石油化工储罐区除了有存储危化品的固定式储罐之外，还有在罐区道路上运输危化品的移动槽罐车，而槽罐车的介入可能会改变罐区内多米诺效应事故的扩展路径，导致事故后果升级，因此考虑移动槽罐车的影响对储罐区的风险分析具有重要意义。利用动态贝叶斯网络对石油化工储罐区内多米诺效应事故的动态演变过程进行建模分析，通过在网络中添加移动节点引入移动槽罐车对多米诺效应事故的影响，通过情景推演辨识罐区内多米诺效应事故的扩展路径，根据燃料燃尽时间和设备失效时间划分事故演变过程的时间节点，运用Probit函数模型和贝叶斯理论计算多米诺效应事故在各级设备单元的扩展概率，提出了石油化工储罐区内有移动槽罐车时多米诺效应事故的动态分析方法，为石油化工储罐区内多米诺效应事故的分析与预防提供方法支撑。通过对实际罐区进行案例分析展示了所提出方法的效果和优势，结果表明：当罐区内的多个固定储罐同时发生火灾事故时，事故可能会扩展到道路上或装卸区域内的槽罐车；当槽罐车作为初始事故单元时，在所研究案例的前提条件下并不会引发多米诺事故，这主要是因为槽罐车与固定储罐之间的距离足够远，遏制了事故传播。

在“双碳”目标背景下，掺氢天然气输送技术已成为能源结构调整的重要研究方向。通过试验探究了甲烷-氢气混合气体的燃烧特性，重点分析了不同掺氢比例对射流火焰温度、尺寸及燃烧时间的影响规律。使用电火花点燃不同体积分数的甲烷与氢气混合气，利用多通道火焰捕捉相机进行记录。结果表明：体积分数为5%～30%的氢气掺入使火焰最高温度从992.0℃提高至1 021℃,提升了3.0%;氢气体积分数增加至80%和100%时，火焰温度明显增高；甲烷体积分数为80%时，稳定燃烧阶段平均火焰高度峰值为44.39 cm;氢气体积分数的增加能够缩短燃烧时间；纯甲烷火焰前期呈现蓝色，后期呈现橙红色，而随着氢气体积分数的增加混合气体火焰颜色逐步由蓝变红。研究结果可为天然气掺氢输送优化设计提供试验数据参考。

针对煤矿井下光照不足、遮挡频发和目标尺度偏小导致的安全帽检测漏检、误检及实时性下降问题，研究提出基于YOLOv5的改进模型HIC-YOLOv5。首先，在原始模型上增加高分辨率小目标检测头(Small Object Detection Head, SODH),以增强小目标特征提取能力；其次，在骨干网络与颈部网络之间引入通道特征融合模块(Channel Feature Fusion with Involution, CFFI),以缓解1×1降维造成的语义流失，强化跨通道信息交互，使更多关键信息传递至深层网络；最后，在骨干网络末端集成轻量级注意力机制(Convolutional Block Attention Module, CBAM),通过空间与通道双重加权突出安全帽区域特征。结果显示，在IoU为0.5的条件下，HIC-YOLOv5的mAP@50达88.33%,较基线YOLOv5提升4.73百分点，mAP@50:95提升至51.89%,P、R分别为90.81%、82.67%。在资源开销方面，参数量为8.4 MB,FLOPs为30.6 GB,推理速度为102帧/s。消融试验结果显示，3项改进具备协同增益，其中SODH对小目标召回提升最为显著。与YOLOv7、YOLOv8、YOLOv9、YOLOv11、YOLOv12对比，HIC-YOLOv5模型综合性能保持领先。HIC-YOLOv5在低照度、强遮挡与小目标密集的矿井安全帽检测场景中实现了更高的检测准确性与稳定性，并以中等计算量维持较好的实时性能，具备边缘部署可行性。

针对采空区煤自燃危险区域边界模糊、传统划分方法难以有效处理不确定性的问题，基于模糊集理论，构建了一套完整的模糊C均值(Fuzzy C-Means, FCM)聚类分析框架，通过引入模糊隶属度机制，构建融合温度、氧气浓度等多维指标的评价体系，建立从模糊相似矩阵到等价矩阵的完整数学推导流程，并借助MATLAB实现算法编程与可视化分析。设计基于λ-截集的动态聚类机制。在聚类优化方面，提出结合F统计量的自适应粒度控制方法，实现对过渡区域边界的最优识别。结果表明，调节聚类参数λ可有效控制分类粒度，近工作面区域测点聚类结果对λ变化敏感，反映其空间差异性较大；远工作面区域测点分类稳定，体现环境均质特征。进一步利用F统计量确定最优λ值，获得的“三带”划分结果：进风侧氧化带范围为72～96 m、回风侧为36～72 m,与现场“灾害综合智能管控平台”基于氧气阈值的划分结果进风侧72～103 m、回风侧36～66 m相比，该方法在进风侧识别出7 m“次氧化区”,在回风侧延伸出6 m“潜伏风险区”,两侧偏差均小于10%,验证了划分结果的可靠性。研究不仅实现了与现场数据的一致性，更通过多指标融合揭示了单一氧气阈值法无法捕捉的风险细节，为采空区煤自燃危险区域识别提供了一种更精细、更可靠的数据驱动划分手段。

针对传统碳排放预测中数据质量差、模型训练效率低的问题，建立套索回归(Least Absolute Shrinkage and Selection Operator, LASSO)、多元经验模态分解(Multivariate Empirical Mode Decomposition, MEMD)、麻雀搜索算法(Sparrow Search Algorithm, SSA)和长短时记忆网络(Long Short-Term Memory network, LSTM)相结合的模型，以提高碳排放量的预测精度。首先，使用可拓展的随机性环境影响回归模型(Stochastic T Impacts by Regression on PAT,STIRPAT)选取年末总人口数量、人均GDP等影响因素；其次，通过皮尔逊相关系数和LASSO回归模型进行初步和二次筛选；再次，对数据进行预处理并进行MEMD分解，进而对分解出的不同频率的IMF分量以及残差项RES分别建立预测模型；最后，使用SSA对LSTM模型的神经元个数、迭代次数、学习率等参数进行寻优，并将数据汇总整合，对比分析其他预测模型的预测结果。结果显示，LASSO-MEMD-SSA-LSTM模型的预测值与实际值最为接近，其平均绝对误差、均方根误差、平均相对百分比误差分别为8.45%、8.32%、0.85%,均优于其他模型。

随着矿山安全智能化与绿色转型技术的加速推进，矿井运输系统的安全逐渐成为新质生产力体系中的核心要素。矿用架空乘人装置作为重要的人员运输设备，其安全运行能够有效保障人员生命安全和生产系统的高效协同。在矿用钢丝绳表面损伤检测任务中，针对传统人工目视法检测效率低、可靠性差、煤矿未经检查定期更换钢丝绳易造成资源浪费等问题，提出一种基于轻量化特征增强模型(GhostConv PPA BiFPN WIoUv3 YOLO,GPBW-YOLO)的钢丝绳表面损伤检测方法。首先，在Backbone部分引入GhostConv,通过去除冗余特征降低模型复杂度，提高特征提取效率；其次，将并行化补丁感知(Parallelized Patch-Aware Attention, PPA)注意力机制融入C3K2模块中，其中PPA注意力机制通过损伤区域的先验机制和对损伤特征的位置感知，有效提高了模型对损伤特征的关注度。再次，在Neck部分使用双向特征金字塔(Bidirectional Feature Pyramid Network, Bi FPN)机制进行多尺度特征融合，通过结合一种多尺度特征融合权重和跨越阶层式的融合方式，提高对不同尺度钢丝绳损伤特征的融合效率；最后，将WIoUv3作为模型的边界框损失函数，并引入一种动态梯度增益策略，该策略降低了高质量样本的竞争性和低质量样本的有害梯度，可在模型训练的过程中重点关注普通样本带来的梯度效益，进而提高模型在训练过程中的整体性能。试验结果显示，GPBW-YOLO模型mAP@0.5达到92.0%,帧率(Frames Per Second, FPS)达到119.0帧/s,较YOLOv11n分别提高了2.6百分点和8.4%;其参数量、计算量和模型存储量分别为1.9 MB、6.2 GB和4.2 MB,较YOLOv11n分别降低26.9%、1.6%和23.6%,满足对钢丝绳表面损伤检测的需求。研究为矿山智能运输体系建设提供了相关技术支撑，有助于推动矿山装备在智能化、安全化与绿色转型方向的发展。

为系统探究智能化煤矿背景下人机信任对矿工不安全行为的作用机制，基于认知-情感个性系统理论与社会认知理论，构建以风险感知和技术焦虑为中介、任务复杂性为调节变量的双路径影响模型。通过对山西省、辽宁省、内蒙古自治区508名一线矿工开展问卷调查，运用结构方程模型与层次回归分析法对相关假设进行实证检验。结果显示：人机信任通过削弱风险感知显著增加不安全行为，同时，经缓解技术焦虑间接抑制不安全行为，呈现出“双刃剑”效应。进一步分析发现，任务复杂性正向调节人机信任对风险感知的影响，负向调节人机信任对技术焦虑的影响，且在风险感知路径中起正向调节作用，在技术焦虑路径中起负向调节作用。研究丰富了智能化矿山安全行为领域的理论体系，为提高矿工安全行为和完善智能矿山人机协作管理提供了理论参考与实践依据。

暴雨天气下构建科学有效的长输管道受灾风险因子体系，对风险诊断与预测具有重要意义。针对相关研究的不足，设计了双阶皮尔逊关联的风险因子筛选方法。在初选阶段，采用皮尔逊相关矩阵和变异系数双重准则，降低候选风险因子间信息冗余，形成初选风险因子体系；在终选阶段，设计信息冗余贡献度算法，循环计算初选风险因子的信息冗余贡献度指数，筛选对整体相关性贡献较小的风险因子，构建终选风险因子体系。为验证方法的有效性，选取K-中心和K-均值聚类算法对比。结果表明：所提方法的风险因子信息解释强度为1.033,累计信息贡献率达89.9%,显著高于K-中心聚类算法(1.007,51.2%)和K-均值聚类算法(1.057,53.7%)。该方法可为暴雨天气下长输管道风险预测与预警提供有力支持。

煤层注入活性液不仅能改善煤体的润湿性，还会影响煤中瓦斯放散特性。为了探究十二烷基活性剂对构造煤瓦斯扩散的抑制效应，开展了构造煤外加不同质量分数的十二烷基苯磺酸钠(Sodium Dodecyl Benzene Sulfonate, SDBS)与十二烷基硫酸钠(Sodium Dodecyl Sulfate, SDS)单一及复配活性剂溶液的瓦斯扩散试验，分析了不同活性液对瓦斯扩散量、扩散速率、扩散系数及抑制率的影响规律。结果表明：随着溶液质量分数增大，活性液与煤的接触角呈现“V”形变化，SDBS溶液对煤的润湿效果整体优于SDS溶液；对于单一活性液，质量分数3%的SDBS与SDS瓦斯抑制效果最佳，扩散系数分别为2.059×10~(-6) cm~2/s和2.465×10~(-6) cm~2/s,较干燥煤分别降低62.9%和55.6%,但质量分数5%SDS溶液因疏水反转效应导致瓦斯抑制效果劣化；在复配体系中，SDBS与SDS体积比1∶1时对瓦斯的协同抑制效应显著，润湿煤扩散系数仅为2.241×10~(-6) cm~2/s,抑制率较单一SDS溶液提升10百分点以上；当SDBS与SDS体积比偏离1∶1时，胶束稳定性下降，瓦斯抑制效果减弱。

针对城市火灾中建筑密集、道路堵塞导致传统消防车救援困难、单无人机灭火能力不足的问题，提出了一种基于改进深度Q网络(Improved Deep Q-Network, IDQN)的多无人机协同灭火路径规划算法。首先，建立基于相同时间间隔的多无人机单目标决策模型；其次，通过优先经验回放机制提高算法训练稳定性，采用26向三维动作空间增强机动性，并构建包含方向引导、步数惩罚、到达奖励和碰撞惩罚的多目标复合奖励函数；最后，基于任务优先级，采用层次化加权法在MATLAB平台进行仿真训练，实现多无人机协同灭火路径规划。仿真结果表明：IDQN算法多无人机协同灭火方案任务完成时长相比单无人机作业缩短58.0%,相比粒子群优化(Particle Swarm Optimization, PSO)算法缩短27.8%,显著提升了城市火灾救援的响应速度和资源利用率。