硫化矿石自燃倾向性分级的云模型及其应用

为了科学判定高硫矿床开采中硫化矿石的自燃倾向性等级,选取了吸氧速度常数、自热点、着火点3个测定指标,建立了基于熵权法和云模型的硫化矿石自燃倾向性分级模型。将硫化矿石自燃倾向性测定指标及分级标准转化为正态云分级标准,采用熵权法对各个指标的实际测试值进行指标赋权;以模糊子集B的最大隶属度原则为依据,判定各个矿样的自燃倾向性等级。利用国内某典型矿山的10组代表性矿样对该模型的可行性进行检验,所得分类结果与多因素综合比较法的判定结果相一致。该模型能够提高矿样自燃倾向性等级划分的准确性,并且为有效指导高硫矿山自燃火灾的防治工作提供了一种新方法。     

硫化矿固态阻化剂的阻化机理与性能评价

高硫金属矿山在开采过程中普遍存在硫化矿石氧化自燃的重大安全隐患,目前广泛使用的液态阻化剂面临阻化有效成分流失、阻化剂污染周边作业环境等问题。文中从硫化矿石氧化自燃和阻化作用机理出发,提出了一种基于覆盖剂、吸氧剂、阻热剂、流动剂等功能组分的新型固态阻化剂及其优选方法,据此优选了碳酸氢钠、还原铁粉、轻质碳酸钙作为固态阻化剂的有效组分,并增加了滑石粉作为阻化剂辅助组分以提高其流动性。采用四因素三水平正交实验的研究方法,对比分析了不同组分固态阻化剂对测试矿样的阻化性能,采用休止角、氧化增重率和阻化率分别评价固态阻化剂的流动性能和自燃阻化性能。根据流动性和氧化增重率的极差分析结果获得了固态阻化剂的最优配比,并通过室内阻化实验进行了验证,其第22 d的阻化率51.16%为最优,其流动性能可到良好(休止角为32.20°)以上,为新型硫化矿石阻化剂的开发提供了一种新的路径。     

基于离散型Hopfield神经网络的台风灾情评估模型

台风灾情评估对防台减灾和救灾工作十分重要,为此,提出并建立了一种基于离散型Hopfield神经网络的评估模型。该模型选取5个评估因子,根据广东省台风灾害历史数据,按灾害等级划分原则制定了评估因子5个等级的划分方法,然后将待分级的台风进行Hopfield编码,建立离散型Hopfield神经网络模型,并用实例对模型进行了验证,分析模型的不足,将评估因子的权重因素引入到模型中,使模型更加合理。     

海洋冰情预测的径向基函数网络模型

为了提高非线性时序预测模型的精度,利用自相关技术分析了海洋冰情时序的延迟特性,据此确定了RBF网络的输入、输出向量,给出了MATLAB环境下海洋冰情预测的高精度径向基函数(RBF)神经网络的结构、设计、仿真函数和图形结果的输出方法,建立了海洋冰情预测的高精度RBF网络模型.使用27年的海洋冰情实测资料进行了网络的训练和检验,并将之用于预测,各训练样本的误差为0.0,预测值的精度高于门限自回归模型预测的精度.实例分析表明,所构建的RBF网络模型能充分利用预报因子的信息和神经网络方法的非线性映射能力,模型稳定性好,精度高,可广泛应用于各种自然灾害的非线性时序动态预测.     

泥石流平均流速的MLS模型预测

泥石流的流速预测是泥石流灾害防治的核心问题之一。由于泥石流流速的影响因素众多,需要寻求能够综合反映泥石流流速影响因素的预测模型。移动最小二乘法(MLS)预测模型具有自学习和自组织及捕捉到影响因素数值微小变化的能力,可以解决泥石流流速预测存在的一些问题。采用云南蒋家沟泥石流流速实测数据作为训练样本和预测样本,以泥深、比降、密度、颗粒的平均粒径作为输入因子。讨论了用MLS方法进行泥石流平均流速预测的可行性与有效性,并将预测结果与经验公式、BP神经网络以及支持向量机进行了对比。结果表明,MLS方法的最大预测误差为4.6%,平均误差为2.7%,预测精度优于经验公式、BP神经网络及支持向量机方法。MLS方法可以为泥石流防治提供更准确的科学依据。     

基于逻辑回归法的西藏地区冰湖溃决危险性预测模型

以西藏地区的冰湖为研究对象,基于冰湖的野外调查、遥感影像与历史文献资料,选取32个冰湖作为样本进行了危险性分析。根据研究对象的区域特性,选取冰湖坝顶宽度、湖水位距坝顶高度与湖坝高度之比、冰舌前端距冰湖距离、冰舌段坡度、冰湖面积和补给冰川面积6个预测指标作为变量,通过对样本进行逻辑回归分析,提出了西藏地区冰湖溃决的危险性概率预测模型。基于分类阈值为50%的逻辑回归模型交叉验证结果表明,模型对已溃决冰湖样本预测的准确率为82%,对未溃决冰湖样本预测的准确率为95%,对所有冰湖样本预测的准确率为91%。按冰湖溃决的概率范围,将冰湖溃决的危险性划分为4个等级,概率值0.30的为低等级,0.30~0.50的为中等级,0.50~0.80的为高等级,0.80的为极高等级。     

基于组合赋权和未确知测度采空区遗煤自燃风险评价

为了评价采空区遗煤自燃风险的大小,构建了采空区遗煤自燃风险评价模型,该模型基于未确知测度得到单指标测度矩阵,通过改进G1法、改进CRITIC法、离差平方和最大化计算包含主客观因素影响的组合权重,从而确定评价对象的综合测度向量,引入置信度和等级赋值判定评价对象的风险等级和排序。结合建立的模型,从5个方面建立了采空区遗煤自燃风险评价指标体系,确定了指标的未确知测度分布函数,计算得到了评价指标的组合权重和评价对象的综合测度向量,利用置信度和等级赋值判定了4个采空区遗煤自燃的风险等级和排序。评价结果分析显示：评价对象风险等级和排序符合实际情况,评价结果对煤矿防灭火具有指导作用。     

煤层自燃危险性的模糊——可拓理论判别模型

首先确定了影响煤层自燃的因素指标,并对它隶属于不同自燃等级的取值进行了无量纲化处理,采用模糊层次分析法确定了各个因素权重,利用可拓学理论建立了煤层自燃危险性判别模型。其次,以山东新汶矿业孙村煤矿十三层煤为例,采用模型方法对其自燃危险性进行了评价,所得结果与煤科院的自燃鉴定结论一致。上述研究不仅丰富了煤层自燃危险性评价方法,而且也为预防此类灾害起到了一定的参考和借鉴作用。     

基于机器学习方法的浙江省台风灾害风险评估和动态风险预报

利用机器学习方法建立以区县为基本研究单元的浙江省台风灾害风险评估模型,并进一步结合气象预报与实测数据形成覆盖全省、时空连续的台风过程动态风险预报,为科学应急减灾提供决策支持。首先,本研究以浙江省各区县为研究对象,考虑危险性、孕灾环境、暴露性和脆弱性等风险要素选择台风灾害风险评估模型的预测变量;其次,基于10个重大历史灾害的灾损数据(直接经济损失)划分风险等级作为输出变量;最后,采用机器学习模型XGBoost建立台风灾害风险评估模型。同时,以利奇马为例,进一步探索该模型的实战应用潜力,即以气象预报和实测数据为模型驱动,实现浙江省全域各区县台风灾害风险的实时更新预报。     

基于最小二乘法的高抽巷CO浓度变化规律分析

我国许多煤矿的煤层同时具有高瓦斯和严重自燃倾向,在抽放瓦斯的同时,容易造成采空区遗煤自燃。因此,监测采空区指标气体的浓度变化对预防采空区自燃非常重要。本文采用最小二乘法对山西阳煤五矿8403工作面高抽巷CO浓度进行分析,拟合得出了高抽巷CO浓度变化曲线,并对拟合方法、拟合效果进行了分析。结果表明,用最小二乘法进行拟合是可行、有效的。结合现场实际条件,分析了高抽巷CO浓度偏高的原因和之所以选取分析高抽巷CO浓度来预测采空区自燃的原因。结果显示,分析高抽巷CO浓度变化可以较早地发现采空区自燃。最后,分析了CO浓度与CO2、O2浓度的相关性,验证了用CO浓度预测采空区自燃的准确性。     

高喷插芯组合桩极限承载力的灰色预测

高喷插芯组合桩(JPP)是一种新的桩型,具有承载力高、造价低等优点。许多工程单桩的静载荷试验只能加到两倍设计荷载,无法达到试桩的极限或破坏荷载,因此利用有限的实测数据比较准确地预测高喷插芯组合桩的极限承载力具有一定的现实意义。根据灰色理论,介绍了预测单桩竖向极限承载力的自调整非等步长GM(1,1)模型,讨论了三种不同的灰色模型在有限的实测数据条件下预测单桩极限承载力以及荷载—沉降关系的方法。通过对达到破坏和未达到破坏的工程实例的分析计算,证明三种模型的预测精度是令人满意的,其中等维新息模型预测精度最高。     

流域水文干旱等级预测问题的研究

采用滦河潘家口水库控制流域9个水文站1958-2009年的逐月流量数据,通过计算各站12个月时间尺度的标准化径流指数(SRI),得到了实测水文干旱等级序列。根据干旱等级转换的观测频数,提出了基于三维列联表的对数线性干旱预测模型,并计算了干旱等级转换间的优势及其置信区间,以估算干旱等级转换的概率,实现了滦河潘家口水库控制流域预见期为1个月和2个月的水文干旱等级预测。选取2000-2009年的水文干旱演变过程对预测模型进行了验证。结果表明:干旱等级转换的三维列联表呈现一种强对角线趋势,各站三维对数线性模型的检验显著性水平p均大于检验水准α(0.05),观测频数与期望频数吻合程度高,且预见期为1个月的水文干旱等级预测精度较高,可用于滦河潘家口水库控制流域短期水文干旱预警。但预见期为2个月的水文干旱等级的预测误差较大,需根据流域的气候特征及下垫面的物理状态对模型进行进一步的改进。因此,如何综合应用气象和水文干旱监测信息,并采用对数线性预测法建立新的模型对水文干旱进行提前预警是需要解决的重要问题。     

基于Bayes判别分析法的冲击地压预测与危险性分级

基于Bayes判别分析法,研究了冲击地压的预测与危险性分级问题。综合考虑冲击地压发生的自然因素、地质因素和开采技术因素,选择煤层厚度、倾角、埋深、地质构造情况、煤层倾角变化、厚度变化、瓦斯浓度、顶板管理、采前卸压情况和响煤炮声等10个参数作为判别因子;将冲击地压危险性等级分为微、弱、中和强4个级别,并作为Bayes判别分析的4个正态总体;选用现场实测的20组数据作为训练样本建立了Bayes线性判别函数和后验概率函数,以Bayes线性函数值和样本出现的总体的后验概率对样本所归属的总体进行识别;将建立的模型对训练样本进行回判,以回代误判率对模型进行检验;选用15组现场实测数据作为测试样本,以检验模型的可行性和可靠性。研究表明:冲击地压Bayes判别分析模型的回代误判率为0,对测试样本的识别正确率为93.33%,且与Fisher判别分析法的识别结果一致。     

森林火险天气等级预测及火情监测应用

通过对1989-2003年500hPa高空天气形势的分析，给出了冬、春季森林火险戒严期的4种主要天气模型。根据林火气象条件的统计分析，找出了与森林火险天气密切相关的主要气象及物候因素，并对其进行了火险天气指数的等级划分。应用vb6．0软件开发建立了运行稳定、精度较高的未来24～48h森林火险预测平台，采用气象卫星遥感技术对森林火情进行准确定位的实时监测，提出了森林防火的一些安全措施，为森林火险等级预测和林火及时扑救抢险提供积极的气象保障条件。     

基于等距特征映射降维的台风灾情概率神经网络预评估模型

台风致灾因子、承灾体和灾情之间是一个复杂的非线性动力系统,准确高效地提取重要指标对台风灾情等级进行预评估,是防灾救灾工作的重要依据。采用主成分分析、等距特征映射和信息熵特征提取的承灾体关键指标,和致灾源作为输入神经元,灾情等级作为输出神经元,建立台风灾情概率神经网络预评估模型。结果表明,基于等距映射非线性特征提取的概率神经网络预评估模型的准确率达到90%。     

基于物元理论的自然灾害损失等级划分方法

基于"灾度"概念及其改进算法,结合物元理论,提出了自然灾害损失等级划分的可拓学算法,建立了基于物元理论的自然灾害损失等级划分模型,将物元分析方法应用于自然灾害损失等级划分,作为灾害损失等级评估方法的一种补充,并与之前算法互为验证.不仅论证了物元理论应用于灾害等级划分的可行性,阐述了自然灾害损失评估物元模型的算法过程,而且利用该模型正确评估了2008年中国南方冰冻灾害的损失等级.经过反复验证,证实了该方法的科学性,同时提出了该模型尚存在的细节问题,如灾度上限的取值,权重确定的方法等问题,以便于更好的完善该模型算法.     

基于多种预测模型的玉米低温冷害预测集成模型

引入大气环流特征量因子、500hPa高度场因子、太平洋海温因子以及预报量本身的均值周期因子等四类因子的低温冷害预测子模型来建立玉米低温冷害预测集成模型。利用该集成模型预报下一年温度等级时，将上一年的实况资料输入预测模型，滚动预测，克服了统计模型预报时效短的缺点，且试报准确性高，无错报。     

基于RBF神经网络模型的砂土液化震陷预估法

以我国海城地震、唐山地震和日本新漏地震中建筑物地基的液化震陷实测资料为基础,地震动方面选取地震烈度,,上部结构特征方面选取基底压力P、基础类型r、宽深比BD。和建筑物的长高比L/H,地基土方面选取土的相对密度Dr、上覆非液化土层厚度Da、地下水位dw,共8个影响建筑物地基震陷的主要因素作为神经网络模型的输入参数,地基震陷量与液化土层的深度之比SD作为神经网络模型的输出,采用径向基函数神经网络模型建立建筑物地基的液化震陷预估模型,并利用该模型建立了因素影响趋势线,通过对该神经网络模型的建立、运行和检验,得到了各因素对砂土液化引起的地基震陷量大小的若干影响规律。     

GIS支持下的滑坡空间预测与危险等级划分

以日本早池峰山地域为研究对象,借助航片、TM影像、数字化地图以及各种统计资料和现有专题图等主要数据,利用美国MicroImage公司开发的TNTmips地理信息系统,将数量化理论与地理信息系统紧密结合,对区域滑坡进行了空间预测和危险等级划分.提取并计算了滑坡以及包括坡度、坡向、海拔、坡面倾斜类型、降雨、植被、土壤和地质等8个滑坡影响因子,得到了滑坡及其影响因子的空间分布图.在此基础上,抽取372个样本,应用数量化理论对这些样本进行了分析,建立了区域滑坡预测模型.该模型经研究区域共1296384个样本检验,模型预测精度达80.49%.最后,以滑坡发生概率为基准,对滑坡危险等级进行了划分.     

基于BP神经网络和VSM的台风灾害经济损失评估

统计了对广东省造成直接经济损失的台风数据,包括致灾因子、孕灾环境和承灾体等评估因子,对数据进行无量纲化、归一化处理,作为验证模型的数据集。建立BP神经网络和空间向量模型(VSM)相结合的综合评估模型,利用BP神经网络进行初步预测,基于VSM对预测结果进行修正,从而构建台风灾害经济损失评估模型。将收集的历史台风经济损失数据分为训练和测试集,对模型进行训练和检验。经验证,采用BP神经网络和VSM相结合的台风灾害经济损失评估模型能够有效降低训练数据不足对评估结果的影响,平均误差率由30%降低到14%。