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。     

人-机-环境系统工程安全分析与评价研究

分别从"人"、"机"、"环境"的角度,定性分析了在生产过程中影响三者安全性的主要机理及其对整个人-机-环系统的安全影响,并同时分别建立了三者的安全性数学模型,最后以这些模型为依据,以济钢集团的一个生产车间的现场所测数据为基础,对人-机-环境系统工程进行了定量的分析,取得了良好的效果,为生产现场的安全分析、评价和管理工作提供了依据.