基于神经网络的温度预测

室内温度与诸多影响因素之间的非线性、复杂性等关系 ,给建模、预测带来了难度 ,引入了人工神经网络 ;利用人工神经网络的非线性、并行计算和自学习特性进行建模 ,实现了对温度模拟     

掘进面“三压带”分段注水机理及应用研究

针对高瓦斯、大风量及突出掘进面的治尘难题,提出掘进面"三压带"分段注水新方法,采用理论分析法对"三压带"分段注水机理进行研究;根据钻煤屑全水分分析法、滤膜测尘法及钻屑量称重法,分别对"三压带"采用分段注水前后煤体湿润半径、降尘效率及应力分布规律进行测试。结果表明,掘进面"三压带"采用分段注水后,煤层湿润半径达2 m左右;司机处及其后10 m处降尘效率分别达到66.5%、67.6%;卸压带被延伸到9 m左右,9～12 m范围内的集中应力带峰值相比注水前明显降低,能取得较好的防尘及防突效果。     

遗传神经网络在煤层自燃预测中的应用

煤层开采自燃危险性程度与许多影响因素之间存在着复杂的非线性关系，利用人工神经网络技术和人工生命学中的遗传算法，建立了预测模型，不但很好地解决了该问题，同时也大大提高了运算速度。     

广州市中心城区公交车站颗粒物污染暴露特征及影响因素分析

为探究超大城市居民在中心城区公交车站候车的颗粒物暴露情况,使用Grimm Aerosol 11-A型便携式气溶胶光学粒径谱仪对广州市越秀区和天河区共7个典型公交车站的颗粒物污染暴露进行平行监测.结果表明:①各公交车站的平均PM₁、PM_2.5和PM₁₀暴露浓度分别为（33.35±15.96）（46.97±22.94）和（89.70±67.07）μg/m3,休息日公交车站的暴露浓度约为工作日的2倍,高峰期颗粒物暴露浓度略高于平峰期.②候车乘客数、道路车流量和相对湿度是影响PM₁、PM_2.5暴露浓度的主要因素,纯电动公交车停靠次数虽对细颗粒物暴露浓度无明显贡献,但其制动、轮胎与路面摩擦以及扬尘产生的粗粒径排放成为PM₁₀污染的主要因素之一.③粗粒径模态（1~10 μm）颗粒物是颗粒物浓度的主要贡献源,其浓度占比高达63%,但数浓度占比不足1%;而积聚模态（0.25~1 μm）颗粒物数浓度占比在99%以上,部分车站积聚模态颗粒物质量浓度占比超过40%,说明细颗粒污染严重.④单位时间内公交车站候车乘客PM₁、PM_2.5和PM₁₀总暴露剂量分别为（241.80±82.85）（342.59±112.11）和（681.17±226.89）μg/h,表现出工作日高于休息日、工作日高峰期高于平峰期、休息日高峰期低于平峰期的特征,部分车站（如DF和LS站）老人总暴露剂量占比超过40%,成为公交车站主要暴露对象之一.研究显示,广州市中心城区公交车站颗粒物暴露特征时空差异明显,道路车流量、相对湿度、候车乘客数和公交车停靠次数是影响颗粒物暴露浓度的主要因素.      

用于挥发性颗粒物连续测量的冲击式采样器设计

为了实现滤膜式PM2.5测量仪中挥发性颗粒物的连续补偿测量,根据挥发性颗粒物加热挥发、冷却凝结的物理特性,利用冷凝装置和串级冲击采样器原理,设计了双通道的挥发性颗粒物连续采样测量装置。按照采样粒径为10、5、2.5μm的颗粒物设计了3级冲击采样器,通过理论计算得到了采样器的孔径、孔数等相关参数;对采样器中采集的样品使用石英晶体微天平(QCM)直接测量,并采用加热清洗的方式结合双通道的设计实现挥发性颗粒物的连续采样测量。该装置不但可以应用于目前滤膜式颗粒物监测仪中的挥发性颗粒物补偿测量,使测量结果更加准确可靠;也可直接应用于挥发性颗粒物的测量分析。