建筑垃圾运输与处置的风险评价及系统开发

来源 :北京交通大学 | 被引量 : 0次 | 上传用户:a24287490
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近年来,随着我国的快速发展以及人们对于建筑环境要求的提高,导致出现了原有的建筑开始新建、改建、扩建等现象。而这些现象的出现使建筑垃圾急剧增加。建筑垃圾运输和处置的过程往往存在着风险,定量的了解这两个过程的风险状况,能够提前对风险进行预防,并能减少事故发生的可能性。本文首先将建筑垃圾的运输风险定义为包括交通事故的风险、监管的风险、路线存在的风险三个方面的风险,建筑垃圾处置的风险定义为消纳场堆体发生事故的风险,并综合考虑运输及处置的风险性因素,对这些风险性因素进行逐一分析、整合和优化,分别建立了比较全面的、有针对性的建筑垃圾运输风险评价指标体系和建筑垃圾处置风险评价指标体系,为模型和样本数据的构建奠定了基础。接着,为评价包括交通事故的风险、监管的风险、路线存在风险三个风险在内的建筑垃圾运输风险,本文构建了基于PSO-SVR的风险评价模型对其风险进行评价。因SVR模型预测的结果受参数影响较大,而PSO算法具有全局搜索能力强、算法简单、收敛快等优点,所以用PSO优化SVR,从而建立基于PSOSVR算法的建筑垃圾运输风险评价模型。最后进行实例分析,通过与其他模型的结果对比分析,验证了PSO-SVR模型的可行性和准确性。然后,为了降低建筑垃圾在处置中的风险,尽量规避处置中风险发生造成的经济和人员的损失,并能定量的分析建筑垃圾处置的风险状况,本文创新性的引入了环境因素和堆体因素下的8个指标,全面的对建筑垃圾在消纳场处置中的风险进行评价。本文构建了基于层次分析法的建筑垃圾处置风险评价模型。最后用部九窝消纳场和新屋围建筑废弃物消纳场两个实例进行分析,验证了建筑垃圾处置风险评价模型的合理性。研究可为建筑垃圾的处置管理提供参考。最后,为了将这两大评价模型的过程以及结果进行可视化,并使得监管部门定量化的了解其风险状况,本文利用Visual Studio Code(简称“VS Code”)编辑器,设计并开发了风险评价系统。该系统的界面简洁友好,能够完成风险评价的整个过程,具有很好的可操作性。根据用户的不同权限可完成不同的功能,简单便捷,易于操作者使用。通过实例证明了该系统与风险评价方法得到的结果吻合,说明该系统具有实用性。
其他文献
随着智能网联技术的飞速发展,车联网行业步入了大规模商业落地的关键时期,但是将其大规模部署应用在真实的交通环境中之前,仍然存在很多问题亟待解决,对复杂交通运行环境下车车通信技术的交通适应性的相关研究较少,亟需完整的综合评价方案来进行测试和评估。传统的车辆测试评价对象是“人-车-路”相对独立的单一评价方式,而智能网联汽车的测试评价对象变成“人-车-路”全方位的功能系统,是实时进行环境感知、控制决策等驾
点云拼接是全表面重建的一个关键步骤,在医学成像、工业检测、自动驾驶和逆向工程等领域都有良好的应用场景。在现实场景中,由于目标物体的复杂性和设备的限制,传感器只能在有限的视野范围内扫描,获得局部点云数据,需要将局部点云进行点云拼接才能获取完整的物体表面信息。三维局部点云拼接由于点云的无序性、旋转不变性、内部点对关系等自身特性和两片点云之间仅有部分点存在对应点等外部原因,使得点云拼接过程中存在许多挑战
基于"享受乐趣、增强体质、健全人格、锤炼意志"的"四位一体",打造兴趣支配基础上的体育体验,在兴趣的支配下促使学生参与,在参与的过程中锻炼学生体质、磨炼学生意志、健全学生人格,促使学生在积极的学习经历中,积累丰富的体育经验和情感体验,在积极的学习锻炼过程中,实现学生的健康发展。
实时以太网因为兼容性好、传输速率高、成本低等优点已经在新一代列车上得到了应用。然而,多种业务融合和以太网通信协议的开放性使列车通信网络存在被攻击的风险,对列车的正常运行和旅客的生命财产构成了威胁。在列车实时以太网技术方案中应用相关安全技术对保障列车安全运行有重要意义。本文通过渗透测试技术来测试发掘列车实时以太网的弱点,通过异常检测技术来对列车实时以太网进行有效防护。论文主要研究内容如下:(1)基于
无监督视频目标分割要求算法在不给出前景目标任何标注信息的情况下自动地将整个视频序列中最显著的、最关键的目标进行分割,由于其应用前景广阔而引起了研究人员的广泛关注。视频内容的丰富性以及场景的复杂性,导致视频中的前景目标之间存在着遮挡、快速运动、剧烈形变、背景混淆等问题,给准确、稳定的无监督视频目标分割任务带来了严峻的挑战。最近几年,互联网、大数据、5G技术迅速发展,视频数据量激增,利用人工智能技术实
随着新冠肺炎疫情在全世界范围的扩散,人们不得不面对疫情时常出现的状况,但同时,无论社会还是个人,都必须尽快投入复工复产的节奏中,逐渐恢复正常的社会运转和个人生活。城市内部的运转是城市发展的核心,对于人口与经济均达到一定水平的现代化城市来说,地铁的运营安排是城市发展水平的重要体现,地铁列车开行方案就是其中的重要一环。疫情影响下的地铁列车开行方案研究尚属一个较新的研究领域,本文的研究基于新冠肺炎疫情的
高墩刚构桥因桥墩高柔、上部结构质量大,形成抗震不利体系,其抗震安全性问题受到广泛关注。安装减震装置和实现抗震体系优化被视为提高结构抗震性能的有效途径。因此,探究随机激励下高墩刚构桥结构优化和阻尼器参数优化具有重要意义。论文首先探讨了考虑墩柱滞回特性的高墩和高墩刚构桥随机响应规律,进而探究了非平稳随机激励下高墩刚构桥考虑桥墩塑性的桥墩刚度分布优化以及采用调谐惯质阻尼器(TID)减震时的优化设计。主要
随着互联网内容产业的飞速发展,内容市场上的内容体量呈指数上涨。与此同时,内容的同质化以及马太效应越来越严重,并且随着流量红利的消退和用户审美的不断提升,用户对内容质量的要求越来越高。完善内容供应生态已经成为了争夺互联网内容市场的重中之重。作为影响内容供应生态的核心指标,内容供应效率得到了各个内容平台的广泛重视,内容供应效率分析平台应运而生。针对此类平台在实现过程中存在的模块耦合度高、代码复用率低等
随着网络环境的日益复杂,网络攻击每天都在增加,其频率和复杂度也在增加,网络攻击的手段层出不穷。更严重的是,它们经常绕过组织现有的保护控制,利用新技术、新手段,攻破目标边界防御直接进入到内网,损坏或窃取数据,对企业造成严重的经济损失,危害国家和个人利益。目前网络安全形势处于攻防完全不对等的局面,攻击手段更新迭代速度极快,导致防守方一直处于不利的地位。因此防守方为了对攻击者形成威慑,保护企业数据安全,
驾驶行为预测在自动驾驶以及辅助驾驶技术中发挥着十分重要的作用,优秀的驾驶行为预测能力可以提升自动驾驶车辆的运行效率和安全性。但是在真实的场景下,道路场景的复杂性和诸多不确定性给驾驶行为预测带来了巨大的挑战,使得预测难度大、准确率低。深度学习算法依靠海量的数据支撑和强大的学习能力,具有建模简单、泛化能力好的特点,合理地设计深度学习网络结构就可以实现较高准确率的驾驶行为预测,然而深度学习算法又过度依赖