煤中掺比伴生硫化物的自燃特性分析

为了深入探究矿井下伴生硫化物对煤自燃及着火燃烧特性的影响，向原煤中添加不同量的含硫物配制4种不同含硫量的煤样，通过TG实验、DSC测试和XRD分析，研究伴生硫化物对煤自燃及着火燃烧特性的影响规律；基于Coats-Redfern法计算煤中掺加不同伴生硫化物时煤燃烧阶段的活化能。研究结果表明:随着煤中掺比伴生硫化物的增多，煤的特征温度相应减小，而吸氧量、可燃和稳燃指数相应增大，原煤中混入伴生硫化物后更易自燃；随着煤中掺比伴生硫化物的增多，煤燃烧阶段的活化能降低，煤更易着火燃烧；伴生硫化物的主要成分为水绿矾、叶绿矾，这些物质在常温下遇水和氧气能够发生化学循环反应，反应放热促使了煤更易自燃；伴生硫化物在温度高于200℃以后整体表现为放热，在温度为565℃时达到放热峰值，这使得煤燃烧阶段的活化能降低，煤更易燃烧。     

堰槽式明渠废水流量监测数据有效性判别技术研究

针对缺少堰槽明渠废水流量监测数据有效性判别技术的现状，研究了计量检定期间对废水流量计的监督检查技术，设计了现场计量检定项目、流量计运行维护情况、生产工况的变化3个方面检查内容、8项检查指标，并分别提出了检查方法及检查结果的判定与处理，填补了中国废水流量自动数据有效性认定的技术空白，完善了废水流量监测的质控体系。开展的试点工作表明，该文提出废水流量计监督检查技术具有较好的实用性。     

基于水化学分析的煤矿矿井突水水源判别

矿井突水是煤矿生产过程中的主要自然灾害,准确判定矿井突水水源是解决突水问题的重要条件。基于模糊综合评判和矩阵方程分析数学原理,分别建立了矿井突水的模糊综合评判和矩阵方程分析模型;在水化学分析的基础上,建立了水样6项指标评判标准,利用两种方法分别对某煤矿3个不同突水巷道水样进行了水源判别,并与实际突水水源相比较。结果表明,模糊综合评判和矩阵方程分析均能有效判别矿井突水水源,但各有其优越性及局限性,选择何种判别方法应视矿井突水水化学资料状况而定。     

矿井水源判别的GA-SVM模型研究

作为水在岩体中流动通道的渗透结构面,微观上表现出不连续性和高度的非线性等特点,因此,矿井充水水源具有不确定性、非线性。传统水化学判别分析方法往往难以准确地描述这种复杂的非线性特征,因而对矿井水源进行准确判别尚存在一定的困难。在传统SVM(Support Vector Machine,SVM)的基础上,利用遗传算法(Genetic Algorithm,GA)对传统SVM进行优化,克服了传统SVM模型参数选取经验化的弊端,并利用该方法对开磷集团马路坪矿几种水源的6个化学样本进行训练,建立了GA-SVM模型。实例分析表明,该模型判别结果与实际情况相符合,表明该模型在矿井水源判别中具有良好的实用性和有效性。     

基于突变理论的太湖富营养化程度判别

基于太湖夏季9个水功能分区的水质监测结果,综合考虑生物因子(叶绿素a浓度)、营养盐因子(总氮、总磷)、理化因子(水体透明度、高锰酸盐指数)作为评价指标,运用印第安人茅舍型突变模型对太湖的富营养化程度进行定量判别和分析。结果表明:太湖营养化程度时空分布不均。6月份,竺山湖的综合突变隶属度值为0.363;7月份,五里湖、梅梁湖、竺山湖及西部沿岸区的综合突变隶属度值分别为0.328、0.371、0.344及0.337;8月份,梅梁湖和西部沿岸区的综合突变隶属度值分别为0.373和0.362。因此太湖西部、北部的富营养化程度较高,处于中度富营养化状态。     

沙尘暴对大连市空气质量影响的判别研究

利用二次因子分析法对大连市区5个大气自动监测点住所测的四种污染因子(CO、SO2、NOx、PM10)和风速(1997～2004年)资料数据进行分析,分析了当地污染排放累积和外来输送两种主要原因,对大连市空气质量的影响.通过进一步对CO、NOx、PM10因子得分之差(FS2-FS1)的分析,找出了适合确定沙尘暴对大连市空气质量影响的判据,即(FS2-FS1)>0     

土地资源、环境与经济发展的协调性评价

评价系统发展协调性的“协调判别法”是这样一种方法：先为系统的各子系统选择一些有代表性又可用一定指标度量的要素，按一定标准将要素分作满意与不满意两类，统计加总各类要素的数量，以之作为度量用的综合指标，并经归一化处理得各子系统的“状态数”；再将这些子系统与一定的“状态空间”对应，在此空间中利用“状态数”确定子系统所属系统的“状态点”及“完全协调线”；然后分别计算状态点与协调线的距离（偏离度）、状态点与原点的距离（优化度），借助它们便可评价各子系统发展的同步性及相应系统的协调性。以此方法对通州市由土地利用、自然环境和社会经济3个子系统组成的系统进行的协调性评价表明，“协调判别法”具有含义明确、简单、较客观、易操作、可比性强的特点，适用于评价复杂系统的协调发展问题。     

对水质自动监测中测量值突变的判别与处理

以程序化方式介绍了判别水质自动监测中测量突变的原因。提出当发现某主要指标异常时，应查看相关指标的运行情况，再校准仪器，并人工同步分析样品。若测定结果的相对偏差大于5％，表明测量仪器故障；若相对偏差小于5％，应继续进行源水分析比对，以判别是仪器故障还是污染事故。通过实例分析，淮南市水质自动监测中DO测量值偏低的原因：一是取水泵安装位置不当，造成负压抽水，使水中DO溢出；二是流程太低，致使管道藻类大量繁殖，消耗了水中DO。解决方法：正确安装取水泵，并加大水泵抽水量，冲刷管道藻类。     

Water quality evaluation of Haihe River with fuzzy similarity measure methods

Fuzzy similarity measures, which are used to judge the closeness of two fuzzy sets, are presented to evaluate the water quality of the Haihe River. Based on the membership functions and coefficient of variation as the weights, four fuzzy similarity measures （including Lattice similarity measure, Hamming similarity measure, Euclidean similarity measure and the max-min similarity measure） are used to classify the 299 samples into the proper water quality standard ranks. The results are compared with the traditional distance discriminant methods. The calculation of two traditional distance discriminant methods （both Euclidean distance and absolute value distance） is also based on the use of coefficients of variation as the weights. Without the Lattice similarity measure, for this method loses some information, the correct assignment of samples classified into the same water quality ranks is 75.92% with the other three similarity measures and two distance discriminant methods. This result shows the reliability of the five methods. Only considering the three similarity measures, there were only 1.01% of the samples that did not classify to the same ranks, while the corresponding ratio of the two distance discriminant methods was 5.69%. The results of leave-one-out cross validation show that more than 88% of the samples are classified to the proper ranks, which demonstrates that the similarity measures are suitable to evaluate the water quality of the Haihe River.