数据驱动的油田污水处理水质预测研究

为实时掌控油田的污水处理站生产工况，结合桩西污水处理站的监测数据，使用改进的支持向量机模型对油田污水水质进行预测。通过归一化方法将收油和收悬浮操作记录转化为数值特征，实现预测模型对外部介入操作的及时响应。利用差分进化算法对预测模型进行超参数寻优，实现模型超参数全局最优值的快速确定，采用最优模型对含油量和含悬浮量进行预测和验证。结果表明，基于差分进化算法的支持向量机模型(DE-SVM)在2个水质指标的预测中，均能取得最高的决定系数(R²)和最低的平均绝对百分比误差(MAPE)，显著优于其他预测方法，对实现油田污水处理流程的主动控制具有重要意义。     

事故预测数学模型的研究与应用

现代安全管理技术需要科学理论的指导。采用数学的方法，运用数理统计、非线性回归分析及计算机应用等技术，分别对通化钢铁公司、吉林省冶金工业系统和冶金部的历年来工伤事故（轻伤、重伤、死亡）进行了统计分析，建立了相应的预测控制数学模型，并对所建立的模型进行了预测验证。     

水处理中线性回归和BPNN预测混凝投药量的比较

BP神经网络和线性回归模型是混凝投药前馈控制中2种不同的预测混凝投药量的方法.分别用这2种方法建立了混凝投药量前馈控制模型,并基于同一样本数据进行仿真比较.结果表明,该3层结构BP模型通过学习可以根据原水水质进行投药量的有效预测,优于传统的线性回归模型,具有较强的自适应性和实用性.但对某些水质的投药预测值还存在一定误差.     

事故预测分析的PETRI网

对事故预测分析Ｐｅｔｒｉ网模型中的事件、逻辑门表示及其模型构造进行了讨论；文中以一事故为例，对其ｐｅｔｒｉ网、ｐｅｔｒｉ网的可达标识图制作做了较为详细的介绍。在此基础上，分析可达标识图，求出导致事故发生的最小割集和最小径集，为控制事故的措施选择提供了可靠的理论依据。该方法表现直观，为事故的预测分析开辟了一条新的途径。     

基于Kalman滤波理论的矿山企业伤亡事故预测

结合矿山企业伤亡事故统计的特点，在充分掌握用于伤亡事故预测方法的基础上，选择基于Kalman滤波理论构建矿山企业千人负伤率预测模型，并对该模型的具体算法进行了改进。以我国某矿山的千人负伤率统计数据为例对该模型进行验证。结果表明，该模型预测精度较高，预测效果比较理想，不失为一种有效的预测方法。     

地铁施工引起地表沉降的Logistic模型预测及应用

目前,中国城市地下铁道建设方兴未艾,地铁施工对周边环境的影响不容忽视,而地铁施工诱发地表沉降预测与控制是亟待深入研讨的重要课题。针对地下铁道施工诱发地表变形的特征和规律,提出了应用Logistic模型进行模拟和预测的思想,详细阐述了Logistic模型的建立、参数估计、应用框架及其检验方法。结合北京地铁10号线呼家楼车站西南迂回风道拱顶处和设备通道施工引起地表竖直方向沉降的实测值,应用Logistic模型进行模拟和理论预测以及模型检验。Logistic模型预测法原理简单,计算容易,通过与施工中的实际测量值对比,证实Logistic模型预测法合理性和应用价值。最后提出了Logistic模型预测及应用的进一步深化研究方向。     

SFLA-Verhulst组合模型预测矿井瓦斯涌出量

针对矿井瓦斯涌出量的时变性、波动性、非线性以及不确定性等特征，提出了SFLA-Verhulst组合预测模型，用于对具有非线性动态特征的瓦斯涌出量进行预测。该模型通过蛙跳算法对Verhulst模型的背景值参数寻优，并引入一次指数平滑法对原始数据进行优化处理，建立了基于混合蛙跳算法的SFLA-Verhulst组合预测模型；结果使模型在原始数据不准确或存在误差干扰的情况下仍能进行精度较高的预测。将新模型应用于某矿瓦斯涌出量预测，并对模型的预测结果进行检验分析，结果表明:该模型在结合蛙跳算法的全局寻优特点后预测精度较传统的GM(1,1)模型有明显的提高，适用性更强。     

富水砂层刚度参数敏感性分析及地表沉降预测*

为了在富水砂层地铁盾构施工中保证施工安全，控制地表沉降是其重要措施。依托福州地铁盾构工程项目，利用正交试验方法，使用有限元软件Plaxis 3D建立25个数值分析模型，采用反分析的方法，确定富水砂层土体硬化模型(Harding Soil model)主要刚度参数之间的关系；通过对各刚度参数进行极差分析与方差分析，确定土体硬化模型各刚度参数敏感性和显著性，建立刚度参数与地表沉降的数学模型。研究结果可以较好地对最大地表沉降进行预测，为富水砂层参数优化和盾构施工地表沉降预测提供理论基础。     

大坝变形GA-LSTM组合预测模型研究

为监测大坝运行过程中的异常状态，防范化解大坝溃坝等重大风险，基于大坝变形大样本、非线性监测数据，引入长短期记忆(Long Short Term Memory, LSTM)神经网络模型对大坝变形趋势进行预测，以测试样本的均方根误差最小为适应度函数，采用遗传算法(Genetic Algorithm, GA)优化LSTM模型参数，建立大坝变形GA-LSTM组合预测模型。以福建水口水电站大坝为例进行验证分析，并与LSTM模型和门控循环神经网络(Gated Recurrent Unit, GRU)模型预测结果进行对比分析。分析结果表明，GA-LSTM模型的预测效果和性能更佳，且相较于LSTM模型和GRU模型各测点预测误差均有减小，平均绝对误差减小量最高达6.92%。     

基于BFGS-BP神经网络岩爆分类研究

BP神经网络模型是岩爆预测中的常用模型，为了强化预测效果，选取BFGS算法对BP神经网络模型进行优化。选取应力系数■、脆性系数■和弹性能量指数W_et作为预测指标，国内外46组案例作为样本库，分别建立BFGS-BP神经网络模型和传统BP神经网络模型，对比验证其优化效果，将建好的模型用于锦屏二级水电站和秦岭隧道加以检验，得到一种有应用前景的机器学习预测模型。     

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。     

片岩隧道变形规律分析与预测方法研究

为准确掌握片岩隧道变形规律,基于隧道变形监测结果,利用核极限学习机构建隧道变形初步预测模型,通过遗传算法和蚁群算法进行优化处理,以保证模型参数的最优性,采用混沌理论对预测误差进行修正处理,利用M-K分析判断隧道变形趋势,并将趋势判断结果与预测结果对比.结果表明:通过递进优化处理,能逐步提高预测精度,且预测结果的相对误差...     

动力扰动作用下充填体的力学响应研究

稳定的充填体是二步骤矿房回采的安全保障。在采矿动力作用下实现充填体的稳定性预测,是二步开采的安全控制关键。为了研究不同扰动幅值下充填体的动力响应规律,以某矿山工程为研究对象,采用Midas/GTS与FLAC3D数值模拟技术,建立了充填体动力稳定性分析的三维数值模型并进行了数值模拟分析。研究结果表明:动力扰动作用下,充填体暴露面的破坏区域由四周逐渐向中心扩展,并随着动力扰动幅值的增加,充填体暴露面破坏区域逐渐增大直至贯通破坏;充填体暴露面质点峰值振动速度随着动力扰动峰值的增加而增加,并得出了适用于该矿充填体暴露面振动峰值速度与动力扰动幅值之间的函数关系。距动力加载面越远,充填体内部质点峰值振动速度越小,且距动力加载面0~12 m处,质点峰值振动速度衰减较慢,从12~20 m质点峰值振动速度下降趋势最为明显。     

采空区多孔介质空隙率与渗透特性三维空间动态分布模型*

为揭示采空区垮落后堆积体及上覆岩层空隙率与渗透率三维空间的动态分布规律，基于开采空间守恒理论，构建采空区的空隙率与渗透率三维空间动态分布模型。利用该模型，得出不同空间位置与不同开采结束时间下空隙率和渗透率分布图。结果表明:采空区垮落岩体的空隙率和渗透率在水平方向呈“凹”状分布，采空区两侧巷道附近空隙率和渗透率较大，中部较小；在垂直方向随着与底板距离的增大，空隙率和渗透率大幅度减小。该模型描述了采空区多孔介质空隙率与渗透特性三维空间分布随时间逐步压密实的过程，可为煤矿瓦斯预测与防治提供一定的借鉴和参考。     

基于动态数据驱动的煤矿瓦斯异常涌出风险预警系统设计*

为解决煤矿瓦斯异常涌出风险预警过程中过度依赖系统模型,不能动态实时修正预测模型,预测、预报精准度和可靠度不高的难题,基于动态数据驱动技术,搭建瓦斯异常涌出风险预警系统架构,探讨动态数据驱动的瓦斯涌出监测曲线拟合、动态预警模型选择和修正、预警系统研发等关键性技术,开发基于动态数据驱动的瓦斯异常涌出风险预警系统软件。结果表明:动态数据驱动技术在煤矿瓦斯异常涌出风险预警方面具有强大的信息处理和问题求解能力,可实现仿真系统与实际系统间的动态响应和控制功能,并实时反馈修正,使预测结果更加精确、可靠,设计研发的预警系统可在矿井受瓦斯异常涌出威胁时发出可靠的预警信号。     

基于EFDC水动力-水质模型的建立--以慈湖河为例

本文根据马鞍山市慈湖河流域水环境现状,结合当地政府对慈湖河的管理整治目标,选择EFDC水动力-水质模型作为慈湖河水环境模型。并根据慈湖河流域整体情况对时间空间进行概化。时间概化上,最终确定水动力学模拟时间步长为10s,水质模拟时间步长为20s;空间概化上,采用凸四边形网格概化,各网格之间为一维线性关系;通过CAD、GIS软件,将河道划分为106个网格,共计86行、24列,建立二维模型。通过研究参考文献及相似案例,最终确定本模型的参数和取值。将参数值输入程序中,对慈湖河流域2013年水质进行模拟计算。与马鞍山实际数据比对后发现,模型输出的水位、流速、水质结果在合理范围内。表明在慈湖河干流建立二维水质污染扩散模型,具有较高的拟合、预测精度和泛化能力,模型及方法可为相关水质预测研究提供参考。此外该模型可与web应用系统集成,应用于水质预警,模拟不同污染负荷情形下水质变化,模拟污染事故发生后不同应急措施对污染情况的改善效果,为污染控制和水环境管理工作提供科学依据。     

基于灰色马尔科夫模型的机场安检危险品数量预测

机场安检的危险品数量具有动态、随机、非线性等特点,传统的GM(1,1)模型无法对其作出准确的预测。利用灰色GM(1,1)模型对2014年1—5月所查获的危险品数量进行计算、检验,并对6—8月的危险品数量进行预测。首先建立危险品数量的GM(1,1)模型,然后再对其预测值进行修正,结果表明,灰色马尔科夫模型的平均相对误差比灰色预测模型的平均相对误差减小了25.18%,表明灰色马尔科夫模型比单一的灰色预测模型的精度高,该模型是有效可行的,可为航空公司6—8月将要查获的危险品数量预测提供理论基础,以便引起相关部门的高度重视,并采取相应措施以保障旅客安全。     

考虑数据去噪分解的滑坡位移组合预测研究

为准确掌握滑坡位移变化规律,基于滑坡变形监测结果统计,对位移数据进行去噪分解处理,将滑坡位移数据分解为趋势项和误差项,并分别利用优化多核极限学习机和Arima模型构建预测模型,以实现滑坡位移的组合预测.结果表明:Morlet复小波较传统去噪模型分解效果更优,且通过优化处理,能更好地提高其分解能力;通过对多核极限学习机的...     

改进BP算法在煤与瓦斯突出预测中的应用

为了正确预测煤与瓦斯突出的趋势与危险性 ,基于反向BP神经网络 ,笔者提出了一种改进的BP网络模型 :为了加快BP网络的收敛速度 ,增强其跳出局部极小点的能力 ,采用了自适应变步长法和改进模拟退火法 (SA法 )相结合的方法。实际应用表明 ,该模型收敛速度快 ,准确性高 ,具有较高的可靠性和实用性 ,是一种十分有效的煤与瓦斯突出危险性预测方法。     

基于支持向量回归机的煤层瓦斯含量预测研究

为了对煤层瓦斯含量进行准确预测,应用支持向量回归机(SVR)理论建立煤层瓦斯含量预测模型,结合现场实测数据利用支持向量机(SVM)工具箱进行模型的求解及预测,并从均方根误差、希尔不等系数和平均绝对百分误差3个不同误差指标与人工神经网络预测模型进行比较分析。研究结果表明:SVR模型其预测精度及可行性高于神经网络模型,而且运算快,实时性较好,用于煤层瓦斯含量的预测较理想,具有良好的应用前景,可以为煤矿瓦斯防治提供理论依据。