지역사회재난 안전도 진단방법 | |
Tchangani et al. | Filtering Risks using Bipolar Fuzzy Nominal Classification | |
Dozein et al. | A model for the management risks related to the implementation of insurance policies |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |