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.     

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。     

道路交通噪声预测声源简化研究

为了分析《环境影响评价技术导则声环境》(HJ 2.4—2009)中将道路声源简化为1条位于道路中心线处的线声源与按照车道数简化为多条线声源之间的误差,针对不同宽度的道路,推导了多条线声源与1条线声源在接收点噪声影响的误差计算公式,并基于Predictor-lima预测软件预测和现场噪声衰减规律实测进行了验证。研究结果表明,对于接收点到道路边缘的距离大于道路宽度的情况,可简化为1条线声源;对于接收点到道路边缘的距离小于道路宽度的情况,应按照车道数简化为多条线声源。     

基于基本物理指标的饱和砂类土液化评价方法的通用性∗

基于基本物理指标的饱和砂类土液化评价方法,包括等效骨架孔隙比的确定及液化强度参数预测公式,理论上已经被证实是有效的,但其通用性和敏感性尚需检验。通过独立试验数据,验证该液化评价方法的适用性和可靠性,分析试样尺寸、制样方法、液化判别标准、测试方法以及试验人员熟练程度等因素对预测准确性的影响,并探讨细粒影响系数b值确定方法对拟合参数及预测误差的影响。结果表明:基于基本物理指标的饱和砂类土液化评价方法适用于不同地域的砂类土的液化评价;试验条件差异略微增大评价方法的预测误差,但液化强度最大预测误差小于21%,且有50%的液化强度预测误差小于10%。b值的确定方法对液化强度预测的准确性影响较小,呈现出较低敏感性。     

洋河水库蓝藻水华爆发预测影响因子研究

为了预测洋河水库富营养化变化趋势和蓝藻水华爆发的风险,对洋河水库水体进行采样,分析其环境质量.研究结果表明,近年来洋河水库叶绿素a含量处于高位,氮、磷含量不断上升,特别是总氮质量浓度在5 mg/L左右,主要以硝态氮的形式存在,富营养化程度不断加剧,具有大规模爆发蓝藻水华的风险.对洋河水库藻华爆发的环境条件进行分析,提出...     

基于多源数据融合的煤矿工作面瓦斯浓度预测*

为了解决瓦斯浓度预测使用的单一数据在预测中影响还不够深入的问题,提出基于LSTM神经网络的多源数据融合瓦斯浓度预测模型。模型将上隅角瓦斯浓度、采煤机速度、工作面吨煤瓦斯涌出量等不同数据融合作为输入层参数,使用Adam优化算法更新LSTM网络层参数,利用Attention机制突出关键影响瓦斯浓度的因素,开展多源数据融合的瓦斯浓度预测,结合某矿1008工作面的实际数据,分析不同数据在瓦斯浓度预测中的作用。研究结果表明:单变量下的Attention-aLSTM预测效果相比LSTM提升14.2%;多源数据融合下的Attention-aLSTM相比自身提升了5%。     

反舰导弹命中精度预测与评估

目的解决反舰导弹命中精度受试验航区及靶场试验环境等客观条件制约,难以通过飞行试验得到客观全面评估的问题。方法在对影响反舰导弹命中精度的主要因素进行分析的基础上,利用实际环境条件下的飞行试验数据,构建基于偏最小二乘回归的命中精度模型,实现对反舰导弹各种使用环境条件命中精度的定量评估。结果在构建基于偏最小二乘回归的命中精度模型后,可以实现对90°发射扇面角、20 m/s侧风以及300 km最大射程等实际试验无法考核的边界使用环境条件下反舰导弹的命中精度进行定量评估。结论通过实例分析表明了方法的有效性和可行性,可以实现有小样本条件下对反舰导弹命中精度的评估。     

瓦里关山大气CO2及其δ13C本底变化

利用 1991— 2 0 0 1年期间实测资料 ,分析了瓦里关全球基准站大气CO2 及其δ13 C本底特征 ,并探讨了与源汇过程的关系 .结果表明 ,瓦里关大气CO2 及其δ13 C本底变化主要反映了北半球中高纬度大陆自然生态系统源汇的周期性季节特征 ,而海洋的作用相对较弱 ;大气CO2 及其δ13 C本底浓度范围与所处纬度带平均状况基本吻合 ,年平均值以及年际间涨落与全球水平的一致性反映出化石燃料燃烧等人为排放对大气圈的全球性影响 ;瓦里关站提供的主要温室气体本底观测资料 ,既能体现亚洲内陆地域特点又具有全球代表性 ,配合以其它相关资料 ,还可进一步揭示中国内陆高原大气CO2 及其δ13 C本底特征的成因 .     

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。     

ABC算法优化SVR的磨损故障预测模型

目的为了提高故障预测的精度,针对支持向量回归SVR(Support vector machine for regression,SVR)参数选择困难的问题,提出一种采用人工蜂群(artificial bee colony,ABC)算法优化支持向量回归(SVR)的故障预测模型(ABC-SVR)。方法该模型先对样本数据进行重构,然后将故障预测误差(适应度)作为优化目标,通过ABC算法寻优找到最优的SVR参数,建立故障预测模型。最后通过实例仿真验证模型的优越性。结果采用ABC算法优化的SVR故障预测模型进行时间序列预测,能够较好地跟踪发动机滑油金属元素浓度的变化过程,并且能够提前2个取样时间预测异常情况的出现。结论 ABC-SVR模型有效解决了SVR参数选择难题,能够更加准确地表现故障变化规律,提高了故障预测精度。