【摘 要】
:
我国是地震的高发区,每年因地震造成了巨大的经济损失和人员伤亡。在震后救援中,应急救援物资的调度是开展应急救援的一个重要环节,是应对突发事件和开展灾害救援的基础。地震灾害发生之后三天是救援的关键时期,也就是“黄金救援期”,在这阶段能否高效、精准地预测应急救援物资需求并在第一时间送至灾害发生地点,往往直接影响受灾人员的伤残率和死亡率。本文主要研究了如何在救援初期信息匮乏、救援物资不足的情况下,建立救灾
论文部分内容阅读
我国是地震的高发区,每年因地震造成了巨大的经济损失和人员伤亡。在震后救援中,应急救援物资的调度是开展应急救援的一个重要环节,是应对突发事件和开展灾害救援的基础。地震灾害发生之后三天是救援的关键时期,也就是“黄金救援期”,在这阶段能否高效、精准地预测应急救援物资需求并在第一时间送至灾害发生地点,往往直接影响受灾人员的伤残率和死亡率。本文主要研究了如何在救援初期信息匮乏、救援物资不足的情况下,建立救灾初期物资调配系统。通过对地震灾害事件下应急物资的调度方案设计的相关文献的研究和基础理论分析,明确系统的两个主要功能需求预测和物资调度。针对逻辑推理规则的实用化问题,提出了一种组合逻辑扩展逻辑推理规则的方法,明确单条规则和多条规则的不同组合逻辑扩展规则表现形式,之后提出构建组合逻辑推理扩展规则的具体步骤。通过推理规则对物资调度系统的功能进行调用,将逻辑推理规则扩展至可调用复杂计算函数,为以规则驱动的事故推理提供了基础与依据。在进行救灾物资的需求预测时,考虑到救灾初期信息匮乏、信息模糊的特点,为提高应急物资需求预测的精度,运用对称三角模糊数描述需求预测的影响因素,建立了基于多元模糊线性回归的应急物资需求预测模型。在构建多储备点、多受灾点的多种物资调度模型时,针对救灾初期物资有限的情况,引入灾区需求迫切度和灾区满意度的概念,在保障各受灾点的基本救援需求下,多向灾情严重的地区输送救援物资,提高物资的效用。对于车辆容量限制救灾物资运送效率问题,以最短的运输路径为目标,来设计适当的运输路线。最后,将物资的分配和配送问题集成起来考虑来构建物资调度模型,采用双蚁群算法对模型求解,保证了满意度的最大化和最短的运输路径。
其他文献
极端气象条件下引发的灾害易使电网设备发生停运。为加强电网应对极端气象灾害能力,充分提升电网韧性,对极端气象条件下考虑电网韧性的设备应急维修策略优化进行研究。将电网设备的应急维修分为灾前预防检修与灾后应急维修两个阶段,期望通过应急维修手段提升电网应对极端气象灾害的能力,减轻极端气象灾害带来的经济损失。由于极端气象灾害具有小概率高风险特征,传统的可靠性指标无法刻画电网面对极端气象灾害时的性能变化,需通
多接入边缘计算(Multi-access Edge Computing,MEC)网络提供了卸载更快速、资源更丰富的新型组网方式,为复杂计算任务的快速处理带来了可实现方案。无人驾驶飞行器(Unmanned Aerial Vehicle,UAV)辅助的MEC网络使得网络部署和接入更灵活、覆盖范围更广泛。在应急通信和低成本覆盖等情景下,针对用户匹配和卸载方式进行优化是提升MEC系统效用的重要方法。针对无
随着光伏装机容量不断增多,影响光伏发电效率和生产安全的故障问题也越来越受到重视,而热斑是影响光伏电站非正常运行的主要因素之一。热斑在潜伏期会影响光伏发电效率,在没有干预的情况下,热斑会继续发展,导致该区域温度不断上升,直接影响光伏电站的安全运行,然而,传统检测方法效率较低,准确率不高,因此对光伏组件进行高效准确地热斑检测是保障光伏发电系统安全正常运行的关键环节之一。本文以光伏电站采集的光伏组件红外
电站煤粉锅炉燃烧产生的NO及NO2是导致酸雨、光化学烟雾、平流层臭氧破坏和全球气候变暖等灾害的重要诱因,如何有效控制NOx一直受到重视,炉内分级燃烧通过碳基表面异相还原NOx是目前被普遍采用的低氮控制手段,但仍存在大量理论问题待解。本文基于量子化学理论中的密度泛函计算方法,对炉内碳基表面异相还原NOx的相关化学反应机理进行探究,从分子层面揭示燃煤过程中NOx异相还原反应路径过程,为燃煤电厂分级燃烧
随着工业4.0进程的不断推进,企业的生产模式正由传统模式向自动化、智能化模式转变。利用工业机器人进行工件的自动抓取,可以节省工业成本、提高工作效率。将工业机器人与工业相机相结合进行物体分拣,是一个重要的研究领域。本文根据深度学习和机器视觉建立一个工业机器人识别抓取系统,工业机器人控制系统能从外界获取目标物体的类别、位置及位姿。根据实体机器人几何参数,搭建机器人运动仿真平台,建立工业机器人运动学模型
电力行业一直致力于实现发电的清洁化、低碳化。当前,光伏电站、风电场等新能源发电在电力系统中日益增多。与传统能源发电相比,新能源发电虽然碳排放低,但随着并网容量的增大,光伏发电、风电对系统的影响越来越明显。新能源具有间歇性、波动性、反调峰、可控性差等特点,因此需要改变传统的电源规划方法。科学、合理地配置风电、光伏等清洁能源发电量,既是充分发挥多能源电力系统综合效益的重要前提,也是现阶段推进清洁能源电
多接入边缘计算(MEC)能够高效处理边缘设备所产生的数据,在无线网络边缘为设备提供计算资源。将非正交多址接入(NOMA)技术应用到MEC能够有效增加设备连接数量并且提高用户的卸载效率。尽管非正交多址接入-多接入边缘计算(NOMA-MEC)系统具有诸多优势,但其仍存在不足之处,如利用中继辅助传输带来的信息安全泄漏及针对工业互联网控制类应用业务场景下的信息接收新鲜度问题。因此,本文主要从物理层安全和信
风电机组运行工况复杂多变,故障率较高。尽早发现机组故障并及时处理,能够有效减少停机时间,避免重大事故,降低运维成本。风场的监控与数据采集(Supervisory Control and Data Acquisition,SCADA)系统,可以提供大量机组相关工况变量,如功率、温度、风速等。如何从这些数据中挖掘有效信息,实现风电机组故障早期识别,是风电机组故障预测领域的热点研究课题。本文基于深度学习
光纤传感器高精度解调技术的研究在近几年成为热点,由于光纤布拉格光栅(FBG)中心波长的变化直接反映外界温度、压力等物理量的变化情况,所以在恶劣环境下如何准确的检测出FBG中心波长值以获取更精准的信息是备受关注的研究方向。基于可调谐F-P滤波器的FBG解调系统在恒温条件下具有很高的解调精度,但是在温度变化的条件下,解调系统性能会下降,直接影响FBG中心波长的高精度解调。因此,本文提出了一种基于F-P
近些年来风电飞速发展,风电装机容量不断增大,永磁直驱风力发电机凭借其特有的优势广泛应用于风电系统中。直驱风电场并入弱交流电网的场景在实际工程中广泛存在。直驱风电场与弱交流电网之间相互作用会引发次同步振荡,对于这一场景的次同步振荡问题亟需研究。针对直驱风电场并入弱交流电网的次同步振荡(sub-synchronous oscillation,SSO)问题,现有研究多将整个风电场等值为单机模型进行研究。