气喷旋冲烟气脱硫装置运行关键控制

气喷旋冲湿式石灰石-石膏法烧结烟气脱硫装置(XPB)是宝钢针对烧结烟气特性自主研发的新型脱硫技术,较详细论述该系统稳定、经济运行的关键控制:增压风机风门或叶轮的控制、吸收塔进气箱温度的控制、吸收塔反应池pH值的控制、曝气管浸没深度的控制等。     

综合防尘技术在开元公司的应用

主要介绍了采煤机高压引射降尘系统、液压支架自动喷雾、粉尘浓度在线检测超限自动喷雾等综合防尘技术在开元公司矿井中的应用。通过对降尘系统效果监测和分析,降尘效率达到84．1％,降尘效果明显,改善了作业场所的劳动卫生条件。     

创建本质安全型煤矿探讨

从保障煤炭企业自身持续稳定发展和建设和谐社会的高度,阐述了本质安全的内涵和本质安全型矿井的特征,从＂人、机、环境、管理＂等不同角度分析了影响煤矿安全生产的主要因素,探讨了提高从业人员本质安全素质、提升系统装备和作业环境本质安全化程度和强化本质安全管理等创建本质安全型煤矿应采取的综合措施。明确指出将＂人、机、环境、管理＂等要素有机融合起来构建煤矿本质安全生产管理体系,是煤炭企业安全生产管理工作的客观需要,对指导煤炭企业创建本质安全型矿井具有重要意义。     

基于遗传算法的支持向量机预测有机物自燃点的研究

根据定量构效关系(QSPR)原理,研究自燃点(AIT)与其分子结构间的内在定量关系。以265种有机化合物作为样本集,随机选择238种作为训练集,27种作为测试集,用遗传算法(GA)进行变量选择,分别建立多元线性回归(MLR)模型和支持向量机(SVM)模型研究有机物的自燃点与其分子结构间的关系。通过分析,发现造成模型预测效果不佳的原因是试验数据本身存在问题。通过对2个模型的比较,结果为GA-SVM模型明显优于GA-MLR模型,说明自燃点与其分子结构间具有很强的非线性关系。     

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     

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。     

支持向量机用于芳烃类化合物对芳烃受体亲和性QSAR研究

尝试将支持向量机(SVM)应用于3种典型芳烃类环境毒物(PCDD,PCDF和PCB)定量构效关系研究,通过对芳烃受体亲和性考察,结果发现该组样本的生物活性在一定程度上与分子电性距离矢量具有非线性联系.SVM对内部和外部样本都具良好稳定性能和预测能力:所得模型拟合、交叉检验、外部预测复相关系数及均方根误差分别为R2cum=0.922、Q2cum=0.825、Q2ext=0.834和RMSext=0.531将其与文献报道及多元线性回归、偏最小二乘、人工神经网络进行比较,结果表明对小样本、非线性问题SVM具较强拓展性及泛化能力,故在环境毒物评价和控制中具有广阔应用前景.     

基于SVR的含缺陷管道剩余强度研究

针对采用标准预测含缺陷管道剩余强度误差较大这一问题,在Matlab中建立基于SVR的含缺陷管道剩余强度预测模型,并基于60组含缺陷管道爆破试验数据进行训练测试,以验证模型的实际性能.结果表明:SVR模型预测测试集结果的最小相对误差为0.55％,最大相对误差为10.35％,平均相对误差为2.63％,预测结果的R2高达0....     

基于SVM的矿井通风阻力系数影响因素分析与预测

矿井通风阻力系数是通风安全最重要的基础参数之一,为了实现矿井通风阻力系数简单准确地预测,提出了利用支持向量机（SVM）来预测矿井通风阻力系数的方法。通过分析影响因子与矿井通风阻力系数的相关性关系,并利用MATLAB逐步建立单影响因素与矿井通风阻力系数、多影响因素与矿井通风阻力系数之间的SVM预测模型,对比分析各预测模型的相对误差,确定最佳矿井通风阻力系数预测模型,即当输入模型影响因素为巷道断面积、周长和支护方式时,预测相对误差小于10%的样本数占测试样本的76%,相对误差小于20%的样本数占测试样本的90%。结果表明:该预测方法在矿井通风阻力系数预测中是可行的,并具较高的准确性。     

基于MDE和分形优化SVM的周期来压预测

为了解决周期来压的预测问题,首先对已知支架周期来压荷载曲线使用多重差异进化算法(MDE)进行拟合,将每重拟合形成的单一正弦曲线与上次差余曲线(Ei)再作差余曲线(Ei+1)。将这些Ei图通过分形几何的盒子法计算维度和相关系数(r)。将每条Ei的维度、r和支架相对距离(L)作为输入值,对应的Ei的周期Ti、缩放系数Si和纵移系数Di作为目标值,使用支持向量机(SVM)进行训练。通过对维度和r规律的研究得到拟设置支架处荷载各Ei的维度和r,带入训练后的SVM模拟得到Ei的Ti、Si和Di,进而得到Ei的表达式。将上述Ei求和即为所求拟设置支架处的周期来压荷载。实例分析说明,该种方法预测结果可以大体反映支架周期来压的基本形式和变化规律。