两种复合早强剂对煤矿封孔水泥早强效果影响的研究

基于矿井复杂环境对封孔水泥提出的要求,引入２-丙烯酰胺基-２-甲基丙磺酸（AMPS）并复合聚羧酸减水剂,三乙醇胺（TEA）作为有机组分,氯化钠（氯化钙）为无机组分,模拟井下高湿环境,通过正交试验,考察了两种有机无机复合早强剂的制备。并通过SEM,TG和XRD等手段着重研究了两种复合早强剂水化3d对封孔水泥抗压强度的影响。结果表明,当氯化钠复合早强剂组分为氯化钠3%,三乙醇胺0.05%,聚羧酸0.3%,AMPS1%时;氯化钙复合早强剂组分为氯化钙1.5%,三乙醇胺0.04%,聚羧酸0.2%,AMPS1%时早强效果最好,抗压强度比基准组分别提高了328%和217%。     

一种PM_(2.5)辅助监测系统的设计与实现

为解决目前国内外PM2.5监测仪器价格昂贵,运行成本高,单点负责区域大,监测点少的问题,提出以国家监测网络为基础,以低成本、高精度为特点的PM2.5辅助监测方法。系统采用DSM501A作为PM2.5浓度采集传感器,完成粒子数量浓度到质量浓度的转换,通过在一定区域内布置监测终端,并借助于GPRS网络和参数曲面构建方法,建立了一定区域内PM2.5质量浓度网络图,填补了国家监测点间的监测盲区,并利用高斯消元法建立了从历史数据到未来浓度的预测算法。实验结果表明:实测数据与国家监测点数据基本一致,具有广阔的应用前景。     

基于自适应遗传小波神经网络的水质评价建模

水环境污染过程的非确定性和非线性,使得传统的水质评价方法存在局限性。为了提高水质评价的准确性,提出了一种基于改进小波神经网络(wavelet neural network,WNN)的水质评价模型。采用自适应遗传算法(adaptive genetic algorithm,AGA)对小波神经网络的初始权值进行优化,再通过小波神经网络算法对网络进行训练,最后对训练好的网络展开测试。仿真结果表明,自适应遗传算法和小波神经网络的结合提高了网络的训练效率,该方法可以用于水质评价建模,并且评价结果具有较高的精度和准确性。     

新型锌／铜／铝类水滑石的合成及对模拟印染废水吸附性能的研究

采用低饱和共沉淀法制得锌／铜／铝类水滑石化合物（Zn5CuAl2（OH）16CO3·xH2O）,在450℃焙烧得焙烧物,通过XRD ,FT－IR ,SEM和TG－DSC等手段对样品的结构、形貌和热稳定性进行了分析。将其焙烧物用于吸附模拟印染废水中的阴离子染料活性艳橙,结果表明,pH值在2～9,经吸附90 min ,其对印染废水的吸附性能最佳,染料去除率达96％以上。     

基于灰色神经网络优化组合模型的火灾预测研究

为了提高火灾事故预测的精度,根据我国火灾事故数据样本较小,波动性较大的特点,将遗传算法优化的灰色无偏预测模型与遗传算法优化的BP神经网络模型结合起来,建立灰色神经网络优化组合模型,充分发挥无偏灰色预测模型适用于小样本的数据预测的优势与BP神经网络处理非线性问题的优点。分别采用遗传算法优化后的无偏灰色GM（1,1）模型、遗传算法优化的BP神经网络预测模型与灰色神经网络优化组合模型对我国1998-2008年的火灾事故进行拟合,并对2009-2011年的火灾事故发生数进行预测。结果表明:灰色神经网络优化组合模型的预测误差最小,精度最高,适用于火灾事故的预测。     

全尾砂絮凝沉降参数GA-SVM优化预测模型研究

为了得到经济、高效的絮凝沉降参数,建立GA_SVM预测模型进行优化选择。在优选过程中,以供砂浓度、絮凝剂单耗和絮凝剂添加浓度作为输入因子,以沉降速度作为综合输出因子,通过室内试验,建立训练、验证样本集;建立支持向量机（SVM）回归预测模型,用训练集对模型进行训练,进而以验证集预测值的均方误差作为适应度函数,通过遗传算法（GA）对SVM模型参数进行优化选择,应用优化得到的SVM模型对絮凝沉降参数进行预测、优化。以湖南某铅锌银矿为例,通过建立的GA_SVM模型对全尾砂絮凝沉降参数进行预测,优选出该矿最佳絮凝沉降参数为:供砂浓度20%-25%,絮凝剂单耗8g/t,添加浓度009%。经实验对比,该模型对絮凝沉降参数预测结果的相对误差能控制在5%左右,精确度较高,可以作为絮凝沉降参数优选的一种新思路     

基于神经网络集成的单个飞行事件噪声预测模型

通过分析影响单个飞行事件噪声的各种因素,构建了BP神经网络回归预测模型,并通过自适应遗传算法优选出参与集成的个体神经网络,提出了预测单个飞行事件噪声的神经网络集成预测模型.为了有效保证差异性,设置不同隐藏神经元个数和Bagging算法来构建和训练单个网络.实验结果表明,单个飞行事件噪声的神经网络集成预测模型相对单个BP神经网络模型泛化能力更强,稳定性能更好.本文方法在测试集上误差在3dB以内的平均比率为96.9%,比单个网络高6.8%.     

基于ASM 2d的数学模型在六箱一体化工艺分析中的应用

以六箱一体化工艺为例,建立了基于ASM 2d(activated sludge process 2d,活性污泥工艺2d)的数学模型,并研究其在脱氮除磷中的应用. 在HRT(水力停留时间)为16 h的工况下,利用灵敏度分析挑选了含有7个参数的待优化参数集,通过使用遗传算法优化校正函数的方式进行校正计算,获得了校正后的六箱一体化工艺模型,并在HRT为20和24 h下对该模型做了进一步验证. 结果表明,校正后的模型对出水水质的预测性较好,在HRT为16 h下,出水ρ(COD_Cr)、ρ(TN)、ρ(TP)和ρ(NH₄+-N)的模型计算值与实测值间的绝对差值较小,分别为1.96、0.83、0.06和0.24 mg/L. 在校正后模型的基础上,详细分析了HRT为20 h时各池中ρ(NH₄+-N)、ρ(NO₃--N)和ρ(PO₄3--P)在1个周期内的动态变化,指出了影响该工艺处理效果的主要原因(如碳源不足的问题),并与通过试验分析得到的结果基本一致.      

神经网络与模拟退火算法结合的锅炉低NOx燃烧优化

对某600MW燃煤电站锅炉进行了多工况热态NO_x排放特性测量,在利用多层前向神经网络对该锅炉的NO_x排放特性进行建模的基础上,将神经网络模型与模拟退火全局优化算法相结合,实现了锅炉的低NO_x燃烧的优化,计算得到可获得低NO_x排放浓度的具体燃烧配风方案.文中对2种不同退火参数的模拟退火算法进行了比较,结果说明采用T₀=50K,α=0.6的参数可以获得较好的寻优效果.本文研究结果为实现大型电站锅炉低NO_x燃烧控制的在线优化技术打下了基础.     

MESIP∗: Modelling environmental scenarios in ponds

MESIP is a fugacity model which can predict the fate of organic hydrophobic chemicals in aquatic ecosystems. In this paper a short introduction to the mathematical model is presented together with a more detailed listing of the required input data. Comparison of the calculated and measured fate of a fluorescent whitening compound in an artificial outdoor pond is shown