西安f7地裂缝发展变化的预测研究

论文首先分析和总结了影响西安地裂缝发展变化的主要人为因素。随后,利用三维非稳定渗流分析方法研究了人类活动对地下水位的影响;根据西安市新增固定资产投资的变化,预测了地面荷载的变化;以时间、地下水位和地面荷载为基本变量,建立了预测f 7地裂缝活动趋势的BP神经网络模型;最后,借助MATLAB语言进行编程,利用训练稳定的网络模型,预测了f 7地裂缝的活动趋势以及年平均的垂直位移沉降量,为进一步研究西安地铁2号线安全运行和防护提供参考依据。     

地震预测有哪些阶段和要求?

中国地震专家将地震预测划分为四个阶段,即长期(几年到几十年)、中期(几个月到几年)、短期(几天到几个月)和临震阶段(几天之内)。各个阶段将开展以下综合性的研究:(1)长期预测阶段:开展地震活跃期—平静期的研究判定:估计活跃期内的强震主体活动地区及总体水平;确定十年尺度的地震重点监视防御区及重点监视防御城市。(2)中期预测阶段:对地震活动与地震前兆观测的跟踪过程中,出现的     

防震减灾基础知识问答

我国有哪些地震监测方法和手段?地震仪是如何记录地震的?各地震台测定的地震震级有时为什么不一致?地震观测环境的保护范围是怎样划定的?为什么地震预报是世界性难题?我国地震预报的现状与水平如何?我国对地震预报发布有哪些具体规定?     

基于EFDC和WASP模型的突发水污染事故影响的预测预警

近年来,我国突发水污染事故频发。长江作为我国最重要的水源地,其水质安全受到沿江众多化工企业可能突发污染事故的威胁。因此,开展南京化工园突发水污染事故影响的预测预警研究意义重大。基于EFDC和WASP模型,建立了南京化工园突发水污染事故影响的预测模型,并以龙翔甲苯罐区泄漏为例进行了事故情景模拟。研究表明：所建的预测模型能够对南京化工园突发水污染事故后污染物的水环境行为进行快速的模拟和预测,并且能够在地理信息系统的图层上以动画的形式实时展示事故影响的范围和程度,可以为南京化工园突发水污染事故的预警应急提供决策依据;基于EFDC构建的二维水动力模型能够较为准确地反映研究区的水动力情况;事故情景中排放的甲苯在研究江段能够较快地稀释扩散,挥发作用对甲苯的衰减过程影响显著,平水期比枯水期更有利于水体中甲苯的衰减     

城市轨道交通噪声的声源特性研究进展

分析了城市轨道交通噪声的主要类型、基本特性、传播规律及其影响因素;综述了国内外城市轨道交通噪声的预测及测量分析技术的研究成果,并对其进行了总结比较,阐述了各种方法的特点、主要成就和局限;最后探讨了城市轨道交通噪声领域今后的研究方向和发展趋势,为解决城市轨道交通发展中的噪声问题提供了参考.     

防治煤与瓦斯突出规定

国家安全生产监督管理总局令第19号《防治煤与瓦斯突出规定》已经2009年4月30日国家安全生产监督管理总局局长办公会议审议通过,现予公布,自2009年8月1日起施行,原煤炭工业部1995年1月25日发布的《防治煤与瓦斯突出细则》同时废止。局长骆琳2009年5月14日     

城市火灾的马尔可夫链预测方法

对1951-2004年间城市火灾起火数据进行分析,可以看出城市火灾发生率具有马尔可夫性.用马尔可夫链预测方法对2005年城市火灾发生率进行了预测,得到预测值与实际值完全吻合.用1991-2004年间城市火灾发生的实际数据对该方法进行了检验,说明该方法的可行性.预测结果表明,马尔可夫链预测方法用于城市火灾发生率及其分级的预测是一种切实可行的方法.     

区域性煤矿百万吨死亡率指标的宏观预测研究

为了对煤矿安全状况进行宏观预测,提出区域性煤矿安全状况评价指标体系并建立了以煤矿百万吨死亡率指标标征区域性煤矿安全状况的灰色预测模型。在对煤矿综合机械化采煤率、大型煤矿产量比例、原煤全员效率指标预测分析的基础上,利用多元回归法综合预测煤矿百万吨死亡率指标。实例计算证明:建立的预测模型具有输入数据少、建模简单、计算快捷等优点;客观地反映出区域性的煤矿安全状况;该模型可进行煤矿安全的短期预测,并为制定煤矿安全控制指标提供理论依据。     

金竹山土朱煤矿开采地表沉降规律与灰色预测模型研究

针对金竹山矿业公司土朱煤矿煤层赋存条件,依据采动理论的裂缝垂直分带模型,分析地表沉降和塌陷的机理;提出在采煤活动阶段应进行地表实际位移观测,经数据处理后得到地面沉降曲线,以确保地面人类活动的安全;在采煤活动后阶段则实施灰色预测地面沉降,即通过采煤活动阶段的地表实际观测数据为历史原始数据序列,建立灰色Logistic模型;并对采煤活动后阶段的地面沉降进行预测。精度检验表明:灰色Logistic模型预测精度高,利用该模型预测地面沉降可减少地面沉降监测经费和实时提供预警信息,以确保开采区域内人们生命财产安全。     

基于布谷鸟搜索优化的光伏电站辐照强度预测

针对光伏电站日前小时短期辐照强度的预测准确性问题,且考虑到支持向量机的学习参数对预测模型的性能有较大影响,为进一步提高数据的预测精度,利用布谷鸟搜索算法对支持向量机的惩罚因子c和核参数g进行优化,提出了一种基于布谷鸟搜索算法和支持向量回归的组合预测方法。仿真结果表明:该方法大大提高了光伏辐照强度预测的准确性和精度,可行且高效,适用于光伏在线预测。