矿井瓦斯地质智能预警平台的建设与应用

针对煤矿企业瓦斯地质资料缺乏有效管理、瓦斯地质图更新困难及利用率不高的现状,从瓦斯地质预警原理、数据库、平台结构、功能模块、关键技术、预警保障机制等方面介绍了一种矿井瓦斯地质智能预警平台建设方案。该平台采用GIS技术建立瓦斯地质空间数据库,实现了瓦斯地质相关数据的集中、有效管理及瓦斯地质图的自动更新;采用WCF技术实现了跨图形平台的瓦斯地质相关图件的数据共享;以瓦斯地质学理论为指导,形成了一套完整的瓦斯地质预警指标体系,综合分析工作面前方的瓦斯赋存、地质构造、煤层赋存等情况,实现了瓦斯地质的实时超前预警。应用结果表明,该平台各项预警结果与现场实测情况完全一致,效果良好。     

基于GIS的降水预警平台的设计与实现

文章对基于GIS的降水预警平台的建设进行了探讨。在需求分析的基础上,确定了降水预警平台所需数据和所要实现的功能,进而对降水预警平台建设的总体方案进行了设计,提出了该平台建设的三层体系结构和平台的应用模型及其调用关系,并对平台开发的技术路线进行了分析。最后,在VB．NET编程环境下,基于ArcEngine构建了降水预警平台,完成了GIS基本功能、色块图绘制、降水预警等功能,为用户提供了一个直观形象的降水预警平台,便于结合服务进行各种气象分析和预警。     

基于模糊识别与聚类的企业危机预警模型设计

针对企业危机等级分类与识别问题,建立了模糊环境下的日标判别函数．提出了求解不同危机等级的最优模糊聚类中心、最优模糊识别矩阵与最优指标权重的3种模型表达式和相应求解算法．最后用实例验证了该方法的可行性和有效性。     

基于低频射频识别技术的矿井人员定位系统的研究

低频射频识别技术是矿井人员定位系统的核心技术,以往采用高频射频技术存在着很多不足的问题,基于这种现状,将低频射频技术引进到矿井人员定位系统中来,以弥补高频射频技术存在的缺陷.就矿井人员系统的实际要求出发,对矿井定位技术进行分析,从低频射频识别技术的创新点入手,为低频射频识别技术在矿井人员定位系统的使用提供理论的基础.     

基于多时相遥感和GIS技术的湿地识别研究

本以江苏省洪泽湖湿地为例,首先利用秋季成像的TM影像进行分类,采用了混和分类法。然后利用同年度春季成像的TM影像制作湖泊掩膜来纠正分类中湿地类型与高地类型的错分现象。研究发现,该方法能有效地降低分类的误差,提高分类的精度。     

基于机器学习的GIS典型缺陷的智能识别研究

GIS设备的安全运行直接影响整个电网的安全稳定运行。随着GIS设备数量的增多,面对日益突出的GIS典型缺陷,本文采用支持向量机(Support Vector Machine,简称SVM)的机器学习方法,并结合图像处理技术设计开发了一套GIS典型缺陷的智能识别软件。软件首先对GIS图像进行预处理研究,然后通过对缺陷样本的训练学习,实现对GIS典型缺陷的智能识别,从而提高对GIS设备的检测效率。     

基于BP神经网络的输电线路隐患预放电识别研究

针对输电线路在长期运维过程中出现的异常主要依靠人工定期巡线来排查,无法高效、准确的对隐患进行预判的局限,本文提出了基于BP神经网络方法对输电线路典型隐患预放电识别。首先在南方电网防冰减灾重点实验室梅花山基地搭建起输电线路放电试验平台,得到了输电线路在树障和污秽绝缘子两种典型隐患的预放电脉冲电流波形数据。继而绘制得到放电信号中放电量,放电次数,相位参数的三个二维统计图,在此基础上提取并构建得到放电特征参量数据库,再将特征量带入反向传播神经网络分类器中对线路隐患模型进行训练。最后对模型测试的结果表明,采用BP神经网络算法能够有效识别输电线路中典型的隐患,且识别准确率达到92%以上,进而为输电线路隐患识别提供了参考。     

基于改进的SSA-BP神经网络的矿井突水水源识别模型研究

机器学习与寻优算法的结合在矿井突水水源识别上得到广泛应用,但突水水样数据具有随机性且寻优算法易陷入局部最优,提高模型泛化能力和跳出局部最优需进一步研究。针对上述问题,提出了一种改进的麻雀搜索算法(SSA)优化BP神经网络模型,用于对矿井突水水源进行定量辨识。以鲁能煤电股份有限公司阳城煤矿为研究对象,通过常规离子浓度分析、Piper三线图对该煤矿水样的水化学特征进行分析,初步判断矿井水来源于奥灰含水层和三灰含水层,并确定Na⁺+K⁺浓度、Ca²⁺浓度、Mg²⁺浓度、HCO₃^-浓度、SO ₄^2-浓度、Cl^-浓度、矿化度、总硬度、pH值作为突水水源识别指标;建立基于改进SSA-BP神经网络的矿井突水水源识别模型：首先进行SSA参数设置,引入Sine混沌映射使麻雀种群均匀分布,然后通过计算适应度值进行麻雀种群的更新,引入随机游走策略扰动当前最优个体,如果满足终止条件,则获得最优BP神经网络权重和阈值...     

支持向量机决策树在隐患预警模型中的应用

危化企业的安全监控数据具有社会价值,对安全隐患进行实时精确的预测是预警研究的热点,本文从人、设备、环境和管理四个维度出发,对安全生产隐患预警的相关指标进行分析,构建隐患预警指标体系,在此基础上,构建了自底向上的基于支持向量机的决策树多分类预警模型,实现对安全等级的的准确分类并用于预警未来的安全生产状态,通过与自顶向下的多分类模型比较,证实本文所采用的预警模型具有较好的实时性和精确度,满足对预警模型的基本要求.     

基于听觉模型的语音识别研究

本文提出了一个基于心理声学理论和实验的听觉感知模型,它模拟了人对声音响度的听觉感知特征。该模型可在数字信号处理器(DSP)或计算机上实现,模型的输出参数已被用于语音识别。实验表明,用该模型参数表示语音信号可在环境有噪声的情况下保持较高的识别率。     

基于物联网的滑坡地质灾害预警系统的设计

摘要：系统从降雨型滑坡的形成机理出发,利用物联网等先进技术,设计无线传感器网络节点实时感知监测区域的多维数据,并对各类诱发因子进行定量分析。最后结合地质条件联合建模,对滑坡等地质灾害实时预警,在指导防灾与减灾方面具有深远意义。     

高突矿井巷道掘进过程中危险源预警系统的研究

为了对高突矿井巷道掘进过程中可能遇到的突出煤层进行预警,以便及早消除安全隐患,预防灾害的发生,研究了突出煤层的精细地质模型的构建,并通过GIS最短距离分析方法计算巷道掘进头到突出煤层的法距;基于Longruan GIS3.0和煤矿虚拟环境系统VRMine,研究开发了高突矿井巷道掘进过程中危险源预警系统,实现了预警模型的三维可视化以及预警评价,并用新庄孜煤矿的实际数据进行了实例验证。结果表明,高突矿井巷道掘进过程中危险源预警系统可以辅助煤矿安全管理。     

油田预警分析模型的研究与设计

目前我国大部分的石油产区已经进入生产开采的中后期,此时为了能够提高石油的采收率来满足社会生产生活,必须及时有效地对油田的产量进行预警分析。本文提出一种油田预警分析模型,该模型采用支持向量机方法对油田开发过程中的油田区块进行预警,并且对抽油单井进行实时的监控与诊断,分析可能出现的各种问题,进而可以在异常事件初期及时发现生产中的异常情况,以此来进行预警,提前采取预防措施,从而实现油田产量的稳产高产。实验结果证明该模型具有较高的预测准确性。     

基于GIS技术的旅游景区生态预警系统研究

摘要：以GIS和生态学理论为依据,对旅游景区生态预警系统做了需求分析,规划了景区预警系统的体系结构,运用GIS技术和空间数据库技术,设计了旅游景区生态预警系统的评估指标体系和功能模块,实现了景区生态信息的实时收集、警情调度、信息发布和输出功能。     

基于支持向量回归机的油田生产预警模型研究

传统的油田开发动态生产预警采用独立性指标阈值判别方法,从而带来预警结果不准确、异常事件发生时报警而不是预警等问题。本课题提出一种油田生产预警模型,该方法将支持向量回归机(Support Vector Regression,SVR)用于油田生产预警中,通过分析历史生产动态数据,找到它们的变化规律,总结出生产异常警报形成模式,在油田异常事件的初期给出预警信号,提前分析处理潜在隐患,以便保证油田采收效率的稳定性。实验结果证明模型对于油田生产中发生的异常情况具有较高的预测准确性。     

基于SOM-PNN的信贷风险预警模型研究

信贷对现代市场经济非常重要，同时又会带来风险．以人工智能的思想为指导，将SOM与PNN网络相结合．提出并建立了一种基于SOM-PNN的信贷风险预警模型；结合统计理论方法对输入样本进行预处理，解决了网络训练中样本选用的问题；并利用因素分析方法对预警结果进行了解释．实验表明，利用该模型在得到可视化预测结果的同时，还可得到较高的预警精度．     

基于马尔科夫链的煤矿灾变预测系统的建模研究

提出了结合煤矿特点构造符合马尔科夫链特征的数学模型的观点,并以马尔科夫链为基本分析工具,详细介绍了设备故障、涌水预警、救险预测三个领域内的数学建模方法。所建模型可以预估机电设备发生故障的概率、井下透水后发生淹井的可能性、事故发生后井下人员的逃生状况,为煤矿灾变预测提供了概然性数据,为煤矿灾变预测系统的技术实现提供了理论支持。     

城市灾害预警系统初探

近年来,气候异常、极端天气事件、地震、泥石流等自然灾害频繁发生,作为城市,如何防范自然灾害的侵袭,并最大限度的减少公众生命财产损失成为一个亟待解决的问题。本文从四个方面初步探讨了城市灾害预警系统、城市安全的有关问题:首先简述了城市灾害预警系统的概念及建立的可能性,然后描述了系统的基本构成,接着初步设计了城市灾害应急管理指挥体系,并阐述了政府在城市灾害预警系统中的职责。     

基于数据驱动的电力安全生产事故风险预警研究

智能电网的快速发展和广泛应用为电力企业提供了来源复杂、结构多样的海量数据，使得智能电网成为大数据最重要的应用领域之一。如何应用大数据技术实现对电力安全生产数据的采集、存储和挖掘，进而提高电力企业的安全生产水平成为当前重要的研究课题。本文首先阐述了电力大数据和大数据技术的基本概念，然后借鉴传统的“海因里希法则”的思想，从隐患的角度出发，运用大数据技术对我国某省电力安全生产数据进行处理，通过这些数据建立某省电力企业的安全事故比例模型。再通过回归分析，对未来可能存在的隐患数量进行预测。最后根据安全事故比例模型对未来可能发生事故、事件数量做出预测，确定隐患数量的控制目标，形成一套安全生产预警模型，从而达到消除隐患、减少事故发生目的。