自适应神经网络在确定落煤残存瓦斯量中的应用

落煤残存瓦斯量的确定是采掘工作面瓦斯涌出量预测的重要环节，它直接影响着采掘工作面瓦斯涌出量预测的精度，并与煤的变质程度、落煤粒度，原始瓦斯含量、暴露时间等影响因素呈非线性关系，人工神经网络具有表示任意非线性关系和学习的能力，是解决复杂非线性，不确定性和时变性问题的新思想和新方法，基于此，作提出自适应神经网络的落煤残丰瓦斯量预测模型，并结合不同矿井落煤残存瓦斯量的实际测定结果进行验证研究，结果表明，自适应调整权值的变步长BP神经网络模型预测精度高，收敛速度快，该预测模型的应用可为采掘工作面瓦斯涌出量的动态预测提供可靠的基础数据，为采掘工作面落煤残存瓦斯量的确定提出了一种全新的方法和思路。     

R/S法的土石坝施工期沉降规律及预警标准研究

为提高施工期土石坝沉降安全性,研究其具有复杂非线性特征的施工期沉降规律和相应的预警标准。基于国内某在建高土石坝的沉降数据,采用R/S法分析坝体不同高程测点、同高程测点和同测点不同时期沉降数据的Hurst指数及分形维数,提出评价坝体施工期沉降安全性的预警标准。结果表明:各测点的Hurst指数最小值为0.763,坝内各处沉降仍处于快速增长阶段;坝体下部比上部、中部比下游堆石区沉降能更快趋于稳定,且坝体下部的沉降速率已经渐趋平缓。     

民营企业安全文化模型及其实证分析

针对民营企业特点,基于交互安全文化模型,建立民营企业安全文化模型并辨识 关键元素,以赛轮金宇股份有限公司为例进行实证分析。在广泛参考国内外相关研究的 基础上,设计调查问卷,运用粗糙集ROSETTA软件对测量结果进行属性简约,最终确定 15个安全文化元素;借助MATLAB,采用熵权法确定各元素权重,然后进行可拓综合评价 。评价结果表明该企业的“高层管理者重视”一项得分为4.82,水平较高,整体文化等 级属于“良”,级别特征变量j*=3.138 1。“创造安全舒适的工作环境”、“建立合理 的奖惩制度”、“定期进行应急演练”3个方面得分偏低,是安全文化建设需要重点加 强的方面。