基于自适应遗传小波神经网络的水质评价建模

水环境污染过程的非确定性和非线性,使得传统的水质评价方法存在局限性。为了提高水质评价的准确性,提出了一种基于改进小波神经网络(wavelet neural network,WNN)的水质评价模型。采用自适应遗传算法(adaptive genetic algorithm,AGA)对小波神经网络的初始权值进行优化,再通过小波神经网络算法对网络进行训练,最后对训练好的网络展开测试。仿真结果表明,自适应遗传算法和小波神经网络的结合提高了网络的训练效率,该方法可以用于水质评价建模,并且评价结果具有较高的精度和准确性。     

煤层瓦斯压力测定的合理封孔注浆压力研究

煤层瓦斯压力测定是煤矿安全生产基础参数测定的重要内容之一,测压成功的关键是封孔技术。当围岩裂隙较发育时需要采用压力注浆封孔,注浆压力就成为封孔的技术关键。为了确定一定围岩岩性条件下的合理封孔注浆压力,采用数值模拟的方法对测压钻孔塑性区大小进行了仿真模拟,并根据浆液渗流规律和钻孔围岩性质之间的关系建立了浆液流动数学模型,得出了合理的注浆压力为4MPa,结合新型“两堵一注”囊袋式封孔装置与CPD8M型煤层瓦斯压力自动测定仪进行了现场应用,结果表明4MPa的注浆压力满足平煤十三矿试验现场围岩条件下的封孔要求,对同类条件下瓦斯压力测定具有一定的指导意义。     

截断阀室水淹后管道沉降的防护技术研究

为了保证长输天然气管道的安全运行,需要对其截断阀室遭受水淹后管道的不均匀沉降行为进行研究。应用ANSYS软件建立了管土非线性接触模型,通过对其进行分析建立了沉降量与最大Von Mises应力和椭圆度之间的映射关系,结果表明:不均匀沉降对管道强度的影响更明显,二者间基本呈线性关系,最大Von Mises应力随着沉降量的增大而增大,根据第四强度理论便可确定管道失效时的极限沉降量。同时还探讨了管径、内压、壁厚、埋深对管道应力状态的影响,降低内压、增大壁厚以及减小埋深和管径均可降低不均匀沉降时管道的最大Von Mises应力,但其中管径和壁厚的变化对管道最大Von Mises应力的影响更为显著。预期研究结果可以为山区管道的实时监测与防护措施制定提供一定的技术支持。     

基于小波神经网络的地下水流数值模拟模型的替代模型研究

以吉林西部为研究区,建立地下水流数值模拟模型,分别应用蒙特卡罗方法和拉丁超立方方法在研究区10个县(市)开采量的可行范围内进行采样,经对比选择拉丁超立方抽样结果得到输入(开采量)—输出(水位降深)数据集,建立小波神经网络模型作为地下水流数值模拟模型的替代模型,而后对替代模型有效性作误差分析,并与多元非线性回归替代模型进行对比.结果显示,2种替代模型在功能上都能逼近地下水流数值模拟模型,但小波神经网络模型得到的水位降深均值和水位降深剩余标准差与模拟模型计算结果的相对误差分别低于多元非线性回归模型76%和45%,说明小波神经网络模型更适合作为地下水流数值模拟模型的替代模型,这为减少优化模型求解过程中直接调用模拟模型所造成的计算负荷提供了一种有效的替代方法.     

黄山大气气溶胶新粒子生长特性观测分析

利用2012年9月22日~10月28日黄山地区大气气溶胶、二氧化硫和臭氧观测数据,结合气象数据,分析气溶胶新粒子的生成-增长特征.分析发现,在33个有效观测日中,有新粒子生成-增长的观测日占总数的18.2%,其中晴天的发生频率为37.5%,新粒子生成-增长都开始于晴天上午,与无新粒子观测日相比,太阳辐射量、风速、SO2及O3浓度较高,环境温度和相对湿度较低.气溶胶新粒子的增长具有由小及大的特点,核模态气溶胶粒子(10~20nm)数浓度最先增加,爱根核模态粒子(20~50nm)数浓度随着时间推移逐渐增大,但浓度峰值依次下降,平均增长率为3.58nm/h. SO2浓度先于核模态气溶胶数浓度到达峰值,其氧化后的产物H2SO4为新粒子的核化提供前体物,并且参与新粒子的增长过程,当SO2浓度较低时,不会发生新粒子生长事件.     

水溶性吸收剂对甲苯废气的吸收性能

液体吸收法应用于处理工业有机废气涉及到2个关键因素,即吸收剂的选择与吸收液的再生处理. 选择8种水溶性吸收剂——2种氟碳表面活性剂(FSO100和FSN100)、2种非离子表面活性剂〔TW80(吐温80)和SP20(斯盘20)〕、2种阴离子表面活性剂〔脂肪醇聚氧乙烯醚硫酸钠(AES)和脂肪醇聚氧乙烯醚羧酸钠(AEC)〕及2种类表面活性剂〔β-CD(β-环糊精)和SA(乙酸钠), 对模拟甲苯废气进行了动力学吸收试验,研究吸收性能和加热蒸馏法对甲苯回收与吸收剂溶液再生的可行性. 结果表明:吸收剂类型是影响甲苯吸收能力的最主要因素. 2种氟碳表面活性剂吸收液的甲苯吸收能力最强,其次是SP20与AES,而其他4种吸收剂溶液对甲苯的吸收能力很弱. 上述3类吸收剂对甲苯的初始去除率分别为80%～90%、75%左右与60%～70%,甲苯饱和吸收浓度(以w计)分别为0.58～3.45、0.38～1.44与0.14～1.01 mg/g. 除TW80吸收液热稳定性差、不宜采用加热蒸馏方法再生外, 其他吸收剂溶液经5次重复使用,甲苯回收率可达70%～85%,并能保持其原有吸收性能. 甲苯分配系数计算结果表明,FSO100和FSN100分别为0.41、0.62, SP20和AES分别为0.76、0.95, 其他4种吸收剂溶液在1.12～3.54之间;甲苯分配系数与饱和吸收浓度呈负相关、与体积传质系数呈正相关. 因此,2种氟碳表面活性剂吸收液对甲苯的吸收能力强,加热蒸馏法回收甲苯与再生吸收液具有经济性,用于处理甲苯废气具有广泛的应用前景.      

Advanced purification and comprehensive utilization of yellow phosphorous off gas

Yellow phosphorous is an important raw material in the chemical industry. However, during the production of yellow phosphorous, high concentrations of carbon monoxide and other impurities are released. Without appropriate purification and removal, this off gas has potential to cause severe pollution problems once released. Purified yellow phosphorous off gas can be beneficially reused as a raw material in chemical production for synthesis of high value-added chemical reagents. In this paper, the significance of purification and reutilization of yellow phosphorous off gas are explored. The principles, processes, and main characteristics of the technologies for purification and reuse of yellow phosphorus off gas (including technical measurements of impurity reduction, relevant engineering cases, and public acceptance of the technologies) are summarized. In view of the existing problems and scientific development requirements, this paper proposes several recommendations for green production based on the concept of recycle economics. We conclude that advanced purification and comprehensive reutilization can be an effective solution for heavy pollution resulting from yellow phosphorous off gassing.     

一种基于GIS的地下洞室群风网解算可视化研究

为了实现地下洞室群火灾网络模拟的可视化,利用地理信息系统及C#语言研究开发了一种风网解算系统。该系统能实现通风网络图的绘制及自动编号、解算及显示火灾烟气可能蔓延的区域,并可为相关部门制定火灾应急救援预案时提供支持     

基于多源数据融合的石油罐区安全监控模型

由于单一传感器在石油罐区安全监控中容易受到外界因素影响从而产生误差,为提高传感器检测结果的可靠性和罐区安全监控预警的准确性,基于多源数据融合技术,建立罐区安全状态预警模型。首先,介绍了多源数据融合技术的3个层级:数据级融合,特征级融合和决策级融合,以及目前各领域常见的数据融合方法;其次,建立了基于最优加权融合算法的一级融合模型和基于BP神经网络算法的二级融合模型;最后,得到石油罐区安全监控数据融合模型,并为进一步的实践应用打下了理论基础。     

基于ANP-DEA的城轨网络应急演练组合评价模型

应急演练综合评价是衡量应急演练效果好坏的关键。以城轨网络应急演练综合评价为研究对象,将城轨网络应急演练划分为演练准备、演练实施、演练总结三个阶段。针对评价指标间存在的关联关系,采用网络层次分析法(ANP)进行定量化处理,计算得到各评价指标综合权重,进而得到三个演练阶段的重要度。利用数据包络分析方法(DEA),分别计算三个阶段不同城轨线路应急演练的排序值,结合不同阶段的重要度,构建得到城轨网络应急演练的组合评价模型,实现对城轨网络应急演练效果的综合评价。结合算例,应用ANP-DEA组合模型,对某城轨网络的应急演练效果进行了综合评价。