来源：期刊VIP网 时间：
作者：王昱晨;骆正山;骆济豪;
单位：西安建筑科技大学管理学院;北京理工大学信息与电子学院;
摘要：有毒重气的扩散预测是环境保护与安全管理的核心问题,对生命与环境构成的威胁尤为突出。针对现有模型在捕捉污染物扩散时间序列动态变化与空间相关性方面的不足,提出了一种时空融合预测模型(Spatio-Temporal Fusion-ResNet,STF Res Net)。该模型集成了增强型图卷积网络(Augmented Higher-order Graph Convolutional Network,AH Graph Net)对空间关系的分析与时间卷积网络(Temporal Convolutional Network,TCN)对时间依赖的挖掘,并通过残差网络(Residual Network,Res Net)对时空特征进行整合与优化,从而显著提升了预测精度。试验结果表明,STF Res Net在均方根误差、平均绝对误差和决定系数方面均优于同类模型,分别达到12.213 7 mg/m~3、6.033 1 mg/m~3和0.973 1的最优水平。此外,为了提升研究的实用价值,通过全局敏感性分析(Global Sensitivity Analysis,GSA),识别了对输出贡献较大的参数,为实际应用中最优输入组合的选择提供了依据。根据保护行动标准(Protective Action Criteria,PAC)中对二氧化硫不同危险阈值的规定,对最大顺风危险距离进行了可视化分析,为科学评估有毒气体扩散的潜在危险范围提供了可靠依据。
关键词：安全工程;;有毒重气;;扩散预测;;深度学习
基金资助：国家自然科学基金项目(41877527)
