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:高温矿井巷道与风流间同时存在显热交换与潜热交换。相对于显热交换量,潜热交换量计算参数难以获得,致使巷道表面热湿交换量计算过程繁琐。为简化计算,对巷道热湿交换体系内显热、潜热交换与表面温度、空气状态温湿度的关系进行分析,通过饱和水蒸气分压力与温度的关系引入Lewis关系,将对流质交换系数用对流换热系数的函数关系表示,饱和水蒸气分压力用温度的函数关系表示,进而将潜热交换量表示成对流换热系数、壁面温度及风流状态露点温度的函数,将对流显热交换量与潜热交换量的计算有机结合;并针对高温矿井的客观条件,对潜热交换量计算式进行了适度的简化与误差修正,得出了精度满足工程计算要求的潜热及全热量简化计算式。同时分析了不同情况下全热简化计算式计算出的净热交换量的传递趋向,明确了不同矿井巷道表面温度及风流温度下,巷道表面水分蒸发需热量的取向。