格栅机安全操作提示

格栅机是一种可连续清除流体中杂物的固液分离设备,是城市污水处理、自来水厂、电厂进水口、矿山、纺织、食品加工、造纸、皮革等行业生产工艺中不可缺少的专用设备,是国内普遍采用的固液筛分设备。     

基于RBF核ε-SVR的导水裂隙带高度预测模型研究

为了构建更多样本条件下的高精度导水裂隙带高度预测模型,利用灰色关联理论筛选出关联度较高的煤层采厚、顶板岩层强度及其组合特征、采深、工作面斜长、开采分层数及倾角等因素作为输入变量;应用支持向量机回归模型理论,建立了不同模型类型与不同核函数组合的4种支持向量回归模型;采用PSO算法对模型参数进行优化,并对4组模型预测结果进行分析比较.结果表明,基于RBF核ε-SVR预测模型在预测精度、拟合效果与训练效率等方面优于其他3组模型.通过对PSO算法优化的RBF核ε-SVR模型与传统经验公式的预测效果进行综合比较和讨论,可得支持向量回归模型在现代化开采条件下预测准确率更高,可为矿井安全开采与资源综合开发提供依据.     

工作场所手传振动的测量与评估——以割草机和绿篱机为例

根据ISO 5349:2001规定，将三轴加速度传感器安装在割草机和绿篱机的手柄上，通过振动分析仪AWA 6258测量割草机和绿篱机的频率计权振动总值，以进行手传振动的危害评估。结果表明:割草机和绿篱机的日振动暴露量A(8)值均超过了我国标准规定的日暴露振动限值3.5 m/s2，预计分别经过1.8～8.5 a和1.9～5.2 a后，暴露于割草和修枝工种人群的10%以上将出现振动性白指，为了有效降低或避免手臂振动病的发生，该行业的作业人员每日接触振动的时间应该控制在2.6 h以内。     

基于Multi-class SVM的车辆换道行为识别模型研究

自动安全换道是车辆实现无人驾驶的关键,为精确识别行驶车辆换道状态,保证行车安全,设计了一种基于多分类支持向量机(Multi-class Support Vector Machine,Multiclass SVM)的车辆换道识别模型。从NGSIM数据集中选取美国101公路车辆轨迹数据进行分类处理,并将车辆换道过程划分为车辆跟驰阶段、车辆换道准备阶段和车辆换道执行阶段。采用网格搜索结合粒子群优化算法(Grid Search-PSO)对SVM模型中惩罚参数C和核参数g进行寻优标定,利用多分类支持向量机换道识别模型对样本数据进行训练和测试,模型测试精度达97.68%。研究表明,模型能够很好地识别车辆在换道过程中的行为状态,为车辆换道阶段的研究提供支持。     

矿井突水水源识别的RS-LSSVM模型

为了对矿井突水水源进行准确、高效的判别,综合考虑水化学特征,选取Ca~(2+),Mg~(2+),K~++Na~+,HCO-3,SO2-4,Cl~-和总硬度7个指标的质量浓度(mg/L)作为矿井突水水源的最初判别指标。利用粗糙集(RS)理论的属性约简来筛选水化学特征指标,用以作为水源识别的核心判别指标,建立基于RS的矿井突水水源识别的最小二乘支持向量机(LSSVM)模型。选用约简处理后的13组煤矿数据对模型进行训练,再用训练好的模型对另外12组突水数据进行水源判别,并与未进行属性约简的LSSVM模型及Fisher判别分析法、随机森林方法进行对比。结果表明,利用属性约简方法可以很好地排除原始数据中的冗余信息干扰,因而能有效判别矿井突水水源,使矿井突水水源模型的误判率降低至0;而且指标约简过程可以降低LSSVM运算的复杂度,也能够提高判别效率。     

基于灰色支持向量机组合模型的我国火电NOx排放量预测

区域火电NO_x排放量的预测属于小样本、贫信息的灰色系统. 由于NO_x排放量受多个因素的叠加性影响,单一预测模型难以准确反映NO_x排放量的复杂变化,易产生较大的预测误差. 基于此,利用灰色预测理论和支持向量机预测理论,建立了火电NO_x排放量组合优化预测模型. 采用国家权威部门发布的火电NO_x排放量数据,综合考虑影响我国火电NO_x排放量的主要因素,对我国2008—2010年以及2020年的火电NO_x排放量进行了预测,预测结果与官方公布的实际值基本一致; 同时,预测的时间大大缩短.      

矿井煤与瓦斯突出事故应急救援能力评估模型

为降低煤矿井下煤与瓦斯突出事故中的人员伤亡和财产损失,提高突出事故中的应急救援能力,提出一种麻雀搜索算法(SSA)优化支持向量机(SVM)的煤与瓦斯突出事故应急救援能力评估模型。首先,依据相关文献与研究报告构建包括应急预防能力、应急准备能力、应急响应能力和恢复善后能力在内的4项一级指标,其中包括18项二级指标,并以各指标的得分数据作为模型训练数据集;然后,利用网络层次分析法(ANP)与熵权法(EWM)分别确定各评估指标在相互影响下的主客观权重,通过拉格朗日函数将各权重融合得到最优权重,运用SSA算法优化SVM的径向基核参数g和惩罚因子C,将最优权重计算得出的结果作为SSA-SVM模型的输入,期望值作为输出进行线性回归预测;最后,以河北省某矿为例,将SSA-SVM模型与传统SVM、粒子群优化算法(PSO)优化SVM、鲸鱼优化算法(WOA)优化SVM 3种不同模型的预测结果分别与期望值作对比分析。结果表明：SSA-SVM模型的预测结果与实际相符,平均绝对误差相较于其他模型分别下降8.04%、5.15%、4.82%,证明所建模型的优越性,可将其应用于矿山企业实际矿井煤与瓦斯突出事故应急救援能...     

基于基团贡献法的有机化合物好氧生物降解预测模型研究

从MITI-Ⅰ试验中筛选出587种不同类型有机化合物的可用数据,通过对这些物质的结构进行拆分,随机选择其中50种化合物作为验证集,另外537种作为训练集,利用多元线性回归(MLR)和支持向量机(SVM)2种计算方法分别建立模型。结果表明,芳香酸、醛、芳香碘和叔胺等功能基团对有机化合物的好氧生物降解性影响较大;MLR模型总体预测正确率为81.43%,验证集正确率为82%,SVM模型总体预测正确率为87.90%,验证集正确率为86%。所建立的2种定量结构与生物降解性关系(QSBR)模型有效,可用于化学品的好氧生物降解性评价。     

多类支持向量机在煤矿安全评价中的应用研究

针对矿井子系统诸多、环境复杂、影响因素多变和在现实条件下难以获得大量煤矿样本的情况,提出将对非线性、小样本问题有较高处理能力的支持向量机理论引入到机制评价中,并在归纳了支持向量分类机从一对多到一对一再到决策树模式的多渠道多层次分类原理基础上,建立了基于多分类支持向量机原理的煤矿安全多层次评价模型,同时通过提取影响煤矿安全因素的特征参数,引人类权重因子和样本权重因子,较好地解决了训练样本类别数量不平衡、数据干扰导致的错分问题,实现了对煤矿安全较高准确率和较高效率的评价.