巷道放顶煤人-机-环境系统可靠性研究

应用系统可靠性和人 -机工程学理论 ,建立了急倾斜煤层巷道放顶煤人 -机 -环境系统可靠性模型 ,给出了系统可用度和生产能力的计算公式。结合开滦马家沟矿 972 3工作面人 -机-环境系统分析 ,探讨了提高系统可靠性和生产能力的有效途径。理论分析及实例计算结果表明 ,所建立的模型能简便地找出系统的薄弱环节 ,准确预测系统可用度和生产能力 ,从而为指导矿井设计和生产提供科学依据     

250m^3石灰竖窑星形出灰机岗位袋式除尘器改造

运用分室停风喷吹袋式除尘技术,对传统脱冲袋式除尘器动物进行技术改造,使岗位作业环境粉尘浓度达到了规定标准,改造后的袋式除尘器运行状况良好,为我公司改造其它脉冲除尘器探索了一条新路。     

基于PS-InSAR技术的晋城矿区地表形变监测及地质灾害风险预警

地表形变是一种严重的地质灾害现象,不仅严重影响灾害区居民的日常生活,而且会造成巨大的社会经济危害,尤其在采煤区。针对传统地表沉陷监测方法费时费力、无法获取地表沉降面状信息、难以进行地表沉陷灾害评估的不足,基于高分辨率SAR卫星影像,利用永久散射体合成孔径雷达干涉测量(PS-InSAR)技术对山西省晋城市晋城矿区2018年1月至2018年12月期间地表沉陷进行监测,分析获取了该地区地表连续形变情况,并利用该技术获取的海量PS点建立支持向量机(SVM)地质灾害风险评估预警模型,对晋城矿区周边居民点地质灾害风险进行了识别和预测。结果表明：晋城矿区10个煤矿及其周边区域存在较大的地表形变;晋城矿区平均LOS向年平均地表形变速率范围为-37～30.3 mm/a; PS-InSAR技术在晋城矿区地表形变监测中具有可行性,且可以实现矿区地质灾害风险综合识别和预警。     

工作时间从事非本职工作受伤能否算工伤？

案情概要 李某是甲公司员工,其工作岗位是在拉网机上测量网片。2007年2月9日,李某上夜班,晚上12时许,班长王某因故临时离开生产线,李某操作整平机整平网片时,右手不慎被整平机压伤。操作整平机不是李某的本职工作。     

基于链式多重插补的WOA-ELM煤与瓦斯突出预测模型

为了提高缺失数据下煤与瓦斯突出预测准确率,提出1种基于链式支持向量机多重插补(MICE＿SVM)的鲸鱼优化算法(WOA)-极限学习机(ELM)预测模型,以淮南朱集矿区为例,选取5个煤与瓦斯突出影响指标作为模型特征,采用提出的MICE＿SVM算法插补突出事故数据中缺失值,利用WOA优选ELM输入层权值及隐含层阈值,构建煤与瓦斯突出预测模型,将插补后数据用于WOA-ELM模型的训练与测试,并与其他模型的预测效果对比。研究结果表明：MICE＿SVM插补前、后的有突出数据预测准确率分别为83.02%,90.41%,MICE＿SVM显著提高了有突出预测准确率,对无突出和整体的预测准确率提高不明显;数据插补后WOA优化ELM对无突出、有突出和整体的预测准确率分别为97.94%,96.25%,96.48%,较优化前分别提高了5.79%,5.84%,5.55%,数据插补后WOA-ELM为最佳预测模型。     

MI和SVM算法在煤与瓦斯突出预测中的应用

为解决能用于煤与瓦斯突出预测模型的真实事故训练数据量小、数据集缺失严重的问题,提出采用数据挖掘多重填补(MI)算法填补事故数据中缺失参数,增大可用数据集,并将填补后的数据用于支持向量机(SVM)预测模型的训练与测试,选取K最近邻(KNN)算法与SVM进行对比.结果 表明:SVM数据填补前后的平均识别率分别为88.37％...     

土壤渗滤对有机微污染物去除性能研究

采用土壤柱试验研究了土壤渗滤对再生水中有机微污染物的去除性能。结果表明,土壤柱对再生水中的DOC、UV₂₅₄、总氮和总磷有较好的去除效果,并具有较高的抗冲击负荷的能力;土壤表层10 cm厚度对DOC的去除起主要作用;UV₂₅₄和AOX在土壤表层10 cm厚度降解效果不明显,随着深度增加去除率逐渐升高;液相色谱有机碳探测(LC-OCD)检测结果表明,土壤柱对溶解性有机物质的去除主要体现在对多糖物质的降解上,其次是有机酸类,对腐殖质也有一定的去除作用。     

基于机器学习分类算法解析EIS数据的有机涂层性能评价方法

目的 基于机器学习分类算法快速评估有机涂层的防腐性能。方法 通过实验室加速试验模拟涂层真实的退化过程,并根据测得的电化学数据,分析不同退化阶段的等效电路元件参数。随后,采用随机抽样方法获取大量数据,用于机器学习模型训练。通过对比支持向量机(SVM)、k最近邻(k-NN)和随机森林(RF)3种不同的机器学习算法,以及多种输入特征集训练的涂层性能分类器模型的准确率,分析最适合用于涂层性能快速评估的机器学习算法和电化学特征。结果 根据不同输入特征训练的k-NN和RF模型均表现出良好的预测效果,而SVM模型的预测效果相对较差。根据不同频率范围训练的分类器模型中,在低频区表现最佳,而在高频区表现较差。结论 基于阻抗虚部、虚部+实部和阻抗模值3种输入特征训练的RF分类器模型的预测效果最准确。不同频率区间内,低频区的阻抗特征更能准确表征涂层性能。     

基于GM-SVR的小样本条件下化工设备可靠性预测

为了准确预测化工设备可靠性趋势，针对化工设备失效寿命数据为小样本的情形，基于灰色估计法与支持向量回归机在小样本数据处理中的优势，建立了失效寿命时间服从三参数威布尔分布的化工设备可靠性模型；结合GM（1，1）和SVR对模型进行参数估计，在压缩机可靠性分析中进行了实例应用，对比分析了最小二乘法、灰色估计法和GM-SVR的估计效果。研究结果表明:GM-SVR对威布尔分布参数的估计精度明显优于最小二乘法和灰色估计法，可以有效地应用于化工设备失效数据为小样本时的可靠性预测。