华东地区矿产资源潜力评价专刊约稿函

<正>华东地区矿产资源潜力评价工作走过了风风雨雨8个年头,工作专题涉及成矿规律、矿产预测、地球物理、地球化学、遥感、自然重砂、综合信息与集成等7个子专题组。通过各省及大区工作人员的努力,目前华东地区矿产资源潜力评价工作已分层次、分阶段完成了铁、铜、锌、铅、金、磷、钨、锑、稀土、锰、     

铜对草鱼及花鲢的毒性预测：基于生物配体模型

试验配置不同胡敏酸浓度(DOC浓度为0.05、0.5、1、2、4 mg·L-1)下,分别对草鱼及花鲢进行铜的一系列96 h生物急性毒性试验,结果表明DOC浓度与LC50呈正相关关系,此与生物配体模型描述一致.利用两鱼种(Fathead minnow、Rainbow trout)的生物配体模型预测草鱼及花鲢的LC50,得出平均绝对偏差分别为591.2、157.14μg·L-1及728.18、91.24μg·L-1.在生物配体模型(biotic ligand model,BLM)铜形态分布平台下,得到草鱼及花鲢的LA50(以湿重计)依次为10.960nmol·g-1和3.978 nmol·g-1.通过校正草鱼及花鲢的LA50,得出平均绝对偏差依次为280.52μg·L-1和92.25μg·L-1,预测性能显著提高.基于所确立的LA50,通过搜集草鱼及花鲢的毒性数据,预测其LC50,得到平均绝对偏差分别为252.37μg·L-1和50.26μg·L-1,此证实基于生物配体模型的毒性预测具有一定的实用性.     

基于化石能源消耗的重庆市二氧化碳排放峰值预测

首先利用重庆市能源平衡表,采用IPCC方法 1对重庆市1997—2012年的碳排放进行核算;其次依据重庆市经济社会发展状况,通过LMDI因素分解法将影响碳排放的因素分解为:人口、人均GDP、产业结构、能源结构、能源强度和碳排放系数;然后利用扩展的重庆市STIRPAT碳排放模型,在9个情景模式下对2013—2050年重庆市碳排放进行预测;最后对比分析了各情景下的峰值大小及出现时间.研究发现:基准模式下的重庆市碳排放在2035年出现32135.38万t的峰值;提高能源利用技术、增加清洁能源使用比例和大力发展第三产业,能在不降低经济发展的情况下有效降低碳排放;消极因素中的第二产业占比下降比碳排放强度下降对碳排放的抑制作用更加明显;积极因素对碳排放峰值的影响比消极因素更有效.     

基于CEEMDAN和改进的混合时间序列模型工作面涌水量预测研究

为提高采煤工作面涌水量预测准确度,收集大量工作面涌水量观测数据进行整理、统计、分析,将涌水量稳定性、周期性和季节性特征考虑在内,提出1种基于数据驱动的完全自适应模态分解算法(CEEMDAN)和改进的混合时间序列模型工作面涌水量预测方法。该方法利用CEEMDAN处理涌水量数据,构建麻雀搜索算法(SSA)优化的长短期记忆网络(LSTM)和自回归移动平均模型(ARIMA)并行级联而成的混合时间序列模型对工作面涌水量进行预测。研究结果表明：该模型预测结果与真实数据相差更小,平均绝对误差为6.36 m³/h,均方根误差为10.6 m³/h,模型拟合系数为0.95,更适用于工作面涌水量预测。研究结果可为矿井工作面涌水量预测及防控提供参考。     

基于产排预测的园区固废管理系统设计与应用

针对现有园区信息化系统缺乏生产调优支撑功能的问题,融合固废产生和利用生产线生产监控、产品质检等多源数据,设计基于产排预测的园区固废信息管理系统。该系统依托机器学习算法,重点突破多源异构固废管理关联数据采集和管理、生产线运行状态和相关固废排放实时预测、生产系统资源环境综合效益分析等技术和方法,实现企业和生产线层面固废动态追踪、预测预警和综合分析功能,为企业和园区固废产排全过程智能管控提供支撑。     

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。