快速预测畜禽粪便肥料成分含量方法研究进展

介绍了3种快速预测畜禽粪便肥料成分含量的方法,包括比重计测定法、电导仪测定法以及近红外光谱分析法。其中比重计法是基于比重与干物质之间较好的相关性进行测量的,因此它是一种间接预测粪便中的总氮、总磷的方法;电导仪预测铵态氮和总钾含量的精度较高,其中猪、牛粪便稀释以后的相关系数高于稀释前的相关系数;近红外光谱分析法则可快速地预测总氮、铵态氮、硝态氮以及水分等含量,并且精度较高。因此,可以用比重计法、电导仪法以及近红外光谱法快速预测畜禽粪便中的肥料成分含量。     

长江铜陵段水环境中铜浓度的灰色GM(1,1)预测

以近5年来长江铜陵段特征污染因子铜的监测数据为基础,采用灰色系统理论中的预测方法,建立了长江铜陵段水环境中金属铜的灰色预测模型.用该模型预测长江铜陵段水环境中特征污染因子铜的年均值.     

山地城市主要河流水质评价及预测研究——以四川省绵阳市为例

综合客观评价河流水质的健康及污染状况,科学分析预测水环境质量的变化趋势,对于河流水污染精准防治具有重要意义。选取绵阳市境内主要河流为研究对象,基于2014-2022年绵阳市12个水质监测断面的4项污染物指标监测数据,结合模糊综合评价法及主成分分析法对其断面水质进行评价并判断污染程度,建立带外源输入的非线性自回归（NARX）神经网络模型,预测研究区域内2025年和2030年的水质变化趋势。结果表明：1）综合不同水期来看,在枯水期,芙蓉溪仙鱼桥与梓潼垢家渡断面的水质级别分别在2015年和2016年都未能达到水质目标,满足水质功能标准的断面占12个监测断面的92%,而在平水期与丰水期各断面水质均能达到各自的标准;2）凯江老南桥、梓潼垢家渡及天仙镇大佛寺断面水质受水期影响较大,平武水文站在所选断面中总体水质较好,而芙蓉溪仙鱼桥较差;3）溶解氧（DO）、高锰酸盐指数（CODMn）、五日生化需氧量（BOD5）及氨氮（NH3-N）的实测值与预测值之间高度相关,均方误差均较小,满足水质预测的精度要求;4）从水质变化趋势来看,除天仙镇大佛寺断面2028-2030年的水质级别由2023-2027年的Ⅰ级降...     

我国隧道瓦斯事故统计及影响因素分析

为了解我国隧道瓦斯事故分布特征、发展趋势及其影响因素,统计1949-2019年我国瓦斯隧道以及相关瓦斯事故现有数据,并运用图表分析法总结隧道瓦斯事故,归纳我国隧道瓦斯事故类型、事故后果、事故发生地域、事故发生时间的分布特征及发展趋势特征,进而采用灰色关联法对发生过不同等级事故的8个典型隧道进行影响因素分析.研究结果表明...     

弹用聚酰胺材料老化试验研究

以聚酰胺材料老化试验为例,讨论了储存寿命预测的分析技术、试验设计技术;提出了影响试验准确性的因素和解决问题的方法,因素包括试验样品选择、考核性能选择、试验方法选择、产品环境剖面分析、热老化温度确定等。     

乌鲁木齐市大气中二氧化硫的灰色预测

根据灰色系统理论,联系乌鲁木齐市大气环境的实际状况,建立了精度检验为一级的灰色预测模型,经模型检验其精度完全满足要求。对乌鲁木齐大气中的SO2值进行预测分析的结果表明,乌鲁木齐市大气中SO2值呈上升的趋势,在未来几年中,乌鲁木齐市大气中SO2的预测值超过国家三级标准值(即大气中SO2的质量浓度年均值≤0.10mg/m3),这种发展趋势应引起有关部门的关注。     

基于人工神经网络的气体泄爆最大超压预测研究

为解决传统经验公式在预测气体泄爆中最大超压出现时的较大偏差或过于保守的问题,提出使用人工神经网络预测气体泄爆最大超压。基于124组实验数据,采用BP与RBF神经网络,通过优化算法计算与迭代循环对泄爆样本中的影响因素进行降维与选择,并确定2类神经网络本身在学习与计算气体泄爆样本时的相关参数。结果表明:PCA（主成分分析法）在当前样本条件下的降维效果较差,而通过迭代对比确认气体泄爆样本中的5类特征全部保留时神经网络的训练模拟效果最好;通过对124组实验数据进行随机挑选训练集与测试集的训练模拟结果发现,神经网络对气体泄爆中最大超压的预测效果较好;通过对比Molkov提出的和经Fakandu等改进的NFPA 68经验公式以及2类神经网络的预测结果表明,神经网络相比于传统气体泄爆经验公式具有明显优势。     

时间因素对钻屑瓦斯解吸指标K1值测定的影响分析

针对时间因素对钻屑瓦斯解吸指标K1测定结果的影响,采用恒温瓦斯放散试验深入分析钻屑瓦斯解吸指标K1测定理论的准确性,总结因时间因素导致K1值测定误差所带来的现场问题。研究结果表明:K1值的测定误差与时间关系密切,测定启动时间越晚,误差越大;测定启动时间由第1 min延后至第2 min,绝对误差和相对误差最大值分别增加0.081 cm3/(g·min1/2)和2.20%;高瓦斯压力条件矿井或煤层的局部高瓦斯压力区域、构造煤发育区的钻屑瓦斯解吸指标K1值测定结果偏低,测定误差偏大。研究结果可为煤与瓦斯突出预测水平的提升提供技术支撑。