基于机器学习的边坡安全稳定性评价及防护措施

为了更加快捷、高效地判定边坡稳定与否,基于机器学习,融合主成分分析法（PCA）、参数调整、影响因素权重分析等,建立了一种边坡安全稳定性评价体系。研究发现,运用PCA可以在保留80%数据原信息的前提下将输入变量维度从六维降至三维,但此时模型效果有所下降;随机森林及梯度提升(XGBoost) 两种学习算法均可搭建有效的边坡安全稳定性评估模型,通过对其预测效果的对比分析,确定XGBoost为最佳评价模型。与此同时,采取卡方检验、F检验以及互信息法3种相关性检验手段,并通过计算评价因子的重要程度且加以可视化展示,明确了容重、坡高、内摩擦角以及内聚力4个内在因素的重要性,最终将评估结果与实际结合提出了边坡安全防护措施。      

轻压下对连铸坯中心缺陷作用的量化模型研究

连铸坯内部的中心缩松和中心偏析是影响铸坯内部质量的主要缺陷,在凝固末端位置实施轻压下技术,是降低这类缺陷产生的重要手段.建立轻压下对中心缺陷作用的数学模型,可以定量地评价轻压下的作用,合理地确定轻压下的位置,科学地指导和制定轻压下工艺.在金属凝固过程热力模型和缩孔缩松传统预测判据的基础上,提出了轻压下对连铸坯中心缺陷作用的量化模型,通过与传统的Niyama缩松判据进行对比研究发现,提出的轻压下对连铸坯中心缺陷作用的量化模型可以定量评价糊状区压力状态和流动状态对中心缺陷的直接影响,克服了Niyama判据无法考虑流动和压力作用的不足.     

两组变量间相关关系的统计分析方法

研究典型相关分析的原理、典型成分的计算方法及计算步骤.把两组变量X与Y转化为具有最大相关性的若干对典型成分,直到两组变量的相关性被分解.通过典型相关系数及其显著性检验.选择典型成分分析两组变量的相关性.实例表明只有第一个典型相关系数能通过显著性检验,而其它两个典型相关系数显著为零,故应选取第一对典型成分F1和G1做分析.     

深井矿山岩爆的预测预报及其防治技术

在深井矿山中,岩爆的发生极大地威胁着井下人员设备材料的安全,对岩爆的预测预报变得越来越重要.文中在总结国内外学者在岩爆研究成果的基础上,对岩爆的发生机理及其常用岩爆判据进行研究分析,指出当前的岩爆判据大体上都是围绕着岩体的物理力学性质、受力状态以及储能情况等3个方面进行研究分析的. 利用单一判别指标进行岩爆预测会存在一定的局限性,应综合考虑多种判别指标进行岩爆的预测预报. 最后介绍了实际矿山中几种常用的岩爆预测预报方法及其防治技术,对矿山岩爆的预测预报及其防治具有一定的指导作用.      

三维确定性模型在浅层黄土滑坡稳定性预测中的应用

浅层黄土滑坡是黄土高原广泛分布和频繁发生的地质灾害,造成了巨大的人员伤亡和财产损失.尽管二维确定性模型已被广泛用于浅层滑坡稳定性预测,但不能充分考虑岩土性质、地层结构、地下水等条件的三维空间变化,这可能与实际的斜坡稳定性不相符.因此,利用能考虑复杂斜坡环境的三维确定性模型评价滑坡稳定性,对获取更真实的评价结果以及指导滑坡防治工作具有重要意义.本文利用Scoops3D三维确定性模型评价了在浅层黄土滑坡稳定性预测中的适应性和可靠性.首先,模型计算参数敏感性的分析发现黏聚力、滑动视倾角和栅格单元重量对安全系数准确度影响较大,并用于指导获取详细的关键参数.然后,选取不同分辨率的数字高程模型(DEM)数据,利用Scoops3D模型对典型黄土沟壑中的浅层黄土滑坡稳定性进行预测,并通过详细的点状和面状滑坡分布图与预测结果的对比发现,该模型对黄土沟壑区的浅层滑坡稳定性预测准确度较高,且点状滑坡分布图可能更适合模型适应性的检验.最后,混淆矩阵法和成功率曲线法对不同分辨率数字高程模型预测结果可靠性的检验显示,该模型能够有效地预测黄土浅层滑坡的稳定性,且在高分辨率数字高程模型数据下可以获得可靠的预测精度.      

圆锥形零件冲压成形皱曲和破裂三极限的预报与控制

根据变形区“多余三角形材料皱曲模型”和防皱曲压边力分别导出外皱曲极限预报与控制判据和内皱曲极限预报与控制判据,以及防外皱曲压边装置的选择判据和防内皱曲压边装置的选择判据。依据破裂模型和拉深变形力导出破裂极限的预报与控制判据,最后给出了圆锥形零件冲压成形皱曲和破裂三极限的预报与控制判据和图形。依据选定的压边力可计算出拉深变形力。实验验证和对比结果证明,将上述判据用于圆锥形零件冲压成形皱曲和破裂三极限的预报与控制是相当准确的     

基于支持向量机回归的精轧带钢调平预测模型

采用支持向量机算法建立了精轧部分带钢跑偏调平的预测模型。在精轧部分针对粗轧来料头部的跑偏进行控制,预测结果与筛选得到的优秀调平样本趋势基本一致。同时为了评估和分析SVM模型的性能,采用均方误差MSE以及相关系数r作为预测模型性能的评价指标。结果表明,基于支持向量机的预测模型具有较好的效果。     

应用统计学指标检验大气评价模式的准确性

大气环境影响评价中，选择的预测模式是否准确是评价结果是否可信的关键，本文应用统计学指标，对选取模式的准确性进行了检验，结果表明用统计学指标检验评价模式的准确性不但可行，而且方便．     

高炉铁水硅含量自组织预测中的模式量化

研究了高炉铁水硅含量自组织经验进化预测模型中的模式量化问题。在模式量化方案中,采用高炉过程变量时间序列数据的均值、梯度值和波动值作为数据的特征最来进行特征提取,将可预测率、命中率、趋势命中率等判据用于评判预测效果,并用天津铁厂1号高炉的过程数据进行了离线检验。结果表明：基于过程变量的特征提取方法可用于具有均匀时间间隔的高炉过程数据的特征提取。正确运用该方法可使铁水硅含量自组织预测模型的预测命中率提高10％左右。     

大红山铜铁矿区多层复杂矿体开采对象优化圈定研究

为了解决多层价值差异较大的矿体互层产出条件下开采对象合理选择圈定的问题,采用了三维数字化手段,通过建立矿床数学模型及价值模型,客观分析矿体价值及其分布规律,结合技术经济判据,合理优化、选择和圈定开采对象。本文的探索和实践,为类似矿床开采对象圈定和选择提供了有价值的思路和分析方法。     

Artificial neural nets for prediction of silicon content of blast furnace hot metal

Conventional models for prediction of silicon content of blast furnace hot metal are briefly reviewed. Four different artificial neural net (ANN) models, namely, back propagation algorithm (BPA), dynamic learning rate algorithm, functional link network (FLN) and fuzzy neural network (FNN), are trained and tested on operational data from blast furnace (BF1) at Visakhapatnam Steel Plant. FNN can predict silicon mass content of hot metal with a standard error (actual versus predicted) of 0.09% and correlation coefficient of 0.86; standard back propagation predicts with a standard error of 0.08 % and correlation coefficient of 0.79.     

小波模糊神经网络在高炉炉温预测中的应用

在运用模糊神经网络进行预测的基础上,建立了一种应用小波理论对时间信号进行去噪。根据去噪处理对模糊神经网络作相应处理的预测模型,并将所建模型应用于高炉炉温预测。仿真结果证明小波模糊神经网络比模糊神经网络更具优越性,预测准确率明显提高。     

韶钢2号高炉降低生铁含硅量的实践

韶钢２号高炉近年来通过改善原燃烧质量、确保炉况稳定顺行、提高煤气利用率,使生铁含硅量不断降低。为了进一步降低生铁含硅量,必须继续做好原料管理和操作管理工作。     

关于高炉低硅冶炼的探讨

分析了高炉内硅的来源和硅在高炉内还原的特点,总结了目前国内外高炉低硅冶炼的现状,提出了高炉低硅冶炼的措施。     

Variation in hot metal and slag composition during tapping of blast furnace

Abstract

To determine the quality of the hot metal and the thermal conditions inside the blast furnace, the composition of the hot metal and slag must be known. Obtaining representative metal and slag samples during tapping is thus highly important to blast furnace operation. The study covered in the present report focused on hot metal and slag composition variation during tapping from a commercial blast furnace. From the results, optimal sampling time points for obtaining elemental concentrations that can be taken as representative for the whole tapping sequence were identified. It was furthermore concluded that the reliability of hot metal composition data is significantly improved by averaging elemental concentrations determined from two samples, each taken at a particular time point. One sampling, however, was found to be adequate for slag. Results from the study also showed a fairly strong correlation between amounts of silicon and carbon, sulphur and carbon, and silicon and sulphur in the hot metal, while a weaker correlation between hot metal temperature and each of these elements was observed.     

石钢高炉铁水含硅量神经网络预报模型

按照现代控制理论,利用人工神经网络方法,把高炉视为多输入—单输出系统,结合高炉生产实际建立了石钢高炉铁水含硅量神经网络预报模型。通过引入动态步长和惯性项系数提高了网络收敛速度。采用不断更新学习样本集的方法提高了铁水含硅量预报的命中率。结果表明:在允许误差为0.1%时,命中率达到了86.67%,可以为高炉操作提供指导。     

���ڹ��̼��㷨�ĸ�¯���۽��ȼ���ģ��

A theoretical coke rate calculation model was established based on the traditional engineering method with the consideration of the combustion of pulverized coal, oxygen enrichment, blast humidity and other factors. A coefficient, measuring the amount of heat load with the change of furnace carbon, is proposed to establish the calculation method of heat loss. The theoretical coke rate and appropriate direct reduction rate of some large- scale blast furnace are calculated based on this model. Then the effects of different factors, including blast temperature, blast humidity, top temperature, iron ore grade, ash content and sulfur content of coke, carbonate flux consumption, silicon content of hot metal, direct reduction rate and slag rate, on coke rate were analyzed. The results show that the theoretical coke rate is 277. 15kg/t and appropriate direct reduction rate is 0. 34. The iron ore grade, ash content of coke, silicon content of hot metal and direct reduction rate have significant influences on coke rate. In addition, the calculation values in this model are lower than those of traditional model, which means the degrees of the factors affecting coke rate decrease nowadays.     

基于样条变换的非线性PLS的反应高炉炉温的参数预测

 高炉冶炼过程是一个大时滞、强非线性的系统,现有的高炉炉温预测模型不够准确,因此,建立了基于香农熵的广义相关系数时滞分析模型和基于样条变换的非线性偏最小二乘回归(ST-PLS)的反应炉温的参数预测模型,得出影响高炉炉温的主?问闹秃笫奔洌げ獬瞿芄蛔酆戏从Ω呗碌?个参数(［Si］,［S］,铁还原速率及铁水温度)。试验证明,模型具有较高的预测精度,当相对误差分别为0.11和0.18时,模型预测［Si］的命中率分别为0.7143和0.9184,［S］的命中率分别为0.7347和0.9184,铁还原速率的命中率分别为0.6122和0.8163,铁水温度的命中率分别为1.0000和1.0000。     

高炉铁水硅含量的神经网络时间序列预报

利用ＢＰ网络实现了高炉铁水硅含量的时间序列预报，并以高炉铁水硅含量的历史数据对下一炉铁水的硅含量进行离线预报。结果表明，本模型具有较好的预报效果。