简介：本文以煤层坚固系数(f)为例,对预测瓦斯突出指标的临界值进行分析探讨。

简介：目前国内外还没有对不同火险条件下草原火险时空发生概率的研究，而这方面研究对草原火灾管理对策和防火救助应急预案的制定具有重要意义。根据呼伦贝尔草原火灾统计月报表和相关气象、社会经济资料，利用Logistic回归模型建立草原火险预测模型，对草原火险进行了空间上的预测。结果表明，日平均风速、日降水量对草原火险影响较大；以2005年所有火灾案例对草原火险预测模型进行检验，研究表明，该预测方法具有较高的可靠性，可为火灾管理和减灾决策的制定提供指导。

简介：采煤工作面的液压支架是承受顶板压力的主体结构,选择支架的主要根据是其将要承受的周期来压荷载。为预测周期来压,构建了基于小波和混沌优化的最小二乘支持向量机（LSSVM）方法。该方法利用小波分解技术将所选的样本集数据分解成不同频率的分量,基于混沌理论对分量相空间进行重构。各重构分量分别使用LSSVM模型进行训练,其中LSSVM预测模型的参数由混沌粒子群算法进行优化。最后,将各LSSVM模型得到的预测分量进行小波重组得到完整的周期来压荷载预测波形。通过在重构时的计算发现,在某周期下,荷载的时序序列有一定的混沌性。与其他3种模型进行比较,基于小波和混沌优化LSSVM的预测模型得到的最终荷载波的精度更高,收敛性也较好。

简介：矿井瓦斯突出的发生是一个非线性系统在时空演化过程中的灾变行为,影响突出的各个基本因素与突出危险性之间存在复杂的非线性映射关系。对于处理这样的非线性时空演变问题,传统的数学方法是有局限性的。为了更好地预测矿井瓦斯涌出量,将灰色理论引入到预测精度高的遗传神经网络,使灰色理论和遗传神经网络有机结合起来,以神经网络理论为基础,利用遗传算法优化隐含层神经元个数和网络中的连接权值,并用其建立瓦斯涌出量的预测新模型。在实验室测试数据的基础上,建立遗传神经网络训练和检验样本集,并且将检验结果分别与标准BP神经网络的预测结果进行比较。

简介：采用混凝-Fentofl氧化法对经生化处理后的垃圾渗滤液进行了深度处理，确定了最佳的试验条件。结果表明，混凝剂聚合硫酸铁（PFS）的最佳投加量为20ml／L。通过正交试验和单因素试验，确定了Fenton反应最佳工艺条件：初始pH值为3，H2O2加入量为3．0mL／L，FeSO4·7H2O加入量为3．5g／L，反应时间为120min。生化处理后的垃圾渗滤液经混凝-Fenton氧化法深度处理后，CODCr由处理前的560mg／L降至处理后的93mg/L，去除率达83．4％，出水水质达到新修订的《生活垃圾填埋场污染控制标准》（GB16889--2008）排放标准。

简介：近期．广州市安委办加大危化品安全监管工作力度，通过采取“企业做自查、专家查隐患、机构出诊断、执法下整改”的方式，在全市危化品化工医药企业开展了单项深度治理工作，以切实解决化工医药行业突出的安全问题。

简介：为了给工业界提供一种快速预测二元混合液体自燃温度的有效途径,将试验所测不同组分及配比的168个二元混合液体的自燃温度作为期望输出,将基于电性拓扑状态指数（ETSI）理论、引入混合ETSI概念而计算出的9种原子类型所对应的混合ETSI作为输入,采用三层BP神经网络技术建立了根据原子类型混合ETSI来预测混合液体自燃温度的BP神经网络模型,并应用改进的Garson算法进行多参数敏感性分析。经模型评价验证及稳定性分析,得到训练集的决定系数R2为0.965,平均绝对误差MAE为11.892K,测试集的交叉验证系数Q2ext为0.923,平均绝对误差MAE为15.530K,发现该模型的预测性能优于已有的多元非线性回归（MNR）模型,表明BP神经网络模型具有较好的拟合能力和预测能力,对烷、醇类混合体系自燃温度的预测精度最佳。

简介：大量温室气体CO2的存在严重影响环境,而咪唑型离子液体具有独特的气体溶解性,在CO2捕集方面的应用较为广泛。基于定量结构-性质相关性（QSPR）原理提出了一种新的描述符——拓扑指数（TopologicalIndex,TI）描述符,研究了咪唑类离子液体捕集CO2的性能与其拓扑指数描述符之间的内在定量关系。应用遗传算法获得与捕集量最为密切相关的一组拓扑指数描述符,将其与温度和压力一起作为输入参数,分别采用多元非线性回归算法及支持向量机算法建立了咪唑类离子液体捕集CO2性能与其拓扑指数描述符之间的非线性模型。通过多元非线性回归算法得出训练集和测试集的决定系数分别为0.771和0.754,由支持向量机算法得出训练集和测试集的决定系数分别为0.990和0.981。对预测模型进行了评价验证及稳定性分析,结果表明,两种模型均具有良好的稳定性能和预测能力。根据拓扑指数描述符所建立的预测模型为工程应用提供了一种预测咪唑类离子液体捕集CO2性能的有效方法。

简介：为准确预测膨胀土边坡稳定性,避免人员和财产损失,提出一种基于偏最小二乘（PLS）和WNN的组合预测方法。首先利用PLS提取样本数据的主元特征;然后利用获取的主元特征建立WNN边坡稳定性预测模型;最后通过所建立的模型实现对边坡稳定性的预测。结果表明,该预测方法仅经过200余次迭代即可完成模型训练,预测均方误差达到0.0125,比单一WNN有了很大改善,从而验证了其可行性和有效性。

简介：“紧紧围绕服务防范事故和安全生产监管监察业务，加快安全生产信息化建设，强化省安监局与省安委会成员单位、设区市、县（市、区）安监局以及生产经营单位之间的互联互通、信息共享和业务协同，积极构建全省安全生产信息化‘一盘棋’‘一张网’‘一张表’和‘安全生产大数据中心’。”省安监局日前对推进全省安全生产信息化建设明确了工作目标。