Continuous Safety Sampling Methodology

This research introduces a proactive methodology for accident prevention, called Continuous Safety Sampling Methodology, by utilizing the principles of work sampling and control charting. Sampling is performed to observe the occurrence of conditions that may become hazardous in a given system. These conditions, known as dendritics, may become hazards and could result in an accident or occupational disease. Continuous Safety Sampling Methodology performs a random sampling for the occurrence of these dendritics. The collected data are then used to generate a control chart. Based on the pattern of the control chart, a system “under control” is not disturbed whereas a system “out of control” is investigated for potential conditions becoming hazardous. Appropriate steps are then taken to eliminate or control these conditions to maintain a desired safe system.     

下保护层开采卸压瓦斯治理技术研究

以潘一东矿1252（1）下保护层首采工作面为研究对象,采用分源预测法对下保护层工作面瓦斯涌出情况进行预测。计算结果表明,1252（1）工作面的瓦斯有六成左右来自上邻近13—1煤层,在本煤层回采期间提出了地面钻井、底抽巷穿层钻孔、高位钻场顶板走向钻孔、沿空留巷充填墙埋管等瓦斯治理方案,抽采率达到90％左右,工作面上隅角完全杜绝瓦斯浓度超限现象,保护范围内的13—1煤层的突出危险性也显著降低。     

改进欧拉法的GM(1,1)模型及其在非煤矿山事故预测中的应用

通过对GM(1,1)模型中的微分方程使用数值算法求解,提出一种改进欧拉算法GM(1,1)模型.将此模型应用于我国非煤矿山事故预测中,并且对改进模型的预测数据及结果与原始模型进行了比较,表明该预测模型提高了预测精度,验证了模型的可行性,并对我国非煤矿山事故发生趋势做出统计学的判断.该模型可以精确的预测近期的一些数据,而长远的预测则为一种趋势的反映.     

基于最小二乘法的灰色 GM（1，1）改进模型在非煤矿山事故预测中的应用

根据灰色理论及其相关理论,通过对GM（1,1）模型中微分方程使用最小二乘法多项式拟合来求解,提出一种改进GM（1,1）模型。将改进模型的预测精度与原始模型进行了比较得出采用二次多项式拟合的改进模型预测精度高于原始模型,因此采用二次多项式拟合GM（1,1）改进模型。并将该改进模型用于我国非煤矿山事故预测中,对2008-2010年我国非煤矿山伤亡事故死亡率进行预测性计算并且与真实数据进行了比对,进一步验证了模型的可行性。     

滇池水污染物浓度预测的人工神经网络模型

本文针对滇池日益严重的水污染现状,根据云南昆明西苑隧道断面2004年-2010年的监测资料,建立了基于BP神经网络的主要污染指标预测模型,并对其进行训练检验,研究结果表明：独立样本中pH、溶解氧、氨氮、高锰酸盐浓度的预测值与监测值的线性相关系数分别为0．952、0．967、0．945、0．936。结果证明该模型预测精度满足要求,通过准确地预测湖泊水污染物可以为治理湖泊营养化和综合利用水资源、规划管理、决策提供重要的科学依据。     

总氮提标改造工程的微生物群落结构分析

对出水ρ［总氮（TN）］<1.5 mg·L^-1的市政污水处理厂（WWTP）的活性污泥进行微生物群落结构分析,揭示同一污水厂常规生化（WLK_OD）段和深度脱氮（WLK_AD）段的微生物群落多样性差异及功能差异.通过16S rRNA基因高通量测序及分析,结果表明相较于WLK_OD,WLK_AD中微生物群落具有较低均匀性,是因为特定的环境对微生物进行了选择.Proteobacteria在WLK_AD中富集且相对丰度达到70.11%.Thauera、Flavobacterium、Hydrogenophaga和Zoogloea等反硝化菌为WLK_AD中新增的优势菌,在两工段不同的生态位和微生物生长动力学共同作用下,体系内的反硝化菌发生演替.通过组间比较（P<0.05）,演替的优势反硝化菌在两个工段中有显著差异.此外,通过共现网络模块化分析结果表明,不同的水质环境对微生物群落结构具有影响.通过冗余分析发现COD和TN的去除率对微生物群落结构影响最大,Saccharibacteria、Thermomarinilinea、Terrimonas和Comamonas与COD的去除率呈正相关,而Dokdonella、Thauera、Flavobacterium和Zoogloea等反硝化菌与TN的去除率呈正相关.在WLK_AD中,NO₃^--N和TN的去除率较高,Novosphingobium、Dokdonella、Thauera和Sphingomonas等反硝化功能菌相对丰度也较高,它们协同去除TN,实现出水ρ（TN）<1.5 mg·L^-1.功能预测结果表明WLK_AD中编码反硝化酶的基因丰度更高.     

动态瓦斯地质预测算法研究与可视化应用

为实现煤矿瓦斯地质动态精准预测与可视化,基于煤层埋深、厚度、倾角、地质构造等多种因素,通过将相似的地质模块定义为同一微单元,在此基础上将反距离权重插值算法和递归邻域搜索策略与数据优化处理算法相结合,应用于瓦斯地质动态预测可视化系统开发。研究结果表明:根据递归邻域搜索算法模型开发的多级瓦斯地质图动态分析系统利用瓦斯地质基础数据可对矿井瓦斯含量、压力、涌出量等瓦斯赋存参数进行实时分析和计算,动态绘制散点图、等值线和区域预测图,使瓦斯区域预测图过渡更加平缓,显著提高预测的精准性及整体的显示效果,同时其制图耗时也无明显增加,可为高瓦斯矿井安全生产提供决策依据。     

不同溃坝条件下尾矿库溃坝试验与灾害影响研究*

为探究不同溃坝条件下尾砂流的演进规律与灾害影响,提高应对尾矿库溃坝灾害的防灾减灾能力。以四川某尾矿库为研究背景,采用模型试验与数值模拟相结合的方法,研究不同溃坝条件下溃坝砂流的演进和沉积规律,并预估溃坝灾害影响。研究结果表明:溃坝方式对溃坝砂流的演进过程、尾砂的沉积分布情况与致灾程度有显著影响;与漫顶溃坝相比,瞬时溃坝砂流的淹没范围更广、破坏性更强;砂流在流动过程中存在水-砂分层流动与沉淀的动态变化过程,其淹没面积大于尾砂的沉积面积;试验与数值模拟结果的一致性较高,采用两者相结合的方法研究溃坝砂流流动规律及灾害影响具有一定的可靠性。     

基于数据填补-机器学习的煤与瓦斯突出预测效果研究*

为解决煤与瓦斯突出事故数据集少,数据缺失严重的问题,提出将多重插补（MI）和随机森林填补(MF)应用于填补缺失参数,并将填补前和填补后的数据输入SVM,ELM,RF 3种机器学习算法进行训练,构建9种耦合模型。采用总体准确率、局部准确率、运行时间这3种指标评价模型性能。研究结果表明:采用数据填补算法后,由于训练样本增大,煤与瓦斯突出事故预测的总体准确率提高,运行时间增长;MF-RF模型的总体准确率与事故预测准确率最高,分别为97.90%和98.93%;RD-ELM模型的运行时间最短,为0.24 s;多重插补使得煤与瓦斯突出预测的总体准确率提高0.98%~1.11%,随机森林填补总体准确率提高5.13%~7.50%,随机森林填补的效果好于多重插补。     

基于Logistic回归模型的大兴安岭地区林火发生概率预测研究*

为实现对大兴安岭地区林火发生概率的基本预测,根据该地区历史火灾资料、地形因子、气象因子和人为因子,基于Logistic回归模型建立该地区林火发生概率预测模型。研究结果表明:坡度、海拔、平均气压、平均气温、平均相对湿度、最小相对湿度是该地区林火发生的主要驱动因子;坡度、海拔、平均气压、平均气温与林火发生概率呈正相关,平均相对湿度和最小相对湿度与林火发生概率呈负相关;ROC曲线下面积值（AUC）为0.91,最佳临界值为0.425;建立的大兴安岭地区林火发生概率预测模型,建模样本总体准确率为82.4%,验证样本总体准确率为80.5%;该地区夏季林火发生概率明显高于春、秋季;林火发生概率较高的Ⅳ级和Ⅴ级火险区主要集中在夏季该地区东南部、西部以及春、秋季该地区东南部。研究结果可为该地区林火预测提供1种参考方法。