安全利用火烧清理法进行脱硅器的清理

针对氧化铝生产中密闭性压力容器脱硅器清理作业环境差、清理难度大、危险性高等特点,结合中国铝业中州分公司脱硅器现场清理检修作业的实践经验,阐述了如何安全利用火烧法进行脱硅器现场清理工作.     

高压脉冲液相放电废水处理技术的研究进展

综述了国内外高压脉冲液相放电技术在水处理方面的应用及研究现状,概述了高压脉冲液相放电技术的原理以及目前高压脉冲液相放电技术的主要研究方向,如高压脉冲电源、物理效应、反应器、污染物和降解机理等方面,并提出了此技术存在的问题和前景.     

溶解乙炔站爆炸半径估算及防火、防爆措施

介绍了国内溶解乙炔的生产工艺流程,对溶解乙炔站可能引起的火灾、爆炸原因进行了分析,估算生产过程中乙炔的爆炸半径.根据爆炸半径,提出防火、防爆措施,为溶解乙炔站的选址及设计提供技术支持.     

提高GPS定位精度的群调度滤波算法*

为解决现行安全生产科技领域中全球定位系统（GPS）/惯性导航系统（INS）融合系统容易产生较大时变误差的关键问题,满足GPS定位信号的精度和信号数据处理时间的要求,提出1种群调度滤波算法,通过实验仿真,分别与模糊算法、机器学习算法及卡尔曼滤波网络算法进行比较研究。结果表明:群调度滤波算法兼顾了定位精度与数据处理时间,具有较大优势,可在航空安全、船舶安全、应急监测、灾后抢险等安全科技领域广泛应用。     

煤矿采空塌陷对地下水的影响

在煤炭开采过程中,煤炭被采出后其所在地下煤层会形成一定区域的采空区,并使煤层上方的顶板岩层失去支撑,由于顶板岩层的抗拉强度比较有限,因此在其顶板岩层自身重力与上覆岩层压力的影响下,很容易因顶板断裂、破碎而出现采空塌陷问题,这不仅会影响煤矿所在区域的生态安全,同时还会使地下水受到较大的负面影响。为此,本文结合煤矿采空塌陷的特点,围绕采空塌陷对地下水的影响展开了分析,并在此基础上提出了一些较为可行的采空塌陷区域地下水治理保护建议。     

基于红外热成像的隧道火焰检测技术研究

精准的火焰检测是有效避免火灾发生的关键,针对传统的火灾探测算法在公路隧道等大空间环境中存在及时性与准确性相互制约的问题,通过研究隧道火焰初期在图像中呈现的静态和动态特征,提出了一种基于红外热成像的公路隧道火灾初期火焰检测方法。利用温度阈值获取疑似火焰区域,根据红外图像在引导滤波器作用下降噪,同时利用区域增长法分割疑似火焰区域;从疑似区域中提取的特征值构成特征向量,进行数据归一化提高SVM收敛速度;利用人工蜂群算法优化参数。结果表明：ABC-SVM能够实现公路隧道火灾初期的火焰识别,检测正确率相较于RBF方法提升了2.26%,运行时间缩短了2.29 ms;检测正确率相较于SVM方法提升了0.87%,运行时间缩短了2.22 ms。本方法可以对初期隧道火灾进行快速、有效检测,并有良好的环境适用性。     

厌氧填埋垃圾降解阶段指标体系的建立

以厌氧填埋场中垃圾的降解过程为依托点,从渗滤液的水质特征和填埋气的组成两个方面筛选出判断指标,最后建立判断填埋垃圾降解阶段的指标体系.结果表明,ρ(BOD5)/ρ(COD)可以反映出渗滤液的可生化性,从而间接反映出填埋垃圾所处的降解阶段,是判断填埋垃圾降解阶段的重要定量指标.     

真空条件下高分辩质谱对不同煤质热解释放CO2分析

煤的热解机理和热解物质的形成与释放特征是煤田火灾研究领域的重要基础问题.本文以淮北不同煤种(烟煤,无烟煤,天然焦)为研究对象,在高真空条件下对样品进行热解,利用分子泵即时将热解气体产物抽入高分辨质谱检测器,在线分析热解过程中CO2的释放规律.研究结果表明:天然焦热解过程中产生的CO2,主要是样品和体系中残留以及吸附在煤微孔隙中O2分子反应生成;烟煤和无烟煤热解产生的CO2,主要是其内部含氧官能团在受热过程中分解形成,为不同煤种自燃发火防治提供资料.     

新中国60年来农业多功能性演变的研究

农业多功能性是近年来国际可持续发展研究与政府闻谈判磋商的热点问题.科学地认识农业多功能性及其演变趋势,对于新时期中国可持续发展战略的制定与实施具有重要意义.鉴于此,该文通过对相关文献和调研资料的整理,从农业的产品生产功能、经济社会功能、生态环境功能、文化休闲功能4个方面.对建国60年来农业多功能性演变的基本趋势进行了初步研究.结果表明,农业产品生产功能在波折中不断提高,而地域之间呈此消彼长现象,总的趋势是农产品生产由南方向北方、由东部向西部转移;农业的经济功能已经大大弱化,但就业和社会保障功能依然极为重要;农业对生态环境的影响,总体来看负面效应要大于正面效应;农业文化传承功能呈全面衰落趋势,但旅游功能则在近年来大为增强.依据这一研究结果,该文进一步探讨了增强我国农业多功能性的政策措施.     

Optimizing mixture properties of biodiesel production using genetic algorithm-based evolutionary support vector machine

Nowadays, biodiesel is used as one of the alternative renewable energy due to the increasing energy demand. However, optimum production of biodiesel still requires a huge number of expensive and time-consuming laboratory tests. To address the problem, this research develops a novel Genetic Algorithm-based Evolutionary Support Vector Machine (GA-ESIM). The GA-ESIM is an Artificial Intelligence (AI)-based tool that combines K-means Chaotic Genetic Algorithm (KCGA) and Evolutionary Support Vector Machine Inference Model (ESIM). The ESIM is utilized as a supervised learning technique to establish a highly accurate prediction model between the input--output of biodiesel mixture properties; and the KCGA is used to perform the simulation to obtain the optimum mixture properties based on the prediction model. A real biodiesel experimental data is provided to validate the GA-ESIM performance. Our simulation results demonstrate that the GA-ESIM establishes a prediction model with better accuracy than other AI-based tool and thus obtains the mixture properties with the biodiesel yield of 99.9%, higher than the best experimental data record, 97.4%.