基于CEEMDAN和改进的混合时间序列模型工作面涌水量预测研究

为提高采煤工作面涌水量预测准确度,收集大量工作面涌水量观测数据进行整理、统计、分析,将涌水量稳定性、周期性和季节性特征考虑在内,提出1种基于数据驱动的完全自适应模态分解算法(CEEMDAN)和改进的混合时间序列模型工作面涌水量预测方法。该方法利用CEEMDAN处理涌水量数据,构建麻雀搜索算法(SSA)优化的长短期记忆网络(LSTM)和自回归移动平均模型(ARIMA)并行级联而成的混合时间序列模型对工作面涌水量进行预测。研究结果表明：该模型预测结果与真实数据相差更小,平均绝对误差为6.36 m³/h,均方根误差为10.6 m³/h,模型拟合系数为0.95,更适用于工作面涌水量预测。研究结果可为矿井工作面涌水量预测及防控提供参考。     

基于产排预测的园区固废管理系统设计与应用

针对现有园区信息化系统缺乏生产调优支撑功能的问题,融合固废产生和利用生产线生产监控、产品质检等多源数据,设计基于产排预测的园区固废信息管理系统。该系统依托机器学习算法,重点突破多源异构固废管理关联数据采集和管理、生产线运行状态和相关固废排放实时预测、生产系统资源环境综合效益分析等技术和方法,实现企业和生产线层面固废动态追踪、预测预警和综合分析功能,为企业和园区固废产排全过程智能管控提供支撑。     

如何处理安全生产举报

2019年3月11日,邓某向W市B区应急管理局邮寄一封举报信,实名举报当地一家企业存在4项安全生产违法行为,并于文末附有政府信息公开申请内容,申请公开“上述举报查处结果、举报人是否可以获得相应的经济奖励及法律依据”的政府信息。该举报信共涉及3个事项:一是举报安全生产违法行为,二是申请政府信息公开,三是请求获得相应奖励。     

基于人工神经网络的气体泄爆最大超压预测研究

为解决传统经验公式在预测气体泄爆中最大超压出现时的较大偏差或过于保守的问题,提出使用人工神经网络预测气体泄爆最大超压。基于124组实验数据,采用BP与RBF神经网络,通过优化算法计算与迭代循环对泄爆样本中的影响因素进行降维与选择,并确定2类神经网络本身在学习与计算气体泄爆样本时的相关参数。结果表明:PCA（主成分分析法）在当前样本条件下的降维效果较差,而通过迭代对比确认气体泄爆样本中的5类特征全部保留时神经网络的训练模拟效果最好;通过对124组实验数据进行随机挑选训练集与测试集的训练模拟结果发现,神经网络对气体泄爆中最大超压的预测效果较好;通过对比Molkov提出的和经Fakandu等改进的NFPA 68经验公式以及2类神经网络的预测结果表明,神经网络相比于传统气体泄爆经验公式具有明显优势。     

时间因素对钻屑瓦斯解吸指标K1值测定的影响分析

针对时间因素对钻屑瓦斯解吸指标K1测定结果的影响,采用恒温瓦斯放散试验深入分析钻屑瓦斯解吸指标K1测定理论的准确性,总结因时间因素导致K1值测定误差所带来的现场问题。研究结果表明:K1值的测定误差与时间关系密切,测定启动时间越晚,误差越大;测定启动时间由第1 min延后至第2 min,绝对误差和相对误差最大值分别增加0.081 cm3/(g·min1/2)和2.20%;高瓦斯压力条件矿井或煤层的局部高瓦斯压力区域、构造煤发育区的钻屑瓦斯解吸指标K1值测定结果偏低,测定误差偏大。研究结果可为煤与瓦斯突出预测水平的提升提供技术支撑。     

基于VB6.0的供水管网震害预测方法和软件

为了提高供水管网震害预测的效率,修订了现有供水管网震害预测模型,应用Visual Basic 6.0软件平台,开发了供水管网震害预测软件。震害预测软件提供了两方面的预测功能,分别为不同地震烈度下供水管段基于三态的破坏等级预测和供水管网基于五态的破坏等级预测。软件实现了批量供水管段及整个管网的震害预测,且可以进行管网在设定地震下的震害预测,提高了预测效率。经算例分析,验证了软件的可靠性。