| 论文中文题名： | 城市安全风险与能力评估模型研究 |
| 姓名： | |
| 学号： | 19220214100 |
| 保密级别： | 公开 |
| 论文语种： | chi |
| 学科代码： | 085224 |
| 学科名称： | 工学 - 工程 - 安全工程 |
| 学生类型： | 硕士 |
| 学位级别： | 工程硕士 |
| 学位年度： | 2022 |
| 培养单位： | 西安科技大学 |
| 院系： | |
| 专业： | |
| 研究方向： | 城市安全 |
| 第一导师姓名： | |
| 第一导师单位： | |
| 论文提交日期： | 2022-06-21 |
| 论文答辩日期： | 2022-06-05 |
| 论文外文题名： | Research on Urban Security Risk and Capability Assessment Model |
| 论文中文关键词： | |
| 论文外文关键词： | Urban Security ; AHP ; BP Neural Network ; Extreme Learning Machine |
| 论文中文摘要： |
随着我国经济的快速发展，城镇化进程的全面推进，导致各类城市安全事故时有发生，这些事故灾难不仅使得经济发展严重受损，而且严重威胁人们生命安全。因此，提高城市安全性，保证居民的生命财产安全是我们面临的重要难题。解决城市安全问题的前提，必须掌握城市安全的概念与内涵，在此基础上构建相应的评估模型，这样不仅能明确城市安全建设过程中的重点与难点，也能为城市安全规划布局、灾害事件的处理等提供有效决策支撑。 本文从风险与能力的角度出发，研究了城市安全领域的相关理论模型，总结归纳风险、能力与城市安全的概念与内涵，并建立了三者之间的逻辑关系。建立了基于“风险-能力”城市安全评估指标体系，对评估指标进行量化分级处理，将指标初始数据转化为评估模型输入数据。采用层次分析法计算指标体系的主观权重，通过对各基准层的分析，确定各级指标的主观权重；借助BP神经网络进行模拟训练，通过对比三种算法及不同隐藏层节点数目的训练结果，最终选定训练结果较好、相对误差较小的B-R算法，得出指标体系的客观权重。最后运用多元融合赋值法将两者综合，得到综合权重，既保证了评估模型的科学性与客观性，也体现了评估模型的可行性与可操作性。该评估模型可为城市安全评估工作提供理论基础，为城市安全工作者提供决策参考。结合城市安全风险的特征，借助极限学习机算法，搭建城市安全状态的预测模型，根据样本数据训练结果可知，预测模型准确率高达95%，验证了预测模型的可行性。 应用评估模型对某市开展评估，该市安全发展指数分值为6.611（安全状态）。针对该市城市运行系统、城市突发事件风险及风险防范能力与应急响应能力提出了改进措施，旨在提升某市城市安全水平，保证城市安全建设的健康持续发展，保障居民生命财产安全。 |
| 论文外文摘要： |
With the rapid development of my country's economy and the comprehensive advancement of the urbanization process, various urban safety accidents occur from time to time. These accidents and disasters not only seriously damage economic development, but also seriously threaten people's lives. Therefore, improving urban security and ensuring the safety of residents' lives and property is an important problem we face. The premise of solving urban safety problems is to master the concept and connotation of urban safety, and build a corresponding evaluation model on this basis, which can not only clarify the key points and difficulties in the process of urban safety construction, but also plan layout and disaster events for urban safety. Provide targeted decision support. From the perspective of risk and capability, this paper studies the relevant theoretical models in the field of urban security, summarizes the concepts and connotations of risk, capability and urban security, and establishes the logical relationship between the three. An urban safety assessment index system based on "risk-capacity" is established, the assessment index is quantitatively graded, and the initial data of the index is converted into the input data of the assessment model. The subjective weight of the index system is calculated by the analytic hierarchy process, and the subjective weight of the indexes at all levels is finally determined through the analysis of each reference layer; the simulation training is carried out with the help of BP neural network, and the training results of the three algorithms and the number of nodes in different hidden layers are compared by comparing the training results, and finally select the B-R algorithm with better training results and smaller relative error, and obtain the objective weight of the index system. Finally, the multiple fusion assignment method is used to synthesize the two to obtain the comprehensive weight, which not only ensures the scientificity and objectivity of the evaluation model, but also reflects the feasibility and operability of the evaluation model. The evaluation model can provide a theoretical basis for urban safety evaluation and a decision-making reference for urban safety workers. Combined with the characteristics of urban safety risks, with the help of extreme learning machine algorithm, a prediction model of urban safety status is built. According to the training results of sample data, the accuracy of the prediction model is as high as 95%, which verifies the feasibility of the prediction model. Finally, a city was evaluated using the evaluation model, with a score of 6.611 (safe state). Improvement measures are put forward for the city's urban operation system, urban public safety risks, risk prevention capabilities and emergency response capabilities, aiming to improve the urban safety level of a city, ensure the healthy and sustainable development of urban safety construction, and ensure the safety of residents' lives and property. |
| 参考文献： |
[1]王璟诚.基于政府视角的安全发展型城市创建方法研究[D].北京：中国地质大学,2020. [2]综合.《关于推进城市安全发展的意见》解读[J].安全与健康,2018(02):19-20. [3]张胜利,张艺馨,陈彦霞.基于生产安全事故统计数据的城市安全生产风险评估研究[J].劳动保护,2020(08):80-83. [4]张洋杰,张方舟,李迪,徐承宇,汪卫国,郑学召.城市安全发展状态评估：研究现状与未来展望[J].中国应急管理科学,2022(02):38-47. [5]江文津,徐磊青,陈筝.城市安全感知与文化差异——以两个美国城市街景图片的实验为例[J].住区,2018,No.088(06):23-30. [7]余浩昌.西方城市重点地区城市防恐空间设计方法与理论综述[D].北京：清华大学,2015. [8]陈国华,黄晓之,胡昆.典型国际城市安全体系剖析及借鉴[J].华南理工大学学报(社会科学版),2016,18(05):59-65. [10]曾敏玲,毛媛媛.法国里昂基于情景犯罪预防的安全政策研究及其启示[J].国际城市规划,2015,v.30;No.149(05):22-30.. [11]李彦熙,柴彦威,塔娜.从防灾生活圈到安全生活圈——日本经验与中国思考[J/OL].国际城市规划,2022,04(12):1-14. [12]陈文涛,葛世友.“城市安全发展”战略下国际安全社区建设准则解析[J].劳动保护,2020,No.539(05):61-63. [13]李亦唯. 城市公共安全风险评估指标体系构建及实证研究[D].杭州：浙江工业大学,2018. [14]金磊.韧性城市设计乃安全建设之本[J].上海城市管理,2017,26(03):93-96. [15]张亚男.安徽省城市化安全评价研究[D].合肥：安徽财经大学,2018. [16]郭辉.三峡库区城市“公共安全空间单元”研究[D].重庆：重庆大学,2016. [17]王莹.城市公共安全协同治理的模式构建与路径探索[D].北京：中国矿业大学（北京）,2017. [18]王刚.大数据时代城市公共安全预警机制优化研究[D].湘潭：湘潭大学,2017. [19]王智怡.城市公共安全韧性评估模型及提升策略研究[D].重庆：重庆大学,2019. [20]黄婷,段在鹏.城市综合体安全现状评价指标体系研究[J].广州化工,2017,45(04):95-97. [21]单宁.对珠江三角洲城市群城市安全状况的测评研究[J].国家治理,2017(43):33-48. [22]周芳检.大数据时代城市公共危机跨部门协同治理研究[D].湘潭：湘潭大学,2018. [23]佀庆民.基于自组织的城市系统安全理论研究[D].沈阳：东北大学,2016. [24]罗云,樊运晓,马晓春.风险分析与安全评价[M].北京：化学工业出版社,2010. [25]赵红梅.基于模糊评价信息的多属性决策方法研究[D].北京：北京交通大学,2021. [26]李欢,明俊桦,石晓凤.基于博弈论和模糊综合评判的锌冶炼企业清洁生产评价[J].黄金科学技术,2018,26(05):635-646. [27]鲁佳慧,唐德善.基于博弈论组合赋权的水环境综合治理效果评价[J].水利水运工程学报,2018(06):105-111. [28]张婧静.基于改进物元可拓法的非煤露天矿山安全生产风险等级评定研究[D].西安：西安建筑科技大学,2020. [31]马涛.大数据背景下突发公共安全事件风险防控研究[D].贵阳：贵州大学,2016. [33]范理.增城市社会安全风险的分析和对策研究[D].兰州：兰州大学,2014. [37]关贤军,徐波,尤建新.城市灾害风险的基本构成要素[J].灾害学,2008(01):128-131. [38]单雪强.中小学校园突发事件风险评估的体系研究[D].北京：清华大学,2010. [39]郭晨.城市轨道交通BT项目风险管理研究[D].兰州：兰州交通大学,2020. [40]冯云晓. 基于“情景-任务-能力”的城市危险化学品事故应急准备能力评估研究[D].北京：北京化工大学,2018. [41]冯晓青.城市韧性的空间格局特征及作用因素研究[D].大连：东北财经大学,2019. [42]王智怡.城市公共安全韧性评估模型及提升策略研究[D].重庆：重庆大学,2019. [43]刘兰强.城市突发事件应急能力评估方法研究[D].北京：中国地质大学(北京),2016. [44]谢颖婷,孙红梅.城市自然生态环境可持续发展水平评价——以上海与东京比较为例[J].环境与可持续发展,2021,46(06):162-168. [45]关亚坤,杨淑娴,吴光恒.全球性突发公共卫生事件下的中国实践探讨[J].现代商贸工业,2022,43(09):36-38. [46]张姝瑜.基于4R理论的杭州地铁应急管理问题研究[D].西安：西北大学,2018. [47]全国人民代表大会常务委员会.中华人民共和国突发事件应对法[Z].2007-08-30. [48]张超,徐凤娇,王皖.城市安全风险评估标准中的关键问题研究[J].标准科学,2021(07):54-60. [49]冯云晓.基于“情景-任务-能力”的城市危险化学品事故应急准备能力评估研究[D].北京：北京化工大学,2018. [50]任涛.基于GIS的平山县地质灾害风险性评价[D].石家庄：河北地质大学,2022. [51]朱静怡.基于AHP与SD法的城市公园景观评价研究[D].杭州：浙江大学,2021. [52]陈佳倩.基于层次分析法的市域快线安全线长度建模与算法研究[D].北京：北京交通大学,2021. [53]周剑.基于AHP的BP神经网络集装箱码头效率评价[D].厦门：集美大学,2020. [54]马雪娇.基于BP神经网络的系列混合预测模型的建立与应用[D].大连：东北财经大学,2018. [55]谢良才.基于BP神经网络的数据挖掘技术探究及其在煤热转化数据规律分析中的应用[D].西安：西北大学,2021. [56]邓铭洋.基于改进遗传算法优化BP神经网络的折弯机补偿值预测方法研究[D].沈阳：沈阳工业大学,2021. [57]李思源.基于BP神经网络的重力坝深层抗滑稳定分析研究[D].大连：大连理工大学,2021. [58]靳然.基于神经网络和支持向量机的麦蚜发生动态预测研究[D].太原：山西农业大学,2017. [59]石甜.煤矿安全风险预控管理体系有效性评价研究[D].北京：中国矿业大学,2019. [60]赵然.基于神经网络的电力信道阻抗估计方法[D].北京：华北电力大学,2021. [61]于亚楠.基于BP神经网络技术的地表水源地水质参数反演研究[D].长春：长春工程学院,2021. [62]周雪,左忠义,程伟.基于组合赋权云模型的铁路旅客运输安全评价[J].中国安全科学学报,2020,30(S1):158-164. [63]赵梦月.基于组合赋权和TOPSIS法的智能建造评价体系研究及应用[D].河北工程大学,2021. [64]刘通.智能优化极限学习机方法研究及疾病诊断中的应用[D].吉林：吉林大学,2020. [65]张海翔.基于核极限学习机的多标签数据流分类方法研究[D].合肥：合肥工业大学,2021. [66]文志云.基于极限学习机的不平衡数据分类算法研究[D].重庆：重庆邮电大学,2021. [67]王兆熙.粒子群优化极限学习机在旋风分离器性能建模中的应用[D].太原：太原理工大学,2021. [68]刘通.智能优化极限学习机方法研究及疾病诊断中的应用[D].吉林：吉林大学,2020. [69]曾青.基于模糊极限学习机的能效分析方法的研究及应用[D].北京：北京化工大学,2020. [70]于海洋.在线预测的极限学习机方法研究[D].吉林：吉林大学,2019. |
| 中图分类号： | X959 |
| 开放日期： | 2022-06-28 |
谷歌
火狐
