不均衡数据下的采空区煤自燃PCA-AdaBoost预测模型

为提高不均衡数据下采空区自然发火预测准确率,选取O_2浓度等作为指标,利用主成分分析法(PCA)提取指标的主成分,并将主成分作为自适应增强算法(AdaBoost)输入参数,发火情况作为AdaBoost算法输出参数,建立不均衡数据下采空区自然发火PCA-AdaBoost预测模型;以张家口宣东2号矿为例,选取20组实测数据作为训练样本,用于训练模型;利用受试者工作特征曲线下的面积进行评价预测效果;利用训练好的模型预测15组测试样本,并将结果与粒子群优化支持向量机(PSO-SVM)模型进行比较。结果表明:在不均衡数据集条件下,利用PCA提取的算例的3个主成分包含原始6个指标的86.831%信息,降低了指标相关性,实现了降维;温度和CH_4浓度对发火影响更大;所建模型的预测结果与实际情况吻合,其在预测精度和收敛速度方面优于PSO-SVM模型。     

硫化矿石自燃倾向性评价的SVM识别模型

为了准确地评价硫化矿石的自燃倾向性,应用Logistic回归分析理论分析主要矿物及其含量、氧化速度常数平均值、自热点、自燃点4项指标与硫化矿石自燃倾向性等级之间的关系,选取氧化速度常数平均值和自热点作为特征指标,建立硫化矿石自燃倾向性评价的支持向量机(SVM)识别模型;以14组硫化矿自燃倾向性实测数据作为学习样本进行训练,建立相应的分类函数;利用回代估计法进行回检,再利用训练好的模型对6组现场实测样本的硫化矿石自燃倾向性进行识别。结果表明:对硫化矿石自然倾向性等级分类产生主要影响的指标是氧化速度常数平均值、自热点,建立的分类方程具有良好的预测效果,而主要矿物、含量和自燃点与分类关联性不大。     

V-W/TiO_2/γ-Al_2O_3催化剂催化还原NO的研究

掺杂15%TiO2对γ-Al2O3改性制备了TiO2/γ-Al2O3复合氧化物载体,以此复合氧化物及TiO2、γ-Al2O3为载体用浸渍法负载钒钨制备了一系列催化剂,采用比表面积和孔结构分析、X射线衍射(XRD)、高分辨电镜(HRTEM)、原位红外(in situ FT-IR)等技术对载体和催化剂进行宏观-微观表征,同时在模拟氨气选择性催化还原NO(NH3-SCR)的反应条件下对催化剂的脱硝反应活性进行考察,比较研究TiO2掺杂对V2O5-WO3/TiO2和V2O5-WO3/γ-Al2O3催化剂的改性作用。结果发现,少量TiO2掺杂制得的TiO2/γ-Al2O3复合载体中,TiO2和γ-Al2O3之间的协同作用使得V2O5-WO3/TiO2/γ-Al2O3催化剂的选择性催化还原脱硝效率及活性窗口明显优于单一载体制备的催化剂,并表现出了良好的热稳定性;各种表征结果表明,TiO2/γ-Al2O3复合载体中TiO2高度分散在γ-Al2O3上,复合载体具有较大的比表面积,载体表面存在大量的Br?nsted酸位和较多的活性中间产物,这些可能是TiO2/γ-Al2O3复合载体催化剂具有较好SCR活性的原因。     

煤层底板突水危险性GSPCA-LSSVM评价模型

为快速、准确地评价煤层底板突水危险性,选取水压等作为影响因素,以其灰色关联度作为灰色主成分分析(GSPCA)的协方差矩阵,提取信息不重叠的灰色主成分,并将该成分作为最小二乘支持向量机(LSSVM)的输入向量,底板突水危险性作为LSSVM输出向量,建立煤层底板突水危险性GSPCA-LSSVM评价模型;将20组实测数据作为训练样本训练模型,采用回代估计法进行回检;利用训练好的模型对5组检验样本进行评价。结果表明:利用GSPCA提取的主成分考虑原影响因素不完备性,包含其超过91.97%的信息,减少信息冗余;经GSPCA处理后LSSVM计算复杂度降低;用GSPCA-LSSVM模型评价煤层底板突水危险性,结果与实际情况基本吻合。     

露天采矿爆破振动对民房破坏的旋转森林预测模型

针对爆破振动对民房破坏问题,应用因子分析及旋转森林理论,选取爆破振动幅值、主频率、主频率持续时间、灰缝强度、砖墙面积率、房屋高度、屋盖形式、圈梁构造柱、施工质量、场地条件为影响因素。建立基于因子分析的露天采矿爆破振动对民房破坏的旋转森林预测模型。利用现场实测32组爆破数据作为学习样本进行训练。采用回代估计方法进行检验,误判率为1/32。用另外12组爆破试验数据作为测试样本进行预测。结果表明,就爆破振动对民房破坏而言,灰缝强度、房屋高度、屋盖形式、圈梁构造柱及施工质量与其相关程度较高。用模型所得预测结果的误判率为1/6。