硫化矿石堆自燃预测预报技术

笔者在参考大量有关煤炭自燃理论研究成果的基础上,结合国内外关于硫化矿石氧化自燃的研究现状,对硫化矿石堆自燃的预测预报技术进行系统分析。概述硫化矿石氧化自热的机理;详细介绍硫化矿石的自燃倾向性测试、综合因素评价、统计经验法等预测方法;找出煤炭与硫化矿石堆自燃过程的共性,提出了数学模型模拟预测方法;阐述了标志气体分析和测温两种预报方法。展望硫化矿石堆自燃预测预报技术对硫化矿山的安全生产具有重要的指导意义。     

硫化矿石自燃阻化剂优选试验研究

为防治硫化矿自燃并改善矿区环境质量,得到高效硫化矿自燃阻化剂配方,通过优化组合试验筛选水玻璃(Na2SiO3·9H2O)和高倍吸水剂(聚丙烯酸钠)2种阻化剂基料.室内试验条件下,向冬瓜山铜矿的硫铁精矿矿样中分别添加不同配方的阻化剂,并采用氧化增重法测得各配方的阻化率.结果表明,硫铁精矿的适宜阻化剂为水玻璃.本文得到了对硫铁精矿具有良好阻化效果的阻化剂配方,其研究方法对硫化矿石自燃的防治具有指导意义.     

采场硫化矿石爆堆自燃危险性评价研究

在非煤矿山中,许多矿山因矿石含硫量高,在开采过程中经常发生矿石自燃火灾。因此,开展采场矿石自燃危险性评价意义重大。作者通过总结以往的评价方法,并在做了大量实验的基础上,建立了针对硫化矿石氧化自燃危险性的综合评价体系。首先,以“火灾、爆炸危险指数评价法”(DOW)为模型,根据影响硫化矿石自燃的因素分析,建立了针对硫化矿石自燃危险性的评价指数和等级。据此,结合新疆某矿的矿石自燃性开展评价。作者在评价过程中,考虑了该综合评价法在矿山生产中的实用性,评价方法中的各个影响因素都可以通过实验或者现场调查确定其应取的危险值,这种评价方法适用于所有的硫化矿山火灾危险性评价。     

硫化矿石自燃过程吸附氧研究

本文主要对硫化矿石动态物理吸附氧、化学吸附氧及化学氧化反应过程进行了分析。利用程序升温氧化（TPO）实验方法,测试了不同种类的硫化矿石矿样在不同吸附时间、不同环境温度下氧化的总吸氧量,并对硫化矿石自燃过程动态吸附氧与其自燃倾向性之间的关系进行了探讨。实验表明：硫化矿石自燃过程吸附氧是一动态发展过程,随着温度的上升矿样吸附氧的量呈上升趋势,但这种趋势不是完全线性的,即当矿样温度加热到其自热起始温度以上时,加快了矿体的升温,矿样的吸氧量先有一上升的趋势,而后继续降低。     

多因素耦合条件下硫化矿自燃神经网络动态预测模型研究

硫化矿石自燃是多种因素、多场耦合综合作用的结果,是一典型的非线性问题。笔者应用人工神经网络技术,以Matlab软件为平台,通过现场调查和理论分析,建立了矿石含硫量、通风强度、环境温度3因素与硫化矿石自燃之间的预测模型;通过数据样本学习与部分现场监测数据相结合进行模拟,研究表明预测数据与实测结果基本吻合,误差控制在10%以内,取得了较好的效果。该研究为预防硫化矿石自燃提供一个新的思路和方法,具有一定的理论意义和应用价值。     

硫化矿石自燃倾向性鉴定技术研究

根据硫化矿石自燃过程的复杂性,通过程序升温氧化（TPO）实验对硫化矿石吸附性能进行研究,提出了硫化矿石程序升温氧化（TPO）吸氧鉴定的方法,测试矿样温度从30℃到1000％条件下的总吸氧量和自热起始温度作为硫化矿石自燃倾向性鉴定指标,并对其进行分类;提出了基于支持向量机的硫化矿石自燃倾向性预测方法,通过预测建模最终达到了预期数据与实际数据的最佳拟合。     

灰色预测在矿山企业伤亡事故预测中的应用

利用灰色系统预测理论,根据矿山企业的职工伤亡事故统计数据建立了工伤事故(千人负伤率)的动态GM(1,1)模型.对今后几年的事故负伤率进行灰色预测,对预测精度进行了验证.从具体实例出发进行了分析与预测,结果表明拟合程度较高,对企业的安全生产有一定的指导意义.     

基于程序升温氧化法的硫化矿石自燃倾向性研究

由于不同类型的硫化矿石氧化性不同,暴露在空气中的表面活性不同,其耗氧速率也不同。本文对几种硫化矿石矿样进行了程序升温氧化实验,获得了不同类型的硫化矿石矿样在氧化过程中的总吸氧量、自热起始温度与温度曲线。实验表明：硫化矿石氧化前期（矿样温度小于自热起始温度）氧化速度较慢,后期（矿样温度大于自热起始温度）氧化速度较快,说明当矿样温度加热到其自热起始温度以上时,矿样氧化放热量明显加大,加快了矿体的升温。     

基于灰色BP网络的火灾事故预测

将BP网络模型与灰色系统预测方法相结合,利用人工神经网络对GM(1,1)模型进行残差修正,建立了火灾事故预测模型.该模型兼具灰色系统与BP网络的优点,不但能体现火灾复杂的灰色系统行为,又能根据每次学习误差的不同调整学习速率,加快收敛速度.与单一的GM(1,1)模型相比,该模型预测结果具有更高的精度.     

硫化矿床自燃发火实验研究

金属矿山特别是硫化矿山,在开采过程中曾多次发生过矿石自燃火灾事故,给国家造成了巨大的经济损失.我国矿山企业中,有许多硫化矿山.本文综述了国内外在硫化矿床自燃发火实验研究方面的研究进展,指出我国至今还没有出台一套完整成熟的硫化矿床自燃倾向性实验室鉴定标准.     

矿井粉尘浓度的灰色预测法

采用粉尘浓度统计值建立GM(1,1)模型,进而对粉尘浓度进行预测,说明这种方法的有效性和实用性.     

灰色预测模型在能源消费需求预测中的应用

以我国1998—2008年度5种能源实际消费数据分别作为原始离散数据序列,利用非线性理论中的灰色建模原理,以关联度分析和残差辨识为基础,应用缓冲算子三公理原理对各能源消费的原始序列进行二阶弱化(D2)得序列X(0)。再通过生成处理和倒数变换获得序列X(1),借助灰色系统理论数据处理软件、Originapro作图软件和Matlable计算软件求得各模型的待辨参数a,b和c后,获得基于贫信息的传统GM(1,1)模型、基于原始数据具有绝对误差的灰色CompertzI和具有相对误差的灰色CompertzII模型。通过残差检验发现,建立的15种预测模型的预精度在85%～98%,属好的预测模型,预测数据可靠。用其预测我国2015年度的能源需求发现,煤炭占总量的66%～70%,说明煤炭依然是未来能源中的主体能源,高效开发与科学利用是未来的重点,同时也揭示:高消费有限的不可再生能源,意味着主体资源即将枯竭,开发新能源已成未来社会稳定与发展的重大课题。     

基于混沌、灰色理论模型,预测煤矿生产中安全状况的对比分析

建立煤矿安全生产状况预测的非线性回归模型、混沌动力学模型、灰色模型和灰色残差模型,用4种模型对我国百万吨煤矿死亡率进行预测分析,其结果表明:混沌动力学预测模型和非线性回归模型使用参数较少、计算简单,易于推广,但预测精度尚不高,误差较大;使用灰色残差模型进行预测,虽然计算复杂,但预测精度较高,验证2007年度百万吨死亡率相对误差仅为0.96%,煤炭生产的安全性指标百万吨死亡率宜采用残差模型进行预测。笔者认为,灰色残差模型在对煤矿安全生产的宏观管理领域有广泛的应用前景。     

大同矿区煤的导热系数灰色关联分析及预测

为分析煤质指标及密度对导热系数的影响作用,选取了山西大同矿区的不同煤质煤样,进行导热系数测定实验,应用灰色系统理论对导热系数与影响因素进行灰色关联分析,建立导热系数与主要影响因素的GM(1,4)灰色预测模型,进行导热系数预测。结果表明:固定碳、密度和水分是影响煤导热系数的主要因素;根据得出的主要影响因素建立的GM(1,4)预测模型平均相对误差为4.5%,预测精度较高,能够用于导热系数的预测。     

基于RS-云模型的硫化矿石自燃倾向性综合评价

为实现硫化矿石自燃倾向性的综合评价,应用云理论,选取矿样的氧化质量增加率、自热点和自燃点等定量化指标构建了评价指标体系,运用粗糙集法（Rough Set, RS）计算各评价指标权重,依据分级标准对云模型进行标准化,进而建立硫化矿石自燃倾向性分级的RS-标准云模型。以30组工程实例进行模型检验,并在实际工程中进行应用。结果表明:RS-标准云模型的判别结果与实际结果较吻合,且判别准确率高于贝叶斯(Bayesian, Bayes)方法,表明RS-标准云模型在硫化矿石自燃倾向性综合评价中具有良好的实用性和可靠性,可为矿山的硫化矿石自燃灾害的研究提供一种新思路。     

Investigation of the propensity of sulfide concentrates to spontaneous combustion in storage

Spontaneous combustion of sulfide concentrates can cause many serious problems during storage. In this study, two representative samples (sulfur-rich sulfide concentrate and iron-rich sulfide concentrate) were investigated for the self-heating behavior using the crossing-point temperature (CPT) method. The corresponding apparent activation energies were determined, 13.7366 kJ/mol for iron-rich sulfide concentrate and 21.3817 kJ/mol for sulfur-rich sulfide concentrate. Furthermore, the surface temperatures of sulfide concentrate stockpiles in different seasons were also measured by a thermal image apparatus. It was found the temperature for iron-rich sulfide concentrate stockpile was higher than that for rich-sulfur sulfide concentrate stockpile. These research results show iron-rich sulfide concentrate exhibits stronger propensity to spontaneous combustion than sulfur-rich sulfide concentrate. Particular attention should be paid to the fire hazard of iron-rich sulfide concentrate in daily safety check work. The combination of the CPT method with the infrared thermal image measurement provides a new approach for the risk assessment on the propensity of sulfide concentrates to spontaneous combustion during the production, storage and transportation. The useful data and experience achieved in this investigation can be also referenced in similar cases later.     

灰色Elman神经网络在火灾事故预测中的应用研究

针对我国火灾事故现状,结合灰色理论和神经网络的特点,提出灰色Elman神经网络火灾事故预测模型。依据我国1998—2007年火灾事故统计数据,分别选用GM(1,1)模型和灰色Elman神经网络模型对1998—2005年数据(火灾起数)进行拟合,对2006年、2007年数据进行(火灾起数)预测。结果表明:灰色Elman神经网络火灾事故预测模型符合火灾事故的特点;有效地解决了传统灰色预测模型在火灾事故预测中误差大稳定性差的缺陷,提高了预测精度;可对火灾事故进行预测与分析,为消防安全管理提供依据,以最大限度地减少火灾事故的发生。     

基于灰色预测理论的瓦斯传感器自校正技术

笔者提出了将灰色预测理论与单片机技术相结合 ,对瓦斯传感器的非线性进行自校正的新思路 ;采用了灰色预测理论中GM(1,1)模型和单片机技术相结合 ,将预测误差值对传感器的实测值进行分段补偿的方法 ,实现对瓦斯传感器的非线性自校正 ;该方法克服了灰色预测理论对波动较大的随机序列的预测精度低的缺陷。其研究结果表明 ,应用该方法得到的预测值与真值的拟合程度好 ,预测值与真值之间最大的差值为 0 .15 0 1% ,而该处校正前的差值为 0 .30 0 0 % ,提高了传感器的测量精度。     

灰色预测在平朔煤炭工业公司安全生产中的应用

利用灰色系统理论,建立了平朔煤炭工业公司事故伤亡率的GM(1,1)动态预测模型,并采用残差修正方法,提高了预测精度.对于该矿山有效地控制安全事故的发生,减少其造成的经济损失起到了重要的作用.     

改进GM(1,1)模型在城市环境噪声预测中的应用

本文从传统GM(1,1)预测模型构造原理出发分析其存在的不足,指出模型适用于具有较强指数规律的序列,只能描述单调变化过程,而且预测数据序列中出现连续两个相等值时将使得a等于0,会使预测数据发散致使预测失效.文中通过采用平均斜率的概念计算a(k)序列,并利用MATLAB编程实现数据处理.广州市环境噪声污染数据的计算表明,新方法有满意的拟合和预测效果,从而为提高建模精度提供了新的途径.