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。     

絮团尺寸对全尾砂絮凝沉降效果的影响研究*

为研究絮团尺寸对全尾砂絮凝沉降效果的影响,采用正交实验和图像颗粒分析相结合的方法,进行多因素耦合条件下全尾砂絮凝沉降实验,基于Giddings函数的沉降速度模型,提出全尾砂絮团图像颗粒分析,探究各时段絮团尺寸的变化规律。研究结果表明:当尾砂浆浓度为15%、絮凝剂溶液浓度为0.25%、絮凝剂单耗为20 g/t,pH值为10时,絮凝沉降效果最佳,最大沉降速度达13.12 mm/s;随着沉降时间的增加,沉降速度随絮团直径、长径比减小而减小,随圆形度增大而减小。研究结果可为实际生产中控制全尾砂絮凝沉降参数、提高沉降速率提供参考。     

基于支持向量机的脂肪族化合物急性毒性的QSAR研究

基于定量结构-活性相关性(QSAR)原理.研究了106种脂肪族化合物结构与其急性毒性LC50(半数致死浓度)之间的内在定量关系.应用遗传算法从大量结构参数中优化筛选出与LC50最为密切相关的4个参数作为分子描述符,分别采用支持向量机(SVM)方法和多元线性回归(MLR)方法建立了相应的QSAR预测模型.分别采用内部验证及外部验证的方式对所建模型性能进行了验证.研究表明,2种模型均具有较高的稳定性、预测能力及泛化性能.其中支持向量机模型对训练集和预测集样本的预测平均绝对误差分别为0.336和0.364,优于多无线性同归方法所得结果.     

基于NRS-ACPSO-SVM的冲击地压危险性预测模型

为快速、准确地预测冲击地压危险性,提出基于NRS-ACPSO-SVM的冲击地压危险性预测模型。首先,在综合分析冲击地压危险性影响因素的基础上,以重庆砚石台煤矿为例,选取煤层厚度、倾角、埋深等10个影响因素作为冲击地压危险性的特征指标;然后,基于邻域粗糙集(NRS)理论对特征指标进行降维,提取出影响冲击地压危险性的关键属性构成约简集;最后,为避免支持向量机(SVM)模型受惩罚因子C和核函数参数σ随机性影响,采用自适应混沌粒子群算法(ACPSO)优化SVM模型参数,将约简集作为ACPSO-SVM模型的输入进行训练,利用训练好的ACPSO-SVM模型预测样本,并对比其他模型的预测结果。研究表明:NRS能有效地约简属性,简化模型结构,模型预测精度与运行效率均有明显提高;利用ACPSO优化SVM模型能避免结果陷入局部极值,提高收敛速度及预测精度,用该模型可有效地预测冲击地压危险性等级,其预测错误率为0。     

基于PCA-BBO-SVM的尾矿坝变形预测模型与性能验证研究*

为准确预测尾矿坝变形趋势,通过主成分分析法（PCA）对尾矿坝变形影响因子进行优选,基于生物地理学优化算法（BBO）对支持向量机（SVM）参数进行寻优,建立PCA-BBO-SVM尾矿坝变形预测模型,并以杨家湾尾矿坝为例对模型性能进行验证。研究结果表明:PCA-BBO-SVM模型在4个测点的RMSE为0.139 6,0.274 2,0.317 0,0.530 6;MAE为0.112 5,0.213 5,0.269 0,0.412 9;MAPE为0.525 0%,0.692 3%,2.621 2%,1.311 2%;预测精度及对局部波动的预测能力均高于BP、GS-SVM、GA-SVM和PSO-SVM模型,研究结果可为尾矿坝变形预测提供模型支撑。     

矿井煤与瓦斯突出事故应急救援能力评估模型

为降低煤矿井下煤与瓦斯突出事故中的人员伤亡和财产损失,提高突出事故中的应急救援能力,提出一种麻雀搜索算法(SSA)优化支持向量机(SVM)的煤与瓦斯突出事故应急救援能力评估模型。首先,依据相关文献与研究报告构建包括应急预防能力、应急准备能力、应急响应能力和恢复善后能力在内的4项一级指标,其中包括18项二级指标,并以各指标的得分数据作为模型训练数据集;然后,利用网络层次分析法(ANP)与熵权法(EWM)分别确定各评估指标在相互影响下的主客观权重,通过拉格朗日函数将各权重融合得到最优权重,运用SSA算法优化SVM的径向基核参数g和惩罚因子C,将最优权重计算得出的结果作为SSA-SVM模型的输入,期望值作为输出进行线性回归预测;最后,以河北省某矿为例,将SSA-SVM模型与传统SVM、粒子群优化算法(PSO)优化SVM、鲸鱼优化算法(WOA)优化SVM 3种不同模型的预测结果分别与期望值作对比分析。结果表明：SSA-SVM模型的预测结果与实际相符,平均绝对误差相较于其他模型分别下降8.04%、5.15%、4.82%,证明所建模型的优越性,可将其应用于矿山企业实际矿井煤与瓦斯突出事故应急救援能...     

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。     

基于MCMC填补的SSA-SVM煤与瓦斯突出预测模型

为提升煤与瓦斯突出预测准确度,减小数据缺失对煤与瓦斯突出预测的不利影响,提出1种基于链式多重填补马尔科夫链蒙特卡罗(MCMC)的麻雀搜索算法(SSA)优化支持向量机(SVM)预测模型。根据突出影响因素选取模型参数,运用MCMC对突出事故缺失值进行数据填补,采用SSA优化SVM,建立MCMC-SSA-SVM模型对填补后数据集进行预测,验证MCMC填补有效性和SSA优化性能;分别构建SVM、SSA-SVM、PSO-SVM、GAM-SVM、CMC-SVM、MCMC-PSO-SVM和MCMC-GA-SVM这7种模型进行突出预测,对比预测准确度,分析MCMC-SSA-SVM、MCMC-PSO-SVM和MCMC-GA-SVM的适应度。研究结果表明：MCMC填补后准确度均提升7.89个百分点以上,SSA的优化性能强于PSO和GA,MCMC-SSA-SVM预测准确度最高,为97.37%,泛化能力优于对比模型。研究结果可为煤与瓦斯突出预测研究提供借鉴和参考。     

基于RS-SVM的城市埋地燃气管道外腐蚀情况评价

为提高城市埋地燃气管道外腐蚀情况评价的准确性,识别影响管道外腐蚀的主要因素,构建评价指标集,结合粗糙集(RS)与支持向量机(SVM)的优势,建立管道外腐蚀情况预测评价模型。给出具体评价步骤,包括收集样本数据、预处理数据、用属性约简算法筛选核心指标集、用SVM训练器训练数据,形成检验模型。以某条城市燃气管线为例进行实例验证和分析。结果表明:用RS-SVM模型预测评价管道的腐蚀等级与实际结果一致,传统方法预测管道腐蚀速率平均相对误差为14.1%,RS-SVM模型预测的平均相对误差为7.9%,较之传统方法精度更高。     

化学絮凝法处理温室龟鳖养殖废水工艺参数优化

选择聚合氯化铝(PAC)、聚合硫酸铁(PFS)、聚合氯化铁(PFC)为絮凝剂,对比研究3种絮凝剂去除温室龟鳖养殖(greenhouse turtle aquaculture)废水悬浮物效果。结果表明,絮凝剂PAC的絮凝效果最佳。选择PAC为絮凝剂,阳离子聚丙烯酰胺(PAM)为助凝剂,通过响应面法以浊度去除率为响应值,PAC和PAM的投加量和搅拌时间为影响因素,对工艺关键参数进行优化,最终确定最佳工艺参数。根据响应面分析结果,确定龟鳖养殖废水的最佳絮凝条件为PAC质量浓度85.3 mg/L、PAM质量浓度19.8 mg/L、搅拌时间2 min。在此条件下浊度去除率为97.1%,为温室龟鳖养殖废水的优化絮凝处理提供了参考依据。     

基于磁化水的全尾砂胶结充填体强度研究

针对某矿山全尾砂充填体抗压强度低,水泥用量大的现状,将磁化水引入全尾砂胶结充填料浆的配浆试验,通过均匀布点理论优选出最佳磁化条件,探究了磁化水-全尾砂充填体的7天、14天、28天抗压强度的变化规律以及磁化水对水泥活性的影响。研究结果表明:在磁感应强度B=1000-2000Gs,水循环流速V=1.4-2.0m/s,磁化时间T=10-20min时,磁化水-全尾砂充填模块的7天抗压强度提高19%-28%,14天抗压强度提高17%-25%,28天抗压强度提高13-15%。     

复合絮凝剂XG用于工业废水的处理

利用自制的复合絮凝剂 XG处理多种工业废水 ,研究了废水处理工艺过程和处理条件对絮凝剂处理废水效果的影响。实验结果表明 ,XG应用于造纸、毛巾厂、化工等工业废水处理 ,CODCr去除率达 75%～ 80 % ,脱色率 >80 % ,处理操作工艺简单 ,成本低 ,处理效果优于聚合氯化铝。     

PLS-BP法定量分析火灾中的常见有毒有害气体

针对火灾和材料燃烧中常见的有毒有害气体,选取低浓度的CO、CO2、NO、NO2、SO2、HCl、HBr、HCN八种典型气体同时进行定量分析。基于傅里叶变换红外光谱技术(FTIR),设计可靠实验系统和实验过程控制,准确得到气体的光谱数据。通过合理去除干扰光谱区间、筛选样本、选择模型参数等,建立BP-PLS回归模型,并对未知样本进行预测,各组分的校正误差均方根RMSEC达到4×10-6以下,预测可决系数R2均达到0.95以上。通过将PLS-BP模型与经典的线性模型经典最小二乘(CLS)和偏最小二乘(PLS)进行比较,PLS-BP模型在非线性拟合能力和预测性能两方面明显高于经典线性模型CLS和PLS。     

基于GPR-TOPSIS方法的充填配比多目标多属性优化

为获得某金矿尾砂胶结充填材料最优配比,基于试验结果,以海水比例、灰砂比和料浆质量浓度为输入参数,以充填体强度、塌落度及泌水率为输出参数,建立了充填配比与其响应量的高斯过程回归模型,分析了不同因素对充填性能的影响程度;采用遗传算法对高斯过程回归模型进行多目标参数优化,获得了Pareto非劣解,在此基础上,引入多属性决策的TOPSIS法对Pareto非劣解进行方案优选,确定了充填最优配比。研究结果表明:高斯过程回归模型相对误差值均小于6%,可靠性高;灰砂比及料浆质量浓度对充填性能影响较为显著,采用海水作为充填水源将降低充填体的强度;经优化后的充填配比与试验结果相符。     

微生物絮凝剂处理造纸中段废水的实验研究

实验从土壤中分离筛选出1株絮凝活性较高的絮凝剂产生菌,经鉴定为1株黑曲霉.采用其产生的微生物絮凝剂M-2处理造纸中段废水,对絮凝条件进行了优化,在最佳絮凝条件下,M-2对造纸中段废水的CODcr去除率可达70.6%,浊度去除率可达91.7%,其絮凝效果优于传统的絮凝剂.     

化学环境下的应力-渗流耦合对尾 矿库稳定性影响试验

通过扫描电镜（FE-SEM）、能谱分析（EDX）、X射线衍射（XRD）、LMS-30激光粒度分析等室内试验探究了尾矿库内存在的酸、碱离子对尾矿颗粒的沉降、微观形貌、物质组成以及粒径级配的影响；建立酸、碱影响下的孔隙比与渗透系数的数学关系模型，并将建立的模型用来表征尾矿库内的应力渗-流场两场耦合机制，实现代入有限元计算软件的目的。结果表明:化学因素的存在影响着尾矿颗粒的多项性状，酸性环境下尾矿颗粒发生溶蚀，部分金属元素流失；碱性环境下尾矿颗粒间生成胶结物质，孔隙出现以含氢氧化铁为主的絮状、团簇状堵塞物，改变了渗流速度；尾矿库内浸润线高度在碱性、中性、酸性环境下依次降低，而渗流速度依次升高。     

基于EEMD-LSTM模型的尾矿库风险预测模型研究*

为了提高尾矿库风险预警能力,针对尾矿库稳定性受多种风险因素影响,以及风险变化的非线性,提出1种融合集合经验模态分解（EEMD）和长短期记忆（LSTM）的尾矿库风险预测模型。首先,采用皮尔逊相关系数分析尾矿库风险因素之间的相关性;然后,使用EEMD方法分解非线性的位移序列;最后,构建LSTM网络模型预测位移变化。以某尾矿库为例,将EEMD-LSTM模型与EEMD-BP模型、LSTM模型对比分析,评估模型的有效性。研究结果表明:EEMD-LSTM模型对尾矿库风险的预测精度明显提高,对防范化解尾矿库安全风险具有重要意义。     

基于FA-BAS-ELM的海洋油气管道外腐蚀速率预测

为提高海洋油气管道外腐蚀速率预测的精度和效率,建立基于因子分析(FA)和天牛须搜索算法(BAS)的极限学习机(ELM)腐蚀速率预测模型。利用FA对影响因素数据集进行降维处理,确定预测模型的输入变量;建立ELM预测模型,并采用BAS对ELM模型的参数进行优化,避免参数取值随机性对模型预测性能的影响;以实海挂片试验为例,通过建模仿真评价模型的预测性能,并与其他模型进行对比分析。结果表明:FA-BAS-ELM预测模型的平均绝对误差(MAPE)仅为1.92%,决定系数R²高达0.9949,相比于其他模型,该模型具有更优的预测性能。