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。     

基于VB6.0的供水管网震害预测方法和软件

为了提高供水管网震害预测的效率,修订了现有供水管网震害预测模型,应用Visual Basic 6.0软件平台,开发了供水管网震害预测软件。震害预测软件提供了两方面的预测功能,分别为不同地震烈度下供水管段基于三态的破坏等级预测和供水管网基于五态的破坏等级预测。软件实现了批量供水管段及整个管网的震害预测,且可以进行管网在设定地震下的震害预测,提高了预测效率。经算例分析,验证了软件的可靠性。     

3种纳米材料对水稻幼苗生理及根际细菌群落结构的影响

随着纳米技术的快速发展,评估人工纳米材料(ENMs)对植物-微生物系统的潜在危害至关重要。本研究通过盆栽试验,分析不同浓度(0、0.50、1.00和2.00 mg·g^-1)的纳米材料即纳米二氧化硅(nSiO₂)、纳米二氧化钛(nTiO₂)和纳米氧化锌(nZnO)对水稻幼苗生理和根际细菌群落结构的影响。研究结果显示,3种纳米材料处理后,水稻幼苗的超氧化物歧化酶(SOD)、过氧化物酶(POD)和过氧化氢酶(CAT)活性均显著增加(P<0.05,下同),可溶性蛋白(SP)含量仅在2.00 mg·g^-1nTiO₂和0.50 mg·g^-1 nZnO处理时显著降低;2.00 mg·g^-1nSiO₂处理及1.00 mg·g^-1和2.00 mg·g^-1nZnO处理均可显著降低水稻幼苗的株高(PH)、鲜质量(FW)和干质量(DW),nTiO₂处理则对其没有显著...     

油罐区耦合事故危害范围的预测

在分析油罐事故中各单一事故预测模型的基础上,结合油罐事故的特性,提出了油罐区耦合事故危害范围的预测方法。通过对事故的初始场景进行分析,判别可能耦合的单一事故类型,根据各单一事故的数学模型计算其在不同危害程度下的危害半径,比较数值间的大小得到重、中、轻度危害下危害半径最大值,借助耦合事故的危险性改变量,量化耦合事故危害后果,实例验证表明该方法的可行性及科学性。     

基于组合赋权的混合粒子群优化支持向量机的岩爆倾向性预测

为有效预测岩爆灾害发生烈度,提出一种基于组合赋权的混合粒子群优化支持向量机(H-PSO-SVM)岩爆倾向性预测模型。根据岩爆发生机制,在分析岩爆发生的主要影响因素的基础上确定出评判指标;综合考虑模糊层次分析法(FAHP)所得主观权重和熵权法所得客观权重,应用调和平均数概念,构建组合赋权准则;引入遗传算法交叉、变异操作改进传统粒子群(PSO)极值跟踪和粒子更新方法,建立H-PSO-SVM岩爆倾向性预测模型。利用国内外已有工程实例数据进行50次随机抽样试验,对比分析H-PSO-SVM模型和PSO-SVM模型等预测结果。结果表明:H-PSO-SVM模型应用于岩爆工程实例预测具有可行性和适应性,模型预测的准确率高于其他模型,且预测结果更稳定。     

基于改进的非线性GM(1,1)模型的职业病预测研究

为了更准确地预测职业病,在传统GM(1,1)模型的基础上,提出改进的非线性GM(1,1)模型,在传统的GM(1,1)模型中引入弱化算子,将紧邻均值与原始数据之间的线性假设改为非线性假设,提高曲线的拟合度。以2005—2014年的全国职业病例数为研究对象,进行数据拟合和预测分析,其中以2014年职业病例数作为验证数据,并利用后验差比值和小误差概率2个参数,检验该改进模型的预测精度。由应用实例的分析结果可知:在职业病发病趋势的预测方面,改进的非线性GM(1,1)模型的预测精度提高到一级,曲线拟合度较高,预测得到2015年的职业病例数为34 900例。