地铁火灾风险管理研究--以青岛地铁3号线为例
摘要 | 第9-10页 |
ABSTRACT | 第10-11页 |
第1章 绪论 | 第12-25页 |
1.1 研究背景 | 第12-14页 |
1.2 研究目的及意义 | 第14-15页 |
1.2.1 研究的目的 | 第14页 |
1.2.2 研究的意义 | 第14-15页 |
1.3 国内外研究现状 | 第15-21页 |
1.3.1 国外研究现状 | 第15-17页 |
1.3.2 国内研究现状 | 第17-21页 |
1.4 研究的主要内容及思路 | 第21-23页 |
1.4.1 研究的主要内容 | 第21-22页 |
1.4.2 采取的研究方法 | 第22-23页 |
1.4.3 研究的技术路线 | 第23页 |
1.5 本文的创新点 | 第23-25页 |
第2章 地铁火灾风险管理相关理论 | 第25-35页 |
2.1 风险概述 | 第25-26页 |
2.1.1 风险的定义及构成 | 第25页 |
2.1.2 风险的特点 | 第25-26页 |
2.1.3 地铁火灾风险特点 | 第26页 |
2.2 地铁火灾特点及风险管理流程 | 第26-28页 |
2.2.1 地铁火灾的特点 | 第26-27页 |
2.2.2 地铁火灾风险管理的流程 | 第27-28页 |
2.3 危险源基本理论 | 第28-31页 |
2.3.1 危险源的内涵 | 第28-29页 |
2.3.2 地铁火灾危险源 | 第29-30页 |
2.3.3 危险源的辨识方法 | 第30-31页 |
2.4 人工神经网络 | 第31-35页 |
2.4.1 人工神经网络的内涵及特点 | 第31-32页 |
2.4.2 BP神经网络简介 | 第32-35页 |
第3章 基于故障树法的地铁火灾危险源辨识 | 第35-45页 |
3.1 故障树方法介绍及适用性 | 第35-37页 |
3.1.1 故障树法基本符号 | 第35-36页 |
3.1.2 布尔代数运算规则 | 第36-37页 |
3.1.3 故障树法的适用性 | 第37页 |
3.2 地铁火灾故障树构建及分析 | 第37-42页 |
3.2.1 故障树法运用流程 | 第37-38页 |
3.2.2 地铁火灾原因分析 | 第38-40页 |
3.2.3 故障树的构建 | 第40-42页 |
3.3 危险源辨识结果分析 | 第42-45页 |
3.3.1 计算最小割集 | 第42-44页 |
3.3.2 结构重要度 | 第44-45页 |
第4章 地铁火灾风险评估指标体系及模型构建 | 第45-62页 |
4.1 地铁火灾评估指标体系构建 | 第45-52页 |
4.1.1 地铁火灾风险影响因素分析 | 第45-47页 |
4.1.2 指标体系初步构建及优化 | 第47-49页 |
4.1.3 指标体系的有效性分析 | 第49-51页 |
4.1.4 指标体系的确定 | 第51-52页 |
4.2 模糊层次分析法的指标赋权 | 第52-55页 |
4.2.1 FAHP赋权方法简介及适用性分析 | 第52页 |
4.2.2 模糊优先规划方法的权重求解 | 第52-55页 |
4.3 基于BP神经网络的地铁火灾风险评估 | 第55-60页 |
4.3.1 风险等级界定 | 第55页 |
4.3.2 BP神经网络适用性分析 | 第55-56页 |
4.3.3 BP神经网络模型的建立过程 | 第56-60页 |
4.4 基于FAHP-BP方法的评估流程 | 第60-62页 |
第5章 青岛地铁3号线火灾风险管理证实研究 | 第62-76页 |
5.1 青岛地铁3号线基本情况 | 第62-64页 |
5.2 基于FAHP-BP方法的地铁火灾风险评估 | 第64-70页 |
5.2.1 评估指标体系权重的确定 | 第64-67页 |
5.2.2 BP神经网络训练及结果 | 第67-68页 |
5.2.3 地铁3号线火灾风险评估及结果分析 | 第68-70页 |
5.3 地铁火灾风险的控制措施 | 第70-76页 |
5.3.1 人员控制措施 | 第70页 |
5.3.2 设备控制措施 | 第70-71页 |
5.3.3 管理控制措施 | 第71-75页 |
5.3.4 环境控制措施 | 第75-76页 |
第6章 结论与展望 | 第76-78页 |
6.1 结论 | 第76页 |
6.2 展望 | 第76-78页 |
参考文献 | 第78-83页 |
攻读硕士学位期间发表的学术论文及科研工作 | 第83-84页 |
致谢 | 第84-85页 |
附录一 世界地铁典型事故统计表 | 第85-90页 |
附录二 地铁火灾风险评估指标体系问卷调查 | 第90-92页 |
附录三 地铁火灾风险评估问卷 | 第92-95页 |
附录四 BP神经网络样本数据 | 第95-96页 |
附录五 BP神经网络训练及仿真程序 | 第96-98页 |