本书是作者及其研究团队在意外爆炸毁伤效果评估研究中所取得成果的归纳与总结,系统介绍了基于数据驱动的意外爆炸毁伤效应预测与破坏效果评估。全书共7章,主要内容包括意外爆炸破坏效应工程算法与模型、数据获取与数据库开发、意外爆炸知识图谱技术、意外爆炸毁伤效应预测与毁伤效果评估的机器学习模型,以及基于数据驱动的意外爆炸毁伤评估系统的研发及应用等。
本书对于从事易燃易爆品爆炸破坏效应及防护技术研究的科研和工程技术人员具有参考价值,也可作为高等院校相关专业高年级本科生及研究生的参考用书。
目录
第 1 章 绪论
1.1 数据驱动的意外爆炸毁伤效应评估
1.2 意外爆炸的特点
1.2.1 历史上重大意外爆炸事故
1.2.2 意外爆炸的特点
1.3 意外爆炸毁伤评估研究现状
1.3.1 意外爆炸毁伤效应研究现状
1.3.2 意外爆炸毁伤评估研究现状
1.4 章节安排
参考文献
第 2 章 预测意外爆炸破坏效应的经验算法及模型
2.1 空气冲击波
2.1.1 基本概念
2.1.2 经验算法
2.1.3 常用模型
2.2 破片
2.2.1 基本概念
2.2.2 经验算法
2.2.3 常用模型
2.3 爆炸成坑
2.3.1 基本概念
2.3.2 经验算法
2.3.3 常用模型
2.4 爆炸地震动效应
2.5 爆炸火球
参考文献
第 3 章 意外爆炸破坏效应数据库建设
3.1 概述
3.2 意外爆炸破坏效应数据库结构
3.3 基于意外爆炸文献的数据抽取
3.3.1 数据抽取的目的
3.3.2 意外爆炸科技文献数据集构建
3.3.3 基于数值掩码机制的实体抽取
3.3.4 实验及分析
3.4 经验算法评价
3.4.1 经验算法评价的作用
3.4.2 基于随机森林的经验算法评价方法
3.4.3 经验算法评价效果
3.5 基于经验算法的数据扩充
3.6 基于数值模拟的数据扩充
3.6.1 高速碰撞的数值模拟
3.6.2 爆炸近区冲击波数值模拟
3.6.3 爆炸波作用下板件动态响应数值模拟
3.6.4 复杂流场冲击波传播数值模拟
3.7 数据异常检测
3.7.1 数据异常检测的必要性
3.7.2 意外爆炸数据异常检测的难点
3.7.3 融合先验知识的数据异常检测
3.8 小结
参考文献
第 4 章 意外爆炸破坏效应试验研究
4.1 爆炸近区冲击波试验
4.1.1 试验设计
4.1.2 试验数据获取与分析
4.2 复杂流场冲击波效应试验
4.2.1 试验设计
4.2.2 试验数据获取与分析
4.3 典型构件动力响应试验
4.3.1 试验设计
4.3.2 试验数据获取与分析
4.4 小结
第 5 章 意外爆炸毁伤效应知识图谱构建
5.1 意外爆炸领域知识图谱研究现状
5.2 方法架构
5.3 知识图谱构建
5.3.1 方法框架
5.3.2 意外爆炸毁伤领域本体的半自动构建
5.3.3 意外爆炸毁伤语料库构建
5.3.4 基于动态掩码的中文事件联合抽取模型
5.3.5 事件共指融合
5.4 实验与分析
5.4.1 实验环境
5.4.2 实验数据与数据预处理
5.4.3 评价指标
5.4.4 实验方法
5.4.5 实验结果和分析
5.5 小结
参考文献
第 6 章 意外爆炸毁伤效应的机器学习模型
6.1 概述
6.2 基于相似度增强查询的意外爆炸威力溯源模型
6.2.1 问题描述
6.2.2 方法框架
6.2.3 模型实现
6.2.4 实验分析
6.3 基于多源数据融合的侵彻深度预测模型
6.3.1 问题描述
6.3.2 方法框架
6.3.3 模型实现
6.3.4 实验分析
6.4 爆炸近区冲击波预测模型
6.4.1 研究现状
6.4.2 方法框架
6.4.3 模型实现
6.4.4 实验分析
6.5 基于小样本学习的毁伤效应预测模型
6.5.1 问题描述
6.5.2 方法框架
6.5.3 模型实现
6.5.4 实验分析
6.6 钢化玻璃动态响应多源数据融合的意外爆炸溯源模型
6.6.1 研究背景
6.6.2 机器学习模型构建
6.6.3 模型实现
6.6.4 实验分析
6.7 先验知识 - 数据耦合驱动的模型
6.7.1 问题描述
6.7.2 方法框架
6.7.3 模型实现
6.7.4 实验结果及分析
6.8 小结
参考文献
第 7 章 基于数据融合的意外爆炸毁伤评估系统
7.1 系统设计与开发
7.1.1 系统总体设计
7.1.2 系统功能设计与实现
7.1.3 系统实现的关键技术
7.2 街区环境意外爆炸毁伤评估应用
7.2.1 复杂流场爆炸冲击波超压机器学习模型
7.2.2 场景设计
7.2.3 毁伤效应可视化
7.3 隔间结构内爆毁伤评估应用
7.3.1 场景设计
7.3.2 毁伤效应可视化
7.4 意外爆炸对桥梁目标的毁伤评估
7.4.1 场景设计与建模
7.4.2 基于随机森林的评估模型
7.4.3 基于 kNN 算法的评估模型
7.5 小结
书单推荐
