改进Elman神经网络在短期热负荷预测中的应用

热电厂的短期热负荷预测在城市集中供暖中起着至关重要的作用,直接影响热电厂的经济效益和热能利用率。电厂的短期热负荷一般采用神经网络预测模型进行预测,而BP神经网络应用最为广泛。Elman神经网络算法在BP神经网络基础上加入了承接层,作为一步延时算子,实现记忆能力,使系统具备适应时变能力,增强系统全局稳定性。但Elman神经网络算法模型的构造依然需要大量样本的支撑,而且输入层的变量多,导致预测时间依然很长,收敛速度慢。该文在Elman神经网络预测前,进行了相关系数预处理和对样本中异常值的平均化预处理,通过数据归一化运算,使Elman神经网络输入层变量大幅减少。仿真实验表明,改进的Elman神经网络算法使预测模型快速寻优,减少预测时间的同时明显提高预测精度。     

多信息融合技术驱动的电加工控制优化研究

针对电火花微孔加工放电过程出现畸变,导致检测电路难于获取放电间隙状态的现象,提出了一种采用放电电流和放电电压双特征信息多重检测的方法,基于计算机信息融合技术,完成Matlab模糊神经网络训练模型的构建,提取放电状态特征,得到进行电火花加工电极的伺服控制策略,实验测试结果表明,采用该控制策略方法比某传统单一电路检测控制策略加工效果明显好转,获得相同微小孔深加工时间明显缩短,电极的损耗明显降低。     

人工监督神经网络在煤层裂缝发育区识别中的应用

针对在地震属性应用中难以精细识别煤层裂缝发育区边界的难题,开展了基于人工监督神经网络技术的煤层裂缝发育区应用研究。从地震资料中获取倾角导向体以提取高质量的地震属性,以多属性为指导进行人工拾取样点,并基于多层感知器进行神经网络机器训练学习,建立裂缝的最优属性集,拓展整体数据后获得裂缝概率体,从而识别划分出煤层裂缝发育区。该技术在山西阳泉新元矿区进行了应用,煤层裂缝发育区的识别结果明显优于属性直接识别,但勘探区内暂无钻井资料,预测效果还有待进一步验证。     

地下输水隧洞围岩稳定监测系统设计研究

在地下隧洞施工输水整个环节中,施工环境复杂多变。由于地质岩体结构应力、地下水以及岩体力学构造等各方面的不确定、不稳定因素的影响极大,如果仅依靠传统经验来进行管理,已经不符合现代化管理的最基本要求,也无法达到标准化管理。文章首先阐述了地下输水隧洞围岩稳定监测系统设计的目的,然后对设计输水隧洞围岩稳定监测系统进行了分析,以便及时正确掌控地下输水的隧洞围岩发展状态,保证隧洞施工的顺利完成。     

福建某镓锗伴生型铁矿石工艺矿物学研究

通过显微镜观察，采用X射线衍射仪、扫描电镜能谱仪、电子探针及矿物自动检测仪等分析技术，对福建某镓锗伴生型沉积热液铁矿石的矿物组成、镓锗载体矿物嵌布特征、镓锗平衡分配以及赋存状态进行了系统研究，并讨论了镓、锗的替换机制。研究结果表明，矿石中主要有价金属为铁，并伴生有价金属元素镓、锗、钼、银。磁铁矿为最主要的铁矿物，同时也是镓、锗的主要赋存矿物。镓、锗主要是以类质同象置换的形式进入载体矿物的晶格，在矿石中表现出多种赋存形式。矿石中磁铁矿主要嵌布于脉石矿物中，粒度分布极不均匀，主要粒度范围为0.005~0.32 mm，粒级小于0.01 mm的微细粒级分布率高达16.26%，致使磨矿解离较为困难。选矿可采用磁选方法回收主要有用矿物磁铁矿，再通过湿法酸浸、净化、萃取等工艺进行浸出液铁、镓、锗的综合回收。从矿石中回收镓、锗的理论品位为27×10-6和112×10-6，理论回收率为40%和82%。      

国外某高磷鲕状铁矿石工艺矿物学研究

为查明国外某高磷鲕状铁矿石的性质，采用化学分析、X射线衍射以及扫描电子显微镜等方法，研究了其化学组成、矿物组成、嵌布特征以及磷元素的赋存状态。结果表明，矿石中主要含铁矿物为赤铁矿和磁铁矿，还有少量菱铁矿以及针铁矿，主要脉石矿物为鲕绿泥石和方解石。矿石中48.61%的磷存在于磷灰石中，47.22%的磷分布于铁矿物中。铁矿物主要分布于鲕粒中，并与脉石矿物紧密共生，难以分离。大部分磷灰石存在于鲕粒中并被铁矿物包裹，粒度细且与铁矿物关系密切；存在于铁矿物中的磷均匀分布且无法用物理方法分离；少量的磷以纤磷钙铝石形式出现并被铁矿物包裹。鉴于矿石复杂的工艺矿物学尤其是磷的存在形式复杂，推荐采用直接还原—磁选工艺处理该铁矿石。