不同火灾规模下隧道水幕线性喷水强度的研究

为了探究火源功率和水幕线性喷水强度对烟气特征参数和水幕阻烟隔热能力的影响，以全尺寸隧道为研究对象，采用FDS数值模拟方法，还原验证了前人使用的小尺寸模型，研究了20组工况下烟气特征参数变化的规律。研究结果表明:根据相似性原理还原后的全尺寸模型在相同工况下的模拟结果与小尺寸实验基本一致；水幕系统降低遮光率的效果随线性喷水强度增加而增强，当线性喷水强度增至一定程度时，遮光率和隔热效率无明显变化；对于中、大型规模火灾，水幕有效作用时间出现减少的情况；火源功率为5，20，30 MW的小、中、大规模的隧道火灾，综合考虑经济性和水幕效果，建议分别选择水幕的线性喷水强度为8，14，16 L/(s瘙
簚m)。     

城市公路隧道火灾近火源区长度的研究

为对近火源区长度进行研究,以城市公路隧道为研究对象,采用理论分析与数值模型相结合的方法,探究了大火源功率、有效顶棚高度和火源横向位置对近火源区长度的影响,对36个工况的数值模拟和温度场变化规律的研究与分析。结果表明:火焰未撞击顶棚时,火源功率对近火源区长度几乎没有影响;当火焰持续撞击顶棚并形成水平扩展火焰时,近火源区长度受火源功率和有效顶棚高度影响较大,其无量纲形式与无量纲火源功率的2/3次方呈线性关系;随着火源与侧壁距离的减小,近火源区长度呈自然指数增加趋势;火源贴壁时,近火源区长度是火源位于隧道中部时的1.866倍;提出了近火源区长度预测模型,基本揭示了烟气由过渡阶段转入一维蔓延阶段起始位置的变化规律,能够为定量研究各阶段烟气流动特性提供参考依据。     

改进的GA-BP神经网络在矿井突水水源判别中的应用

矿井突水水源的判别是制定防治水措施的重要环节。通过对某矿含水层水化学特 性的相关性分析,将PCA算法、K折交叉验证算法嵌入GA-BP神经网络,提出了一种新的 GA-BP神经网络,将其应用于实例分析中,并与传统的方法进行比较。结果表明:针对 水化学特性相近的含水层,PCA算法能够排除样本中的冗余信息,降低样本指标维度, 简化BP神经网络结构;K折交叉验证算法能够提高GA算法对BP神经网络权值的寻优质量 ,使GA算法的进化方向更具合理性;二者的引入大大优化了传统GA-BP神经网络性能, 其判别精度更高、适用性更强、结果更可靠,在矿井突水水源判别方面具有很好的应用 前景。