用灰关联分析和神经网络方法预测煤与瓦斯突出

本文应用灰色系统理论的灰色关联分析,对煤与瓦斯突出影响因素进行灰关联分析,得出了各影响因素对煤与瓦斯突出影响程度的大小排序,选择灰关联分析的五个优势因子:瓦斯放散初速度、坚固性系数、瓦斯压力、煤体破坏类型和开采深度,作为输入参数,用计算机对神经网络编写程序,建立了煤与瓦斯突出预测的神经网络模型.用我国典型突出矿井的煤与瓦斯突出实例作为学习样本,对网络进行训练学习,并以云南恩洪煤矿的煤与瓦斯突出实例作为预测样本进行验证.     

贵州省燃煤电厂入炉煤氯含量的分布特征及影响因素

采用艾氏卡混合剂熔样-硫氰酸钾滴定法,对贵州省14座燃煤电厂入炉煤氯含量进行了测定。结果表明：煤中氯的含量范围为86～499 mg/kg,平均值为(207±99)mg/kg,平均值与全国值相当;入炉煤中氯的含量与挥发分有显著的正相关关系,氯主要赋存于有机相中;煤中氯与灰分、硫和汞之间的相关性不显著;煤中较低的氯含量对锅炉腐蚀的影响较小,但会抑制重金属的挥发且不利于烟气中零价汞的氧化。     

多组分酸酸化对中马村矿高阶煤增透效果的影响

为了研究酸化对中马村矿煤储层渗透性的影响,用同一体系酸液的不同配方对中马村矿粉状煤样进行了溶蚀试验,并开展了饱水煤样酸化前后的核磁共振试验研究。结果表明：1)针对中马村矿高阶煤优选出的多组分酸最佳配方为质量分数6%HCl+质量分数3%CH₃COOH,质量分数2%KCl作为防膨剂,添加适量SDS协同酸化,酸液浸泡煤样最佳时间为24 h; 2)经优选出的最佳酸液浸泡的6组煤样的t₂谱谱面积皆大于酸化前,酸化时间24 h时的煤样t₂谱谱面积约为酸化前谱面积的1.83倍;3)酸化前后煤样中水在各孔径上的比率表明,优选多组分酸溶蚀掉的矿物质主要存在于中马村矿煤样的小孔中。研究成果能为多组分酸对中马村矿低渗煤层酸化增透提供一定的理论基础。     

洗出新生活

田进 46岁,大同煤矿集团煤峪口矿在岗工人,尘肺病Ⅰ期。“洗出的黑水足足装了2个大号注射瓶,人轻松了很多。”     

共筑防线

大同煤矿集团公司(以下简称同煤集团)由原大同矿务局改制而成,拥有矿井47对,员工20万人,产销能力达1亿吨。平均每天有近     

基于链式多重插补的WOA-ELM煤与瓦斯突出预测模型

为了提高缺失数据下煤与瓦斯突出预测准确率,提出1种基于链式支持向量机多重插补(MICE＿SVM)的鲸鱼优化算法(WOA)-极限学习机(ELM)预测模型,以淮南朱集矿区为例,选取5个煤与瓦斯突出影响指标作为模型特征,采用提出的MICE＿SVM算法插补突出事故数据中缺失值,利用WOA优选ELM输入层权值及隐含层阈值,构建煤与瓦斯突出预测模型,将插补后数据用于WOA-ELM模型的训练与测试,并与其他模型的预测效果对比。研究结果表明：MICE＿SVM插补前、后的有突出数据预测准确率分别为83.02%,90.41%,MICE＿SVM显著提高了有突出预测准确率,对无突出和整体的预测准确率提高不明显;数据插补后WOA优化ELM对无突出、有突出和整体的预测准确率分别为97.94%,96.25%,96.48%,较优化前分别提高了5.79%,5.84%,5.55%,数据插补后WOA-ELM为最佳预测模型。     

MI和SVM算法在煤与瓦斯突出预测中的应用

为解决能用于煤与瓦斯突出预测模型的真实事故训练数据量小、数据集缺失严重的问题,提出采用数据挖掘多重填补(MI)算法填补事故数据中缺失参数,增大可用数据集,并将填补后的数据用于支持向量机(SVM)预测模型的训练与测试,选取K最近邻(KNN)算法与SVM进行对比.结果 表明:SVM数据填补前后的平均识别率分别为88.37％...     

燃煤电厂排放颗粒物中重金属形态的研究

本文分析用模拟酸雨浸提和Ｔｅｓｓｉｅｒ形态分离法，对燃煤电厂排放颗粒物中重金属形态进行了研究。结果表明，痕量金属绝大部分以稳定态存在，微米级飞灰中有较大活性的形态高于灰渣，煤燃烧高温条件使颗粒物中活性较大的形态含量减小。     

模拟煤灰渣垂直潜流人工湿地的除磷性能分析

为确定煤灰渣作为垂直潜流人工湿地基质的可行性,通过静态吸附实验和煤灰渣去除生活污水中的磷素实验,表明煤灰渣对污水中磷素的吸附平衡时间较短,吸附速率较快.当温度降低时,煤灰渣的磷素吸附容量对吸附平衡浓度依赖性和吸附强度随之降低,最大理论吸附容量亦降低 83.10% .在处理0.5 m 3 /(m2·d)的生活污水中,煤灰渣对TP的平均去除率达86.03%,吸附方式包括物理吸附和化学吸附,同时得出煤灰渣最大磷素解析量占最大理论吸附容量的0.73%,在实际人工湿地应用中应注意磷素解析而形成的二次污染.     

煤矿矿难何时休

哲人云:人不能两次踏进同一条河流。然而,就矿难发生而言,我们可曾记得,已经多少次踏进这同一条河流?每隔一段时间没有矿难的坏消息传来,人们都会欣慰地认为,这是太多鲜血让人警醒的结果。