基于MCMC填补的SSA-SVM煤与瓦斯突出预测模型

为提升煤与瓦斯突出预测准确度,减小数据缺失对煤与瓦斯突出预测的不利影响,提出1种基于链式多重填补马尔科夫链蒙特卡罗(MCMC)的麻雀搜索算法(SSA)优化支持向量机(SVM)预测模型。根据突出影响因素选取模型参数,运用MCMC对突出事故缺失值进行数据填补,采用SSA优化SVM,建立MCMC-SSA-SVM模型对填补后数据集进行预测,验证MCMC填补有效性和SSA优化性能;分别构建SVM、SSA-SVM、PSO-SVM、GAM-SVM、CMC-SVM、MCMC-PSO-SVM和MCMC-GA-SVM这7种模型进行突出预测,对比预测准确度,分析MCMC-SSA-SVM、MCMC-PSO-SVM和MCMC-GA-SVM的适应度。研究结果表明：MCMC填补后准确度均提升7.89个百分点以上,SSA的优化性能强于PSO和GA,MCMC-SSA-SVM预测准确度最高,为97.37%,泛化能力优于对比模型。研究结果可为煤与瓦斯突出预测研究提供借鉴和参考。     

基于指标气体关联分析的煤自燃分级预警研究

为准确预警煤炭自然发火,基于程序升温试验,获得指标气体与温度间的关系,并将起始温度V0和特征温度点V1、V2、V3时刻的碳氧化物比率作为预警界限,设定4级预警机制,采用灰色关联分析法关联性分析采空区和上隅角CO气体体积分数和碳氧化物比率,按照关联等级的高低细化4级预警机制,同时选取典型案例,详细展示该预警机制下的预警流...     

电厂燃煤的安全贮存管理

电厂燃煤的安全贮存管理是发电用煤的质量保障.燃煤的贮存点选择,库存组成定额及煤的组堆等防损耗方法直接关系到电力生产的安全和效益.     

低浓度有机废气纳米TiO2光催化处理技术

对常用有机废气净化技术进行了比较分析,以活性炭过滤网的强吸附性复合TiO2光催化剂研究为主,分析了纳米TiO2光催化处理低浓度有机废气的反应原理,叙述了几种常见负载型TiO2光催化剂的制备方法,影响TiO2光催化效率的因数及提高TiO2光催化剂的催化性能方式.     

柴油机燃用配煤水煤浆的研究及前景

综述了当今世界能源状况以及国内外柴油机燃料的研发和利用进展。结合国内外配煤水煤浆的研究及在柴油机上的应用现状,根据我国目前煤炭资源的开采和利用,以及配煤水煤浆具有低灰、低污染的优点,指出柴油机燃用配煤水煤浆具有广阔的应用前景.     

锅炉低NOx排放改造及试验结果分析

介绍了某电厂利用空气分级燃烧技术对420t／h锅炉燃烧器进行的低NOx排放改造情况,对锅炉改造前、后的NOx排放浓度进行了对比分析。结果表明,对锅炉实施低NOx改造后,NOx排放浓度明显下降,但锅炉热效率亦有所降低。     

环保新秀：植物塑料

据了解,每年我国的包装废弃物约200多万吨,其中有近5％为石油塑料制品垃圾。石油塑料制品的成分主要是聚乙烯或聚苯乙烯,如果直接焚烧这些垃圾,在燃烧过程中会产生对人体致癌的物质。假如填埋,它们历经百年也不会降解,更会污染海洋环境,导致耕地板结,严重破坏生态平衡。最近,一种利用生物技术制造的新型材料——植物塑料的问世,打破了这一局面。     

CuO/γ-Al_2O_3负载型催化剂催化燃烧处理油烟

采用等体积漫渍法制备不同CuO负载量的CuO/γ-Al2O3负载型催化剂,用X射线衍射仪、扫描电镜对该催化剂负载层活性组分的表面形态、晶相结构和颗粒大小进行表征,考察了该催化荆催化燃烧处理油烟的催化活性(以油烟净化效率表征).结果显示,催化活性随CuO负载量的增加.反应温度的升高而提高,但随烟气流量的增大而降低;在CuO负载量为20%(质量分数)、反应温度为350℃.烟气流量为5 L/min的最佳实验条件下,CuO/γ-Al2O3负载型催化剂的油烟净化效率最高.可达88.6%.该催化剂对油烟的催化燃烧具有较高的催化活性.     

Life Cycle Assessment of Ultra-clean Micronized Coal Oil Water Slurry

Life cycle assessment is applied to assess the ultraclean micronized coal oil water slurry （UCMCOWS） with SimaPro and the environmental impact of UCMCOWS on its whole life cycle is also analyzed. The result shows that the consumption of energy and products are increasing along with the deepening of UCMCOWS processing, UCMCOWS making and combustion are the two periods which have a bigger impact on eco-system and human health. As a new substitute of fuel, UCMCOWS merits to be utilized more efficiently and reasonably.     

煤与瓦斯突出预测的支持向量机(SVM)模型

基于支持向量机(SVM)分类算法,考虑影响煤与瓦斯突出的主要因素,建立了煤与瓦斯突出预测的SVM模型。该模型选取开采深度、瓦斯压力、瓦斯放散初速度、煤的坚固性系数以及地质破坏程度5个指标作为模型输入量,同时将煤与瓦斯突出程度划分为无突出、小型突出、中型突出和大型突出4个等级,进而使其评判结果更为细化。以实测数据作为学习样本进行训练,建立相应判别函数对待判样本进行预测。通过算例分析,表明该模型的方法对煤与瓦斯突出预测的合理性与有效性,可以在实际工程中推广。