轰燃前火灾温度方法的研究

在预测室内轰燃前火灾温度的多种方法中,McCaffrey等人的方法比较典型.轰燃综合预测法是在其基础上引入了内衬材料的热惯性.在总结前人的研究方法的基础上,从数据处理和理论分析上都进行了合理的改进,提出了估计室内轰燃前火灾温度的新方法.     

室内轰燃试验及数值模拟分析

通过实体小室轰燃试验,比较BFD曲线参数估计法和FDS场模拟在轰燃预测上的可靠性.采用相关系数法比较BFD曲线参数估计法和FDS场模拟对室内温度变化预测的可靠性; 通过偏差均方根比较了这两种预测方法对室内最高温度预测的可靠性.结果表明,BFD曲线参数估计法对轰燃发生时的室内温度变化的预测结果接近火灾实际情况(平均相关系数为0.920 1),但对未发生轰燃时的预测的可靠性较差(相关系数为0.313 8).通过两种不同网格密度(网格大小分别为0.13 m3和0.053 m3,总网格数分别为45 000和360 000)的FDS场模拟发现,采用细网格时FDS场模拟对温度变化的预测的可靠性较好(相关系数为0.881 8).轰燃发生和未发生两种条件下,FDS场模拟对室内最高温度的预测能力都优于BFD曲线参数估计法,而网格加密对提高FDS场模拟预测能力的影响不明显.通过对火灾时房间内温度预测的比较,可得到不同模型对轰燃发生时间和强度预测的可靠性,这对建筑结构安全和人员逃生具有重要意义.     

室内家具轰燃的实验研究

室内一旦发生火灾 ,轰燃出现之快慢是人们在有限的逃生时间和有限逃生能力下能否安全逃脱灾难的关键因素。笔者对室内典型家具的轰燃现象进行了实验研究 ,利用实验方法成功地观测到室内家具轰燃的全过程。介绍了轰燃实验的设计方法、实验的测量方法。大量的建筑室内家具轰燃实验 ,仍很难给出室内家具材质的轰燃准则和判别条件 ,对此应进一步开展研究工作。     

室内木质吊顶轰燃过程分析

针对高温烟气引起建筑物问题,建立了室内烟气传热模型,通过辐射与对流传热计算,得到了木质吊顶的温升随时间变化的关系。通过热解实验,得到了三合板的失重曲线图;计算了其热解动力学参数活化能E和频率因子A;在此基础上计算了吊顶随时间的失重百分比。采用Lechteilier法则对热解可燃气能否达到可燃界限,发生轰燃,进行了预测。结果表明,对于800℃烟气,10min后,吊顶壁面温度可达到435℃,析出的可燃气将发生轰燃。     

室内火灾轰燃的影响因素研究

本文主要介绍了室内火灾的有关理论,利用小规模火灾实验箱研究轰燃的影响因素,包括:有机玻璃放置位置的不同对轰燃的影响;在同一位置,相同质量、不同堆积方式的有机玻璃燃烧对轰燃的影响;通风口大小和高度对轰燃的影响以及内衬材料热惯性对轰燃的影响。     

通风开口对轰燃影响的数值模拟

轰燃是建筑火灾中的一个重要的火现象,室内局部火的发展过程中,热烟气向水源基底辐射,在一定条件下会产生正反馈,导致热烟气温度和火源释放速率急剧增加,从而转变成遍及整个房间的大火,轰燃的产生与否受到很多因素的影响,尝试利用CFAST对轰燃现象进行数值模拟,讨论了不同的通风开口条件对轰燃发生时热烟气温度和热释放速率的影响,计算机结果表明,当开口面积固定时,竖直开口比水平开口需要更大的火源释热速率,另外也指明了,多数情况下用CFAST对轰燃进行计算是可能的,但在某些临界条件下计算会终止。     

McCaffrey等估计轰燃前火灾温度方法的改进

在估计室内轰燃前火灾温度的多种方法中，McCaffrey等人提出的方法比较典型。该文根据内衬材料的热惯性对室内火灾的重要影响，在大量实验数据的基础上，对McCaffrey等人提出的这一方法进行了初步和理论上的改进；结合室内火灾的控制因素，对有机玻璃火灾的回归结果进行了进一步改进，提出了估计室内轰燃前火灾温度的新方法。     

建筑火灾中轰燃现象的突变分析

建筑火灾中轰燃现象是一种典型的突变过程。本文利用数学方法推导出轰燃的突变动力学，首先给出基于能量平衡方程的轰燃模型并构建其突变簇方程，然后讨论系统控制因子和实际工况之间的关系。结果发现建筑火灾中轰燃现象的突变形式是燕尾突变。     

模糊支持向量机在煤与瓦斯突出预测中的研究

模糊支持向量机(FSVM)综合了模糊理论和支持向量机(SVM)的学习理论,不仅继承了SVM在小样本情况下所具有的较强识别能力的特点,并且比SVM拥有更好的学习能力。在FSVM算法中,每个样本被赋予一个隶属度值,使得构造目标函数时不同的样本有不同的贡献,达到最大限度的消除噪声或者孤立点的效果。运用了灰色关联分析(GRA)对煤与瓦斯突出指标进行提取,引入了一个合适的模糊隶属度函数,并在此基础上提出了基于FSVM的煤与瓦斯突出预测的模型,通过实际数据的验证和其他预测方法的对比,证明了FSVM模型能够满足煤与瓦斯突出预测的要求。最后,将FSVM和传统SVM对同一组数据进行训练,证明了FSVM相比较传统SVM拥有更高的精确度。     

典型建筑和装饰材料的轰燃特性研究

对建筑物中常见的3种可燃物三合板、纸、棉布进行了工业分析实验和轰燃观测实验.工业分析实验表明,这3种可燃物挥发分含量高,水分、灰分含量低.由轰燃观测实验得到了不同温度下3种可燃物的着火和火势蔓延的时间,分析了其对建筑火灾的影响.轰燃观测实验表明,在小于等于300 ℃时,可燃物的挥发分较难析出,故不会引起燃烧,但随着温度的升高,轰燃加快,火势迅速加剧.给出了一种简洁的轰燃判断方法,并对一个有限空间的轰然时间进行了预测.     

基于GA-ELM的冲击地压危险性预测研究

为提高冲击地压预测的效率和准确率,在分析冲击地压影响因素的基础上,提出了一种将遗传算法(GA)与极限学习机(ELM)相结合的冲击地压预测的新方法。为了避免ELM受输入权值矩阵和隐含层偏差随机性的影响,算法采用GA对ELM的输入权值矩阵和隐含层偏差进行优化,建立GA-ELM冲击地压预测模型。利用某矿冲击地压统计数据对该模型进行了实例分析,将ELM、SVM和BP算法预测结果与该模型进行了对比分析。结果表明:GA-ELM模型具有较高的预测精度,可以相对准确、有效地对冲击地压发生的可能性进行预测。     

全尾砂絮凝沉降参数GA-SVM优化预测模型研究

为了得到经济、高效的絮凝沉降参数,建立GA_SVM预测模型进行优化选择。在优选过程中,以供砂浓度、絮凝剂单耗和絮凝剂添加浓度作为输入因子,以沉降速度作为综合输出因子,通过室内试验,建立训练、验证样本集;建立支持向量机（SVM）回归预测模型,用训练集对模型进行训练,进而以验证集预测值的均方误差作为适应度函数,通过遗传算法（GA）对SVM模型参数进行优化选择,应用优化得到的SVM模型对絮凝沉降参数进行预测、优化。以湖南某铅锌银矿为例,通过建立的GA_SVM模型对全尾砂絮凝沉降参数进行预测,优选出该矿最佳絮凝沉降参数为:供砂浓度20%-25%,絮凝剂单耗8g/t,添加浓度009%。经实验对比,该模型对絮凝沉降参数预测结果的相对误差能控制在5%左右,精确度较高,可以作为絮凝沉降参数优选的一种新思路     

基于SVM的矿井通风阻力系数影响因素分析与预测

矿井通风阻力系数是通风安全最重要的基础参数之一，为了实现矿井通风阻力系数简单准确地预测，提出了利用支持向量机（SVM）来预测矿井通风阻力系数的方法。通过分析影响因子与矿井通风阻力系数的相关性关系，并利用MATLAB逐步建立单影响因素与矿井通风阻力系数、多影响因素与矿井通风阻力系数之间的SVM预测模型，对比分析各预测模型的相对误差，确定最佳矿井通风阻力系数预测模型，即当输入模型影响因素为巷道断面积、周长和支护方式时，预测相对误差小于10%的样本数占测试样本的76%，相对误差小于20%的样本数占测试样本的90%。结果表明:该预测方法在矿井通风阻力系数预测中是可行的，并具较高的准确性。     

基于QSPR方法的脂肪醇化合物闪点预测

为提高脂肪醇化合物闪点预测精度,提出基于定量结构-性质关系(QSPR)原理的脂肪醇化合物闪点预测方法。应用Dragon软件计算出91种脂肪醇的分子描述符,利用遗传函数算法(GFA)从1 481个描述符中筛选出3个与脂肪醇闪点关系最密切的分子描述符。分别用多元线性回归(MLR)方法和支持向量机(SVM)方法进行建模,并采用内部验证和外部检验的方式对模型的拟合度、预测性等性能进行验证。结果表明:预测集的MLR方法和SVM方法的平均绝对误差(AAE)分别为2.870 K和2.706 K;均方根误差(RMSE)为3.451 K和3.371 K。SVM模型在精度上略优于MLR模型,而MLR模型更为简单和方便。     

有机过氧化物反应热的危险性预测研究

为了采用非实验的方法对安全物质学的研究内容及研究方法进行初探,基于定量结构-性质关系法,选择13种与有机过氧化物热危险性的影响因子密切相关的描述符,分别对起始分解温度T0和分解热△H的实验数据进行多元线性回归、偏最小二乘和支持向量机回归分析,从而获得3种相应的预测模型。对比T0与△H的实验值和预测值,结果发现:SVM预测模型的精度高于PLS预测模型,MLR预测模型的精度最低;同种预测模型对分解热的预测结果均优于起始分解温度。此外,分析各预测模型的稳定性数据发现:MLR模型的预测过程发生了过拟合现象,不具备预测能力;PLS模型的交互验证系数均大于0.5,具备较稳定的预测能力;SVM模型的交互验证系数均大于0.9,具备非常稳定的预测能力。     

基于GA-ELM浆体管道输送临界流速预测模型研究

针对浆体管道输送临界流速预测难度大、精确度低等技术难题,提出了基于极限学习机(ELM)的临界流速预测模型,用训练集对模型进行训练,以验证集预测值的均方误差作为适应度函数,利用遗传算法(GA)对ELM模型参数进行优化,应用优化得到的ELM模型对预测集进行预测。以某矿山为例,模型参数优化结果如下:隐含层节点数L为400,输入权值ai、偏置向量bi最优组合下预测结果适应度为0.0201。采用优化的ELM模型对预测集进行预测,预测结果的最大相对误差x=3.96%,平均相对误差y=1.58%,对比BP神经网络(x=12.95%)和SVM模型(x=3.19%),表明ELM模型更加精确、高效。     

支持向量机法在煤与瓦斯突出分析中的应用研究

通过分析采煤工作面煤与瓦斯涌出量与地质构造指标的对应关系,应用支持向量机(SVM)方法对煤与瓦斯涌出类型及涌出量进行分析。建立两类突出识别的SVM模型、多类型突出识别的H-SVMs模型以及预测瓦斯涌出量的支持向量回归模型。研究结果表明:SVM方法能够很好地对煤与瓦斯突出模式进行识别,所建立的采煤工作面瓦斯涌出量预测模型的精度高于应用BP神经网络预测精度;SVM理论基础严谨,决策函数结构简单,泛化能力强,并且决策函数中的法向量W可以反映突出模式识别的地质结构指标的权重。     

基于支持向量机(SVM)的回采工作面瓦斯涌出混沌预测方法研究

针对瓦斯涌出传统的线性预测方法存在的问题,根据瓦斯涌出时间序列固有的确定性和非线性,利用混沌动力系统的相空间延迟坐标重构理论,结合基于机器学习理论的支持向量机(SVM),建立基于SVM理论的瓦斯涌出混沌时间序列预测模型。经Ⅱ1024回采工作面瓦斯涌出时间序列仿真计算,仿真结果显示该预测模型具有比传统的回归方法更好的泛化能力,预测方法具有很高的预测精度。同时,该模型具有以往传统机器学习的瓦斯涌出预测模型建立简便、训练速度快等优点。由于充分考虑瓦斯涌出时间序列的混沌性,并利用SVM预测的优良特性,使得预测更科学。     

基于粒子群-支持向量机(PSO-SVM)的苯储罐泄漏事故风险预测

将支持向量机(SVM)模型运用于事故前苯储罐泄漏事故风险预测,为使模型性能最优, 用粒子群算法PSO优化SVM模型参数,建立了PSO-SVM风险预测模型。为验证模型风险预测性能,分别采用遗传算法(GA)和网格搜索法(GS)优化SVM参数,并比较测试集与PSO-SVM、GA-SVM、GS-SVM三种模型预测结果的均方误差及相关系数。然后进一步探讨模型中权重调整方式、种群规模对PSO-SVM模型预测性能的影响。研究发现,权重线性递减所建PSO-SVM预测值与测试集相关系数更高、均方误差更小、预测效果更好,种群规模没有影响PSOSVM模型预测值但会影响计算时间,这为危化品泄漏事故的风险预测提供了一种新的方法。