基于广义回归神经网络GRNN的矿井瓦斯含量预测

煤矿瓦斯涌出量和瓦斯突出受控于多种因素。如何根据各个影响因素预测计算煤层瓦斯含量是一个非常复杂的问题。近年来迅速发展起来的神经网络具有较高的非线性映射和并行处理能力。广义回归神经网络(GRNN)具有网络结构自适应确定、输出与初始权值无关等优良特性,能够逼近任意连续的非线性函数,可以处理系统内在的难以解析的规律。本文以某矿13-1煤层为研究对象,在分析影响煤层瓦斯含量的各种地质因素和量化定性因素的基础上,应用GRNN神经网络方法建立某矿13-1煤层瓦斯含量预测模型,以达到对井田未开采区域进行瓦斯含量预测的目的。     

基于RBF神经网络的巷道围岩稳定性预测

地应力、巷道夹角、顶板岩性、地下水和巷道断面积是影响巷道围岩稳定性的主要因素。利用RBF神经网络方法建立巷道围岩稳定性模型,结合内蒙古黄白茨煤矿的实测数据进行了验证,为该矿巷道有效支护提供了保证。     

基于FLAC3D的煤巷锚杆支护参数的模拟分析

 以神华集团平沟煤矿0908综采工作面为背景,运用FLAC_3D进行数值模拟分析,通过改变巷道锚杆的长度、直径、排距等参数,从顶底板、巷道两帮变形来研究不同锚杆参数在控制围岩变形方面的作用,从而对锚杆参数进行优化以获得合理的支护参数。     

某露天煤矿爆破中不同装药长度爆破效果数值模拟

在既定的孔距、排距、孔径等参数下,利用LS-DYNA模拟了不同装药长度的爆破效果。针对表征岩石破碎效果较为直接的Von Mises应力、Y方向位移、Y方向速度分别进行56 cm和64cm装药长度的效果对比,从而确定了合理的装药长度。     

冲压车间零碳建筑理论与应用分析

当前,环境保护已成为社会发展的主要目标,零碳建筑已成为世界建筑领域的主要发展方向。零碳建筑业是指在建筑的整个生命周期中尽可能节约能源、水和材料。在为人们提供舒适、健康、便捷的使用空间的同时,最大限度地保护环境、节约能源。零碳建筑的概念有不同的表达方式,但其基本内涵是表达人、建筑和环境之间的和谐关系,即建筑在建设和使用过程中必须节约能源、资源和环境污染;要求人们利用自然条件和技术手段创造良好健康的生活环境,同时尽可能控制和减少对自然环境的过度利用和破坏,保持生态环境与人类对自然的需求和回归之间的动态平衡。我们应该充分利用太阳能和风能,尽可能地节约化石能源。