天堂网站WAS啪啪免费观看-欧美不卡一卡2卡三卡4卡-中日av乱码一区二区三区乱码-国产精品第一区揄拍

作為社會經(jīng)濟(jì)發(fā)展的支柱性產(chǎn)業(yè)，土木工程是我國提升人居環(huán)境、改善交通條件、發(fā)展公共事業(yè)、擴(kuò)大生產(chǎn)規(guī)模、促進(jìn)商業(yè)發(fā)展、提升城市競爭力、開發(fā)和改造自然的基礎(chǔ)性行業(yè)。隨著社會的發(fā)展和科技的進(jìn)步，基礎(chǔ)設(shè)施的規(guī)模、功能、造型和相應(yīng)的建筑技術(shù)越來越大型化、復(fù)雜化和多樣化，對土木工程結(jié)構(gòu)設(shè)計(jì)理論與建造技術(shù)提出了新的挑戰(zhàn)。尤其經(jīng)過三十多年的改革開放和創(chuàng)新發(fā)展，在土木工程基礎(chǔ)理論、設(shè)計(jì)方法、建造技術(shù)及工程應(yīng)用方面，均取得了卓越成就，特別是進(jìn)入21世紀(jì)以來，在高層、大跨、超長、重載等建筑結(jié)構(gòu)方面成績尤其驚人，國家體育場館、人民日報(bào)社新樓以及京滬高鐵、東海大橋、珠港澳橋隧工程等高難度項(xiàng)目的建設(shè)更把技術(shù)革新推到了科研工作的前沿。未來，土木工程領(lǐng)域中仍將有許多課題和難題出現(xiàn)，需要我們探討和攻克。

另一方面，環(huán)境問題特別是氣候變異的影響將越來越受到重視，全球性的人口增長以及城鎮(zhèn)化建設(shè)要求廣泛采用可持續(xù)發(fā)展理念來實(shí)現(xiàn)節(jié)能減排。在可持續(xù)發(fā)展的國際大背景下，“高能耗”“短壽命”的行業(yè)性弊病成為國內(nèi)土木界面臨的最嚴(yán)峻的問題，土木工程行業(yè)的技術(shù)進(jìn)步已成為建設(shè)資源節(jié)約型、環(huán)境友好型社會的迫切需求。以利用預(yù)應(yīng)力技術(shù)來實(shí)現(xiàn)節(jié)能減排為例，預(yù)應(yīng)力的實(shí)現(xiàn)是以使用高強(qiáng)高性能材料為基礎(chǔ)的，其中，高強(qiáng)預(yù)應(yīng)力鋼筋的強(qiáng)度是建筑用普通鋼筋的3~4倍以上，而單位能耗只是略有增加；高性能混凝土比普通混凝土的強(qiáng)度高1倍以上甚至更多，而單位能耗相差不大；使用預(yù)應(yīng)力技術(shù)，則可以節(jié)省混凝土和鋼材20％~30％，隨著高強(qiáng)鋼筋、高強(qiáng)等級混凝土使用比例的增加，碳排放量將相應(yīng)減少。

東南大學(xué)土木工程學(xué)科于1923年由時(shí)任國立東南大學(xué)首任工科主任的茅以升先生等人首倡成立。在茅以升、金寶楨、徐百川、梁治明、劉樹勛、方福森、胡乾善、唐念慈、鮑恩湛、丁大鈞、蔣永生等著名專家學(xué)者為代表的歷代東大土木人的不懈努力下，土木工程系迅速壯大。如今，東南大學(xué)的土木工程學(xué)科以土木工程學(xué)院為主，交通學(xué)院、材料科學(xué)與工程學(xué)院以及能源與環(huán)境學(xué)院參與共同建設(shè)，目前擁有4位院士、6位國家千人計(jì)劃特聘專家和4位國家青年千人計(jì)劃入選者、7位長江學(xué)者和國家杰出青年基金獲得者、2位國家級教學(xué)名師；科研成果獲國家技術(shù)發(fā)明獎4項(xiàng)，國家科技進(jìn)步獎20余項(xiàng)，在教育部學(xué)位與研究生教育發(fā)展中心主持的2012年全國學(xué)科評估排名中，土木工程位列全國第三。

近年來，東南大學(xué)土木工程學(xué)院特別注重青年教師的培養(yǎng)和發(fā)展，吸引了一批海外知名大學(xué)博士畢業(yè)青年才俊的加入，8人入選教育部新世紀(jì)優(yōu)秀人才，8人在35歲前晉升教授或博導(dǎo)，有12位40歲以下年輕教師在近5年內(nèi)留學(xué)海外1年以上。不遠(yuǎn)的將來，這些青年學(xué)者們將會成為我國土木工程行業(yè)的中堅(jiān)力量。

時(shí)逢東南大學(xué)土木工程學(xué)科創(chuàng)建暨土木工程系（學(xué)院）成立90周年，東南大學(xué)土木工程學(xué)院組織出版《東南土木青年教師科研論叢》，將本學(xué)院青年教師在工程結(jié)構(gòu)基本理論、新材料、新型結(jié)構(gòu)體系、結(jié)構(gòu)防災(zāi)減災(zāi)性能、工程管理等方面的最新研究成果及時(shí)整理出版。本叢書的出版，得益于東南大學(xué)出版社的大力支持，尤其是丁丁編輯的幫助，我們很感謝他們對出版年輕學(xué)者學(xué)術(shù)著作的熱心扶持。最后，我們希望本叢書的出版對我國土木工程行業(yè)的發(fā)展與技術(shù)進(jìn)步起到一定的推動作用，同時(shí)，希望叢書的編寫者們繼續(xù)努力，并挑起東大土木未來發(fā)展的重?fù)?dān)。

東南大學(xué)土木工程學(xué)院領(lǐng)導(dǎo)讓我為本叢書作序，我在《東南土木青年教師科研論叢》中寫了上面這些話，算作序。

中國工程院院士：

地鐵系統(tǒng)是一個(gè)技術(shù)復(fù)雜、人口密集的交通系統(tǒng)，作為城市人口的重要運(yùn)載體，一旦發(fā)生安全事故，將對個(gè)人生命及社會經(jīng)濟(jì)造成巨大影響。隨著國內(nèi)地鐵項(xiàng)目建設(shè)的相繼完工，地鐵系統(tǒng)陸續(xù)投入使用，運(yùn)營安全問題已引起研究人員和從業(yè)人員的廣泛關(guān)注。為防止事故的發(fā)生，研究地鐵項(xiàng)目運(yùn)營安全風(fēng)險(xiǎn)顯得尤為重要。識別事故發(fā)生前可能的前兆信息（Precursor）具有提高安全績效的巨大潛力，許多組織已經(jīng)開始研究如何確定事故前兆信息的程序和方法，并且已經(jīng)從中獲益。本書的研究目標(biāo)就是基于前兆信息的視角，建立針對地鐵項(xiàng)目運(yùn)營安全風(fēng)險(xiǎn)識別、風(fēng)險(xiǎn)概率測定的預(yù)測方法體系，并進(jìn)行實(shí)證分析。

本書在詳細(xì)的文獻(xiàn)綜述的基礎(chǔ)上，首先分析了國內(nèi)外安全風(fēng)險(xiǎn)、地鐵項(xiàng)目運(yùn)營安全風(fēng)險(xiǎn)的研究現(xiàn)狀和研究方向，并指出目前地鐵項(xiàng)目運(yùn)營安全風(fēng)險(xiǎn)研究在系統(tǒng)性及方法論方面有很大的不足。進(jìn)而，運(yùn)用社會技術(shù)系統(tǒng)理論及相關(guān)的SoTeRiA模型，分析了地鐵項(xiàng)目運(yùn)營安全風(fēng)險(xiǎn)的形成機(jī)理。

針對現(xiàn)有研究及實(shí)踐中提高安全績效的不足，闡述了地鐵項(xiàng)目運(yùn)營過程中的前兆信息對提高安全績效的重要意義，系統(tǒng)分析了地鐵設(shè)備、環(huán)境系統(tǒng)可能存在的前兆信息；同時(shí)基于人因分析和分類系統(tǒng)（HFACS）對地鐵項(xiàng)目相關(guān)工作人員進(jìn)行了前兆信息的構(gòu)建。在已構(gòu)建的關(guān)于設(shè)備、環(huán)境及人的前兆信息體系的基礎(chǔ)上，以兩個(gè)列車碰撞事故、一個(gè)火災(zāi)事故為例，分析事故的原因，找出相應(yīng)事故的前兆信息。 

接著，運(yùn)用信號檢測理論及模糊集理論，對地鐵項(xiàng)目運(yùn)營系統(tǒng)的風(fēng)險(xiǎn)前兆信息進(jìn)行判別。針對部分可測的前兆信息的識別和監(jiān)控問題，技術(shù)上已經(jīng)肯定了實(shí)時(shí)監(jiān)控子系統(tǒng)實(shí)現(xiàn)的可能性，而大量與人相關(guān)的前兆信息，目前尚未先進(jìn)到用技術(shù)來進(jìn)行判別。因此，依靠地鐵項(xiàng)目工作人員來判別前兆信息顯得尤其重要，而如何衡量這樣的判別能力也成為風(fēng)險(xiǎn)管理的關(guān)鍵。本書針對地鐵系統(tǒng)中的工作人員，運(yùn)用信號檢測中的兩個(gè)基本指標(biāo)——辨別力指標(biāo)與反應(yīng)傾向性指標(biāo)來衡量工作人員對風(fēng)險(xiǎn)前兆的判別能力，并進(jìn)行了實(shí)證分析。實(shí)證結(jié)果表明，信號檢測方法很好地區(qū)分出了工作人員對風(fēng)險(xiǎn)前兆的判別能力，對提高地鐵項(xiàng)目運(yùn)營的安全績效具有重要意義。

再次，利用人工智能方法——案例推理，識別地鐵項(xiàng)目運(yùn)營安全風(fēng)險(xiǎn)。傳統(tǒng)的風(fēng)險(xiǎn)識別依賴于企業(yè)安全管理人員的經(jīng)驗(yàn)，這種風(fēng)險(xiǎn)識別的效率和結(jié)果將受到個(gè)人風(fēng)險(xiǎn)態(tài)度的影響；本書設(shè)計(jì)的風(fēng)險(xiǎn)識別系統(tǒng)是從前兆信息出發(fā)，分析系統(tǒng)現(xiàn)狀與以往發(fā)生的事故案例的相似性，進(jìn)而提供相似事故的危險(xiǎn)情況，對系統(tǒng)現(xiàn)狀的安全風(fēng)險(xiǎn)進(jìn)行識別。在系統(tǒng)設(shè)計(jì)的過程中，案例表示主要根據(jù)事故的內(nèi)容來進(jìn)行框架的構(gòu)建，其中，前兆信息是案例表示中的主要內(nèi)容。為了實(shí)現(xiàn)案例的相似度計(jì)算，本書構(gòu)建了前兆信息的語義網(wǎng)，運(yùn)用概念相似度的方法計(jì)算前兆信息的局部相似度及案例的綜合相似度。為了驗(yàn)證該方法的可行性，本書計(jì)算了列車碰撞案例之間的相似度、列車碰撞與火災(zāi)案例之間的相似度。從計(jì)算結(jié)果來看，兩個(gè)列車碰撞案例之間的相似度明顯大于列車碰撞與火災(zāi)案例之間的相似度，這與事實(shí)情況是符合的。因此，運(yùn)用案例推理的方法來進(jìn)行安全風(fēng)險(xiǎn)識別是可行而有效的。在實(shí)證分析中，以某地鐵項(xiàng)目的運(yùn)營情況為例，在已構(gòu)建的地鐵項(xiàng)目運(yùn)營安全風(fēng)險(xiǎn)識別系統(tǒng)的基礎(chǔ)上做進(jìn)一步分析。結(jié)果表明，該系統(tǒng)存在乘客從A站臺掉入軌道的風(fēng)險(xiǎn)及乘客在B站臺擁擠受傷的風(fēng)險(xiǎn)。

最后，運(yùn)用貝葉斯網(wǎng)絡(luò)理論，實(shí)現(xiàn)地鐵項(xiàng)目運(yùn)營安全風(fēng)險(xiǎn)的概率測定。為構(gòu)建安全風(fēng)險(xiǎn)事件的貝葉斯網(wǎng)絡(luò)，本書在改進(jìn)的受損致因模型（MLCM）的基礎(chǔ)上，分析案例的致因過程，并基于多案例的集合方法建立了安全風(fēng)險(xiǎn)的貝葉斯網(wǎng)絡(luò)模型。在確定條件概率的過程中，運(yùn)用模糊集理論，依靠專家知識來提供可用的數(shù)據(jù)進(jìn)行分析。推理算法是貝葉斯網(wǎng)絡(luò)的核心，本書針對兩類貝葉斯網(wǎng)絡(luò)——離散貝葉斯網(wǎng)絡(luò)和混合貝葉斯網(wǎng)絡(luò)，分析了多種推理算法，實(shí)現(xiàn)安全風(fēng)險(xiǎn)的不確定性分析。在實(shí)證分析中，以基于Hugin消息傳遞方案的聯(lián)合樹算法為主，運(yùn)用Hugin軟件計(jì)算了某地鐵項(xiàng)目運(yùn)營中列車起火的風(fēng)險(xiǎn)概率。接著，針對貝葉斯網(wǎng)絡(luò)中的基本事件，運(yùn)用敏感性分析確定出對后果事件發(fā)生概率貢獻(xiàn)較大的基本事件，以便采取有效的措施來減小這些基本事件的發(fā)生概率，從而減小后果事件發(fā)生的概率。敏感性分析結(jié)果顯示，車軸溫度過高的敏感性因子最大，是引起火災(zāi)風(fēng)險(xiǎn)的關(guān)鍵事件。在引起這個(gè)關(guān)鍵事件的頂事件中，現(xiàn)場管理更為重要，因此加強(qiáng)現(xiàn)場管理能夠更加有效地降低事故發(fā)生的概率?，F(xiàn)場管理不僅僅涉及站臺員工、司機(jī)以及各類正在運(yùn)營的工作人員，更關(guān)系到地鐵項(xiàng)目運(yùn)營公司的組織文化、安全氣候，是一個(gè)綜合有效的安全管理因素。因此，通過加強(qiáng)地鐵項(xiàng)目運(yùn)營人員的風(fēng)險(xiǎn)意識，實(shí)時(shí)監(jiān)控地鐵項(xiàng)目運(yùn)營的安全狀態(tài)，建立合理的現(xiàn)場管理流程，才能更加有效地降低事故發(fā)生的概率。

本書是在作者博士論文的基礎(chǔ)上進(jìn)一步完善而來的，導(dǎo)師李啟明教授在本書的完成過程中一直給予關(guān)心并提供了重要的指導(dǎo)，在此一并表示深深的謝意！

在本書的寫作過程中，參考了許多國內(nèi)外相關(guān)專家學(xué)者的論文和著作，已在參考文獻(xiàn)中列出，在此向他們表示感謝！對于可能遺漏的文獻(xiàn)，在此也向作者表示歉意。

對地鐵項(xiàng)目運(yùn)營安全風(fēng)險(xiǎn)預(yù)測方法的研究是一個(gè)全新的方向，如果廣大學(xué)者和地鐵運(yùn)營工作者能在本書中得到啟發(fā)，作者不勝榮幸。同時(shí)書中難免有錯(cuò)漏之處，敬請各位讀者批評指正，不勝感激！

陸瑩

2015年3月于東南大學(xué)

第一章緒論1

1.1研究背景及研究意義1

1.1.1研究背景1

1.1.2研究意義2

1.2國內(nèi)外研究現(xiàn)狀及不足3

1.2.1安全風(fēng)險(xiǎn)的研究現(xiàn)狀3

1.2.2預(yù)測方法的研究現(xiàn)狀4

1.2.3安全風(fēng)險(xiǎn)研究的發(fā)展階段6

1.2.4地鐵項(xiàng)目運(yùn)營安全風(fēng)險(xiǎn)的研究現(xiàn)狀7

1.2.5現(xiàn)有研究的評論及不足10

1.3研究目標(biāo)和內(nèi)容10

1.3.1基本概念10

1.3.2研究目標(biāo)11

1.3.3主要研究內(nèi)容12

1.3.4研究內(nèi)容框架結(jié)構(gòu)12

1.4研究方法及技術(shù)路線15

1.4.1研究方法15

1.4.2技術(shù)路線15

1.5本章小結(jié)16

第二章基于STS理論的地鐵項(xiàng)目運(yùn)營安全風(fēng)險(xiǎn)形成機(jī)理17

2.1社會技術(shù)系統(tǒng)理論17

2.1.1社會技術(shù)系統(tǒng)理論概述17

2.1.2社會技術(shù)系統(tǒng)的失效機(jī)制18

2.2社會技術(shù)系統(tǒng)安全風(fēng)險(xiǎn)分析方法19

2.2.1技術(shù)系統(tǒng)的模型方法19

2.2.2社會系統(tǒng)的致因模型方法21

2.2.3社會技術(shù)系統(tǒng)的模型方法22

2.3基于SoTeRiA模型的地鐵項(xiàng)目運(yùn)營安全風(fēng)險(xiǎn)形成機(jī)理24

2.3.1地鐵項(xiàng)目運(yùn)營安全風(fēng)險(xiǎn)事件的分類24

2.3.2兩列車碰撞風(fēng)險(xiǎn)形成機(jī)理25

2.4本章小結(jié)29

第三章地鐵項(xiàng)目運(yùn)營安全風(fēng)險(xiǎn)前兆信息體系構(gòu)建30

3.1前兆信息的理論研究30

3.1.1前兆信息的基本概念30

3.1.2前兆信息的重要性30

3.2基于人—機(jī)—環(huán)境的地鐵項(xiàng)目運(yùn)營安全風(fēng)險(xiǎn)前兆信息體系構(gòu)建32

3.2.1設(shè)備相關(guān)的前兆信息分析33

3.2.2環(huán)境相關(guān)的前兆信息分析34

3.2.3基于HFACS的人員相關(guān)前兆信息分析34

3.3地鐵項(xiàng)目運(yùn)營事故案例PaICFs調(diào)查模型38

3.3.1PaICFs調(diào)查模型簡介39

3.3.2地鐵項(xiàng)目運(yùn)營事故案例的PaICFs調(diào)查模型應(yīng)用示例40

3.3.3相關(guān)結(jié)論44

3.4本章小結(jié)45

第四章基于SDT的地鐵項(xiàng)目運(yùn)營安全風(fēng)險(xiǎn)前兆信息判別47

4.1信號檢測理論概述47

4.1.1信號檢測理論的基本原理47

4.1.2信號檢測理論的應(yīng)用綜述51

4.2模糊集理論52

4.2.1模糊數(shù)53

4.2.2模糊數(shù)解模糊54

4.3基于信號檢測理論的前兆信息判別過程54

4.3.1選擇模糊語言隸屬函數(shù)55

4.3.2運(yùn)用隱藏函數(shù)56

4.3.3計(jì)算擊中率及虛報(bào)率57

4.3.4計(jì)算辨別力指標(biāo)與反應(yīng)傾向性指標(biāo)57

4.4實(shí)證分析58

4.4.1調(diào)查問卷設(shè)計(jì)及數(shù)據(jù)收集58

4.4.2研究結(jié)果及討論59

4.5本章小結(jié)62

第五章基于案例推理的地鐵項(xiàng)目運(yùn)營安全風(fēng)險(xiǎn)識別63

5.1基于案例推理的風(fēng)險(xiǎn)識別系統(tǒng)構(gòu)建63

5.1.1案例推理的基本原理63

5.1.2基于案例推理的地鐵項(xiàng)目運(yùn)營安全風(fēng)險(xiǎn)識別系統(tǒng)架構(gòu)65

5.2案例表示66

5.2.1地鐵項(xiàng)目運(yùn)營事故案例的內(nèi)容66

5.2.2地鐵項(xiàng)目運(yùn)營事故案例的表示66

5.2.3前兆信息的權(quán)值計(jì)算方法68

5.3案例檢索69

5.3.1前兆信息語義網(wǎng)絡(luò)的構(gòu)建69

5.3.2概念相似度的計(jì)算方法71

5.3.3地鐵項(xiàng)目運(yùn)營事故案例綜合相似度計(jì)算73

5.3.4驗(yàn)證案例推理方法的有效性75

5.4實(shí)證分析79

5.4.1案例信息的輸入79

5.4.2案例信息的檢索80

5.4.3風(fēng)險(xiǎn)識別的結(jié)果81

5.5本章小結(jié)81

第六章基于貝葉斯網(wǎng)絡(luò)的地鐵項(xiàng)目運(yùn)營安全風(fēng)險(xiǎn)概率測定83

6.1貝葉斯網(wǎng)絡(luò)理論83

6.2貝葉斯網(wǎng)絡(luò)的構(gòu)建方法84

6.2.1基于改進(jìn)的MLCM模型的致因鏈分析85

6.2.2基于多案例集合的安全風(fēng)險(xiǎn)模型構(gòu)建88

6.2.3貝葉斯網(wǎng)絡(luò)的條件概率確定89

6.3貝葉斯網(wǎng)絡(luò)的精確推理算法90

6.3.1離散貝葉斯網(wǎng)絡(luò)的精確推理算法90

6.3.2混合貝葉斯網(wǎng)絡(luò)的精確推理算法94

6.4實(shí)證分析96

6.4.1確定條件概率97

6.4.2貝葉斯網(wǎng)絡(luò)推理98

6.4.3敏感性分析99

6.5本章小結(jié)100

第七章結(jié)論與展望102

7.1主要的研究工作及其結(jié)論102

7.2創(chuàng)新點(diǎn)103

7.3研究不足及研究展望104

參考文獻(xiàn)106

附錄117

附錄1：關(guān)于地鐵運(yùn)營安全風(fēng)險(xiǎn)前兆信息的調(diào)查問卷117

附錄2：標(biāo)準(zhǔn)正態(tài)分布函數(shù)數(shù)值表120

附錄3：利用Hugin軟件計(jì)算邊際概率及后驗(yàn)概率的界面示意121