基于MMAS-BP神经网络的粉煤灰膏体管道输送水力坡度预测

水力坡度是粉煤灰膏体井下处理系统设计的重要参数,决定着能耗大小和运行成本。为掌握水力坡度的精确结果,将最大最小蚁群算法(MMAS)和BP神经网络结合应用于水力坡度的预测中,建立了水力坡度预测模型。经实践应用表明,该预测模型具有最大最小蚁群算法的快速收敛和全局性,又具有BP神经网络强大的映照效果,预测结果完全满足实际应用需要。     

煤矸石膏体充填材料的试验研究

为了提高村庄下的压煤采出率和保护环境，采用煤矸石膏体充填采矿法解放村庄下煤炭．通过正交试验和线性回归，得出影响煤矸石膏体充填体强度和坍落度的因素及回归函数．结果表明：组成膏体充填材料的煤矸石，胶结料，粉煤灰及膏体质量浓度对强度均有不同程度影响，煤矸石对充填体的后期强度影响显著，胶结料对充填早期强度影响较显著，粉煤灰对充填强度影响不显著．煤矸石在加工成直径小于25mm后，还需进一步分级．提高细颗粒矸石加量和降低质量浓度可提高膏体的坍落度和可泵性，胶结料和粉煤灰对膏体的可泵性影响不如煤矸石和质量浓度影响显著．     

固体废弃物膏体充填料浆质量的神经网络研究

固体废弃物膏体充填在我国煤炭系统是一种新的胶结充填模式．充填料浆质量的研究至关重要．它是一典型的多输入、多输出、非线性的模糊模型．一方面,运用神经网络结合遗传算法构造了膏体充填料浆质量的隐式模型,建立该模型的方法以神经网络为基础,用遗传算法来学习神经网络的权系数,既保留了遗传算法的强全局随机搜索能力,又具有神经网络的鲁棒性和自学习能力．该模型具有较强预测能力,为优化固体废弃物膏体充填料浆质量的影响因素提供了理论依据．另一方面,利用已训练好的膏体充填料浆质量模型获得遗传算法,对充填料浆质量的影响因素进行优化,该法在配比设计时,可在较少的试验次数下获得较好的配比．     

煤矸石膏体巷旁充填材料的研究

煤矸石膏体充填材料由煤矸石、粉煤灰、PL膏体胶结料和水组成.在目前PL膏体胶结料基础上,通过正交设计试验,改变煤矸石、膏体胶结料的用量,调整水灰比,测定充填材料的坍落度和抗压强度(1 d、3 d和7 d),在满足沿空留巷所需的力学性能条件下,得出了一种较为合理的配比方案,以及确定合理配比的方法,为煤矸石膏体巷旁充填材料的选择与应用提供了科学的依据.     

高分子材料的微孔发泡方法

介绍了微孔发泡高分子材料的成型方法 ,成型原理和成型工艺及设备。     

基于粒子群算法和BP神经网络的冲击危险性评估

为评价冲击矿压危险程度,提出一种基于粒子群算法和BP神经网络(PSO-BP)的冲击危险评估方法。利用已有冲击矿压数据,通过BP网络建立回归模型,并采用PSO算法对模型的连接权重和阀值进行优化,克服了BP网络收敛速度慢、易陷入局部最优的缺点。选取冲击矿压的10种主要影响因素,利用典型冲击矿井的20组工程数据建立PSO-BP评估模型,并将该模型与标准BP模型进行对比分析,结果表明PSO-BP模型较标准BP模型的评估准确率提高15%。最后,通过某矿冲击危险评估的工程实例验证了该方法的可行性和普适性。     

固体蜂蜜制备工艺的研究

该文较系统研究并比较了包括真空冷冻干燥法、水浴固化法和喷雾干燥法在内的几种固体蜂蜜制备工艺。经综合评价后确定在蜂蜜420g,麦芽糊精470g,β-环糊精30g,水500mL这一配方下经喷雾干燥可以得到色、香、味俱佳且贮藏性能良好的固体蜂蜜。     

真姬菇研究进展

综述真姬菇在生物学特性、营养成分和生物活性物质等方面的研究进展,探讨进一步研究的方向。     

酶法合成DAG油脂产物的精制

DAG油由于其健康功能日益受到人们的重视。酶法合成DAG油时，其产物中除了DAG外还有单甘酯、甘油三酯。本文研究了一种液液萃取纯化DAG油的方法。结果表明，乙醇水溶液可方便有效地萃取酯化产物中的副产物单甘酯，萃取选择性随温度的增加、载荷量的减少、萃取剂中水含量的加大而增加。载荷量增大，萃取效率增加但选择性下降。多段萃取可实现萃取效率、萃取选择性的统一。当采用二级萃取，萃取温度60℃，萃取阶段载荷量40r,／100mL，萃取剂水分含量25％（v／v％），回收阶段载荷量15g／10mL，萃取剂水分含量30％（v／v％），所得DAG油中DAG、MAG、TAG的含量分别为87．67％、1．1％、11．23％。     

姬松茸多糖中β-葡聚糖含量的酶法测定

探讨了酶法测定姬松茸多糖中 β 葡聚糖含量的方法 ,测得它的 β 葡聚糖含量在 3 7%～3 9%之间 ,标样的平均回收率为 86.8%。实验结果表明 ,此方法灵敏度高 ,测定结果可靠。