基于云计算的矿井瓦斯安全预警系统设计

基于云计算基本原理及Saa S模式,研究矿井瓦斯监测预警系统的云计算应用模型。设计了矿井瓦斯监测预警系统的云计算基础架构,以监测信息处理为核心、以虚拟化为资源调度与高效计算应用的重要手段实现基于监测监控系统的实时预警,并据此提出了云计算模式下的瓦斯监测预警流程体系。针对瓦斯监测大数据处理对资源调度的需求,基于Hadoop Map Reduce云计算资源调度机制,采用FIFO、公平调度及LATE组成的混合调度策略进行资源优化。该系统设计以高效的信息处理机制为支撑,可实现基于大数据处理的矿井瓦斯实时预警应用,为云计算模式下矿井瓦斯预警系统的开发应用提供了参考依据。     

瓦斯浓度区间预测的灰色聚类与高斯过程模型

为有效分析矿井瓦斯监测数据,以实现准确、可靠的瓦斯浓度预测,基于灰色关联聚类分析与高斯过程回归模型,研究瓦斯浓度时间序列分析与预测的方法。以预测有效度为预测精度的评估指标来动态确定重构瓦斯浓度时间序列样本空间的维数;应用灰色关联分析方法将瓦斯浓度时间序列划分成若干样本集,将其中具有关联特征的样本作为虚拟变量进行预测以消除因随机、不确定因素干扰而引起的预测误差;应用高斯过程回归模型实现瓦斯浓度区间预测,将预测结果表示成一个具有较高可信度的取值区间,以此表达对未来一段时间内瓦斯浓度动态变化情况的预测。实例分析表明:预测结果准确、可靠,能够较好地反映瓦斯浓度的实际变化状况。     

基于HHT方法的矿井瓦斯体积分数预测

为有效分析煤矿瓦斯监测数据以实现较准确的瓦斯浓度预测,研究应用希尔伯特-黄变换(HHT)方法进行瓦斯浓度时间序列分析与预测的方法。应用经验模态分解(EMD)方法将瓦斯浓度时间序列分解成不同频率的固有模态函数(IMF)分量的叠加,以获取瓦斯浓度时间序列的瞬时特征;通过Hilbert变换求得各IMF分量的瞬时频率,依据各IMF分量瞬时频率的均值将分解得到的IMF划分成较高频和低频2类新的分量,选取适合于各分量特征的预测模型分别进行预测,以消除局部随机性对预测精度的影响,结合自回归(AR)、径向基函数(RBF)神经网络和支持向量机(SVM)3种预测模型实现瓦斯浓度预测。实例分析表明:应用该方法所得预测结果比较准确,降低了预测复杂度,提高了预测精度。     

多层级系统安全状态量化及动态评价方法

为及时、合理评价生产系统安全状况,促进现场安全管理工作的持续改进,依据生产现场日常隐患排查的安全管理机制,将反映生产现场系统安全属性的安全要素集,根据行业特点进行归类来提取评价指标,形成一个表达系统安全状态的逻辑结构,研究以诸多安全要素风险值来量化评价指标的方法,用以刻画系统安全逻辑结构中指标层的安全状态。采用适用于多样本关联分析的熵权法,客观、动态地确定指标权重;采用加权灰色关联分析法,描述评价样本接近于系统安全目标的程度来确定评价等级,实现了生产现场系统安全动态、定量评价。实例分析表明,通过系统安全状态量化与动态评价能及时甄别反映系统薄弱环节的系统安全主控因素,为现场安全管理提供决策依据。     

超声波处理三元驱采油废水的实验

利用超声技术对油田三元驱采油废水的处理进行了实验研究。通过实验确定了超声波的最佳反应频率、功率、反应时间以及絮凝剂的筛选复配。实验结果表明:在最佳的反应条件下(超声频率为28kHz,超声频率为95 W,超声时间40min,沉降分离之后添加絮凝剂PAC 25mg/L,PAM 5mg/L),测得处理后的含油污水中悬浮物含量为1.5mg/L和含油率为4.9%,达到SY/T 5329—2012《碎屑岩油藏注水水质指标及分析方法》中低渗透油层注水水质要求。在不改变以重力沉降为主的传统采油污水处理工艺的前提下,为三元驱采油废水的处理提供一种经济高效的方法。