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: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:落煤残存瓦斯量的确定是采掘工作面瓦斯涌出量预测的重要环节,它直接影响着采掘工作面瓦斯涌出量预测的精度,并与煤的变质程度、落煤粒度、原始瓦斯含量、暴露时间等影响因素呈非线性关系.人工神经网络具有表示任意非线性关系和学习的能力,是解决复杂非线性、不确定性和时变性问题的新思想和新方法.基于此,作者提出自适应神经网络的落煤残存瓦斯量预测模型,并结合不同矿井落煤残存瓦斯量的实际测定结果进行验证研究.结果表明,自适应调整权值的变步长BP神经网络模型预测精度高,收敛速度快;该预测模型的应用可为采掘工作面瓦斯涌出量的动态预测提供可靠的基础数据,为采掘工作面落煤残存瓦斯量的确定提出了一种全新的方法和思路.
简介:近年来,伴随着我国社会主义经济建设的迅猛发展与综合国力的增强,城市的规模不断的增大,城市人口流量也在增加,城市的交通也显得特别拥挤和繁重.为了改善交通环境,国家采取了各种措施,其中兴建地下铁道得到了普遍的认可,地铁建设在大多数城市中正在进行或即将纳入计划当中.地铁建设虽然缓解了城市的交通压力,但也给城市带来了另外的压力,那就是安全的问题.地铁的突发公共事件作为近年来严重威胁国家安全、社会稳定、经济发展和人民群众生命财产安全的一个严峻问题,已引起社会各界的关注.公安机关在防范地铁突公共发事件中也感觉到越来越大的压力和责任.因此,公安机关针对地铁的突发事件,应提高公安民警的安全防范意识和社会责任;建立健全防灾救灾的应急机制;掌握基本的安检排爆知识和技能;加强人防、物防和技防的相互配合;及时获取准确的情报信息;采取有效、可行的防范措施;加强地铁派出所的基础建设.
简介:LNG(液化天然气)泄漏后产生大量的蒸汽,蒸汽的扩散受液池尺寸、泄漏区域地面类型、环境条件的影响,为了研究以上因素对LNG蒸汽扩散的影响,以方便采取事故预防措施,采用ALOHA软件对以上因素影响甲烷UFL(爆炸上限)、LFL(爆炸下限)、1/2LFL在下风向扩散的最远距离进行了定量分析,划分了可能发生火灾或者爆炸的危险区域,得出LNG泄漏到水面、混凝土地面、湿沙层、干沙层上危险性依次降低。选取水面温度分别为5℃、10℃、15℃、25℃,围堰尺寸分别为400m2、600m2、800m2、1000m2,环境温度分别为-10℃、0℃、10℃、20℃、30℃、40℃时,对下风向甲烷体积分数分布进行定量分析,结果表明,甲烷UFL、LFL、1/2LFL扩散最远距离随水面温度、围堰尺寸、环境温度增加而逐渐增大。