基于CRITIC法与TOPSIS法的硫化矿自燃倾向性评定

现有的硫化矿自燃倾向性综合评价方法多样,且无统一的标准。以矿样的常温氧化增重率、自热点和自燃点3项指标为关键判定因子,结合CRITIC权重分析法和TOPSIS综合评价法,对硫化矿自燃倾向性进行综合判定。采用CRITIC权重分析法,综合考虑指标内的变异性和各指标间的冲突性,得到3项指标的权重,通过TOPSIS综合评价法计算评价对象与理想对象间的距离,对硫化矿自燃的危险性进行排序。运用该判定方法对国内某金属矿山的10个代表性矿样的自燃倾向性进行综合判定,比较了多个硫化矿矿样的自燃危险,得出10个矿样自燃倾向性从大到小为10#、2#、6#、1#、7#、3#、5#、4#、8#、9#,评价结果与实际情况相符,说明该方法是可行的。     

基于AHP与CRITIC对风险矩阵分析法的改进及其应用

为了提高企业在使用风险矩阵分析法时的应用能力,提升风险矩阵分析法标准化程度,减少因人而异带来的评价偏差,基于AHP层次分析法和CRITIC权重法,探讨风险矩阵分析法的改进,并将其应用到供水企业。根据风险矩阵分析法可能性的判定准则及其描述,将其原本可能性的判定准则归纳为4个子指标并进一步补充完善评价标准,邀请安全生产专家对某供水企业主要安全生产风险进行评价打分,构建层次分析法判断矩阵,并结合AHP层次分析法和CRITIC权重法对4个子指标进行综合赋权,将修正后的评价值与改进前的评价值进行总体方差比较。研究表明:通过改进后的风险矩阵分析法评价出来的结果从客观上减少了因为评价人员的能力和经验带来的评价偏差,相较于原始的风险矩阵分析法,在可能性取值的判断上更加明确和准确,有助于企业提高风险矩阵分析法在企业日常风险评价中的应用水平。     

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。     

基于绝热氧化试验结果的煤自燃预测模型研究

为提高煤自燃绝热氧化试验结论的可靠性、完整性及应用性,采用绝热氧化试验方法研究褐煤和烟煤2种煤样的自燃氧化现象,根据试验结果,建立煤自燃特性预测模型,模拟褐煤和烟煤的升温速率和氧化过程,用试验数据验证模型的有效性;用验证后的模型预测不同煤质参数、动力学参数条件下煤的自燃特性。结果表明:试验和模型预测的最短着火时间褐煤分别为5.6和5.1 h,烟煤分别为43.8和42.2 h。该模型能够辅助试验获得完整的升温曲线,预测煤氧化升温到着火点所需要的时间。     

采空区自燃火灾气体钻孔导流的数值模拟研究

针对采空区局部自燃火源点的火灾情况 ,提出用地面钻孔抽放采空区自燃火灾气体 ,使其避免流向工作面的方法。基于渗流方程和气体扩散方程建立了简化的采空区火灾气体移动———弥散数值模型 ,用迎风有限元方法结合图形显示技术求解。模拟了在抽放前后采空区火灾气体移动和CO浓度分布特征 ,该方法对火源位置的判定精度要求不高 ,但钻孔必须设在火源的后方。通过模拟试验 ,抽放后工作面向采空区漏风增加量约为抽放流量的一半 ;抽放流量与采空区CO绝对涌出量近似呈负指数关系 ,给出了最低抽放流量的表达式。这项研究 ,能为分析在短期内消除采空区自燃火灾气体对工作面影响和确定抽放参数提供一种辅助手段。     

改进的灰色预测模型在火灾事故预测中的应用

简要说明了GM（1，1）模型预测事故的基本步骤，提出了模型的改进方法，用此方法对某火灾事故进行了预测，并用Matlab语言编程的方法对数据做了处理，结果表明用该方法预测得到的数据与实际数据非常接近。     

基于改进组合赋权-TOPSIS法的岩爆倾向性评判模型

针对岩爆倾向性评价模型中指标权重难以确定导致预测精度不高的问题,提出1种基于改进组合赋权-TOPSIS法的岩爆倾向预测模型。综合考虑岩爆发生条件,选取岩性条件、应力条件和围岩条件3项准则对应的15个岩爆倾向性判别指标。采用3标度法的改进层次分析法（IAHP）与熵权法（EWM）结合,消除主、客观因素影响获得最优权重,运用逼近理想解法(TOPSIS)分析评判对象与虚拟理想解的贴近程度,从而判断岩爆倾向性等级。研究结果表明:弹性能量指数Wet、动态DT参数、能量储耗指数k、T准侧和应力指数S对岩爆倾向性影响较大;该模型对岩爆倾向性预测准确率高于85%,可为类似地下岩土工程岩爆倾向性预测提供理论支撑。     

事故预测模型及应用研究

综合运用多种模型对企业货运事故预测进行了讨论，并根据一组实际数据对模型运用及检验进行了分析。     

基于事故修正系数的山区高速公路事故预测模型

为量化分析山区高速公路线形指标对交通事故发生及严重程度的影响,引入事故修正系数(CMF)概念,提出基于CMF的高速公路交通事故预测模型。验证事故数据服从零膨胀负二项(ZINB)分布,并标定10个不同线形组合路段的基本事故预测模型;在界定理想条件的基础上,借助优势比分析方法,建立10个不同线形组合相对于基本预测模型的CMF模型;通过弹性分析识别出对不同严重程度事故有显著影响的因素,并以此分析山区高速公路线形指标及线形组合的安全效应。研究结果表明：CMF能够定量反映不同线形组合的风险效应,且其值越高,事故率及事故严重程度可能更高;山区高速公路中,平曲线缓坡组合相对安全,平曲线陡坡组合、平曲线竖曲线组合均有较高的事故风险;平曲线与凹型竖曲线组合时的风险会略低于其与凸形竖曲线组合;控制纵坡度、减少平竖曲线的组合均有利于山区高速公路交通安全。     

全自动气体自燃温度测试系统设计及应用

为降低气体自燃温度测试中的操作危险,减少繁琐的手工操作,参照ASTM E659-78(2005),GB/T21791—2008及GB/T21860—2008标准,设计一套全自动气体自燃温度测试系统。采用操作微机软件控制炉体升降温、配气、进气、温度采集、现象拍摄、抽滤尾气等过程,实现气体自燃温度测试从开始进气到吹扫尾气全流程的自动化;利用设计系统测试一氧化碳、乙烷等4种易燃气体的自燃温度。结果表明,该系统操作方便快捷、安全,4种气体自燃温度测试结果与文献值的相对标准偏差不超过1.5%,验证了系统的实用性及准确性。     

自燃的发生及预防

自燃是可燃物质在没有外来火源作用下,因受热或自身发热、蓄热所产生的自行燃烧现象. 按照发生的机理,自燃可大致分为以下七种类型:     

自燃的发生及预防

你听说过“绿色驾驶”吗？ 如今的有车一族，怎样才能把车开得更绿色环保一些，更“益寿延年”一些？     

自燃的发生及预防

自燃是可燃物质在没有明火焰等火源的作用下，因受热或自身发热并蓄热所产生的自行燃烧现象。 按照发生的机理，自燃可大致分为以下七种类型： 氧化发热自燃。分子内含有双键的不饱和有机化合物，如浸油脂物质、褐煤等，具有能吸收空气中的氧而发生部分氧化的特性，产生的大量氧化反应热，如果得以蓄积，反应体系内的温度就会上升，达到自燃点而发生自燃。一些自燃点低的物质，如黄磷、烷基铝、磷化氢、还原铁等，在常温下与空气中的氧能快速反应，发生燃烧。 分解放热自燃。常温下能分解放热的物质，如硝化棉、赛璐珞及硝化甘油等物质，由…     

自燃的发生及预防

自燃是可燃物质在没有外来火源作用下,因受热或自身发热、蓄热所产生的自行燃烧现象。按照发生的机理,自燃可大致分为以下七种类型:氧化发热自燃分子内含有双键的不饱和有机化合物,如浸油脂物质、褐煤等,具有能结合空气中的氧而发生部分氧化的特性,产生的大量氧化反应热,如果得以蓄积,反应体系内的温度就会上升,达到自燃点而发生自燃。一些自燃点低的物质,如黄磷、烷基铝、磷化氢、还原铁等,在常温下与空气中的氧能快速反应,发生燃烧。     

基于改进Smote-GBDT算法的岩爆预测模型

为准确预测岩爆等级,确保施工人员和设备安全,首先,从岩爆机制、数据和算法角度,分析埋深(D)、单轴抗压强度(UCS)、单轴抗拉强度(UTS)、岩石脆性指数(B₁、B₂)、围岩最大切向应力(MTS)、应力集中系数(SCF)和弹性变形能指数(W_et) 8个指标,建立岩爆预测指标体系;其次,针对岩爆样本存在的数据不均衡问题,引进托梅克联系(Tomek Link)对欠采样方法,改进合成少数类过采样(Smote)算法,对岩爆训练样本进行混合过采样;最后,构建SmoteTomek-梯度提升树(GBDT)岩爆预测模型,以38组数据验证模型的有效性,并与其他模型进行对比。结果表明：SmoteTomek-GBDT的准确率为92.1%,较未采样提升5.3%,Smote采样提升10.5%,优于随机过采样模型,并且避免跨等级的岩爆误判。     

改进的MVO-GRNN神经网络岩爆预测模型研究

准确预测岩爆烈度等级能有效指导岩爆灾害的防控。根据影响岩爆发生及烈度等级的3个因素构建岩爆评价指标体系,提出一种基于改进多元宇宙算法(Improved Multi-Verse Optimizer, IMVO)优化广义回归神经网络(General Regression Neural Network, GRNN)的岩爆预测模型。在普通多元宇宙算法(MVO)的基础上,运用自适应平衡机制调节MVO算法中的虫洞存在概率(V_WEP)和旅行距离率(V_TDR)两个重要参数来改进该算法;再运用改进的多元宇宙算法优化广义回归神经网络的光滑度,通过训练数据优选出最佳光滑因子σ,得到IMVO-GRNN神经网络岩爆烈度预测模型;最后结合工程实例验证模型的性能。研究表明,该模型相比传统模型寻优能力更强,精度更高,为岩爆预测提供了一种新的思路。     

系统安全态势的马尔科夫预测模型建立及应用

基于马尔科夫链预测理论,分析研究了系统安全态势的定性与定量预测问题,建立了系统安全态势预测模型.定性预测侧重安全态势的升、降趋势分析,定量预测以系统万人死亡率为依据,划分四个安全状态,从而实现系统安全状态定量预测.定性与定量预测相互检验、相互补充.实例研究表明,马尔科夫定性与定量相结合的预测模型结构简单,计算方便,符合系统安全态势预测特征要求,是系统安全宏观管理的重要参考依据之一.     

基于神经网络的煤矿安全性预测模型及应用

指出矿井安全性及其预测对煤矿生产的重要性以及传统的预测方法存在的缺陷。应用神经网络建立了时间序列的矿井安全性预测模型,克服了传统预测方法必须事先构造函数的不足之处,提高了安全预测的精度。实例分析表明,该预测模型的预测精度较高,具有较大的理论指导意义和应用价值。     

基于CNN-GRU的瓦斯浓度预测模型及应用*

为解决传统瓦斯浓度预测方法预测精度低和适用性不强等问题,提出运用卷积神经网络（CNN）提取瓦斯浓度时间序列的变化趋势及局部关联特征,应用门自适应矩估计（Adam）优化的控循环单元神经网络（GRU）,在关联特征基础上进行时序性预测的组合方法,并以铜川玉华煤矿监测数据为样本,对比CNN-GRU组合模型、传统机器学习模型LSTM和GRU模型的预测效果。研究结果表明:CNN-GRU模型的预测精度和收敛速度均优于LSTM和GRU模型;CNN-GRU平均绝对误差和均方根误差分别可降低至0.042,0.006,运行效率分别提高59.15%,35.04%,研究结果可为矿井瓦斯灾害防治提供依据。