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:这是一支威武之师!这是一支文明之师!这是一支肩负泰山责任之师!从1978到2008.30个春秋,30载深情,这支威武之师伴随着祖国改革开放的发展而发展,并在发展中肩负起保卫改革开放前沿消防安全的重任,在南粤17.8万平方公里的土地上,以蹈火者的风采忠实地履行着为人民服务的诺言,和橄榄绿色的肩胛,无怨无悔地撑起城市的繁华,乡村的恬静,把平安献给南粤的每一寸土地,献给南粤经济腾飞的每一个日子。这支威武之师就是——广东省公安消防部队!正是任重道无时,在开放30周年的今天,广东消防勇士正以“王牌铁军”的豪情,“威武文明”之师的雄风,继续沿着改革开放的道路昂首阔步前进。
简介:案例:2004年1月15日上午,某机械加工厂金属结构车间铆工班职工张某根据班长安排在厂房内和另一职工在搬动一工件时,由于左脚被地上的杂物绊住,不小心工件从手上滑脱,将其右脚第一、二趾砸伤。车间主任考虑当时任务多、效益好、奖金也多,且上级对安全考核很严,若如实上报,车间、班组的奖金和声誉都会受到影响,便对班长说:“给老张做做工作,该看病看病,该休息休息,工伤就别报了。至于老张的待遇,告诉他,少不了。”班长按此指示对张某做了工作,张某觉得应该给领导面子,同时自己又不损失什么,就答应不报工伤了。但事后,张某的妻子觉得心里不踏实,找到车间主任坚持要报工伤。车间主任认为,这是张某自己的事,张妻无权管,并以张某已答应不报工伤为由未给张某报工伤。请问张某现在还能报工伤吗?张某和车间应该如何处理?