基于灰色神经网络的我国原煤产量预测

文章采用灰色神经网络进行我国煤炭产量预测模型的建模,灰色神经网络具有灰色系统模型的可以用少量样本数据来建模与神经网络精度高的特性,克服在进行煤炭产量预测样本数据少的问题,仿真结果表明,此种模型预测结果的相对误差是1.57%,只使用灰色模型预测结果的相对误差是9.8%,采用此模型提高了预测的准确性和精度。     

大坝高边坡变形监测建模方法比较分析

文中介绍了变形监测的两种建模方法:逐步回归分析方法以及时间序列分析方法。利用MATLAB软件对江西省九江市修水县境内的东津大坝边坡实测数据进行分析。逐步回归方法所建模型水平位移预测值与实测值的平均绝对误差为0.1626 mm,时间序列分析方法所建模型水平位移预测值与实测值平均绝对误差为0.0610 mm。经过分析认为,与逐步回归方法相比,时间序列分析方法所建模型预测值更接近实测值,预测精度较高。     

煤炭易自燃煤层采空区温度预测方法研究

常用温度预测方法建立的温度预测模型，多采用正向传播的方式，导致温度预测结果与实际测量结果存在较大的误差。针对该问题，提出煤炭易自燃煤层采空区温度预测方法。根据采空区中存在的易燃气体，选择气体浓度传感器采集样本数据，并针对数据采集过程中存在的缺失、重复、多单位等问题进行删除、填充和归一化处理；引入神经网络，建立温度预测模型，采用正向传播和反向传播2种方式训练模型误差；从平均绝对误差、平均绝对百分比误差、均方根误差和判定系数4个方面检验温度预测模型，输出温度预测结果。实验结果表明:设计煤炭易自燃煤层采空区场景，研究方法的预测温度结果与测量温度结果之间的绝对误差小于1，相对误差小于0.01，可认为所述温度预测方法具有较好的精度，能够为煤炭开采提供一定的参考价值。     

基于长短期记忆网络的矿工不安全行为研究

矿工不安全行为的出现是复杂的非线性动力过程,为预测不安全行为时间序列,选择具有"记忆"功能和解决梯度消失问题的长短期记忆网络。使用TensorFlow下Keras搭建基于长短期记忆网络的不安全行为时间序列预测模型,使用A、B煤矿2年共3 405条不安全行为序列数据进行模型训练和测试,根据交叉验证集选择最优参数。实验结果表明:构建的4个时间序列预测模型最小的平均绝对误差为0.080 7,最大的平均绝对误差为0.333 5,能够很好预测煤矿未来一定时间段内的不安全行为。     

修正的动态GM(1,1)在建筑物变形预测中的应用

文中针对传统GM(1,1)模型在预测过程中易受到随机扰动的影响导致预测精度低、残值大的问题,提出一种同时优化原始序列和背景值的动态GM(1,1)模型。首先采用卡尔曼滤波对原始序列进行降噪,消除建模过程中因原始序列引起的扰动误差;其次采用复化辛普森公式对建模过程中的背景值进行修正,建立同时优化原始序列和背景值的GM(1,1)模型;第三对优化后的模型实时引入最新的监测数据,剔除最旧的数据,建立修正的动态GM(1,1)模型。以某建筑物监测数据为例进行计算分析,结果表明:同时优化原始序列和背景值的动态GM(1,1)模型精度优于传统GM(1,1)模型,能准确预测房屋沉降变化趋势。     

基于无偏灰色GM(1,1)的铁精矿品位预测模型北大核心

铁精矿品位的准确预测对铁矿选矿厂的生产和管理具有重要意义。为解决选矿厂生产过程中具有随机波动性的铁精矿品位预测问题,提出一种基于线性变换法的无偏灰色GM(1,1)铁精矿品位预测模型。通过采用一种线性变换方法降低铁精矿品位数据序列的波动干扰,将随机波动数据序列转换为单调增长的数据序列,然后将变换后铁精矿品位数据序列代入无偏灰色GM(1,1)模型以实现铁精矿品位预测模型的建模,最后将该预测模型用于两组铁精矿品位数据序列进行了验证。结果表明,基于线性变换的无偏灰色GM(1,1)铁精矿品位预测模型在预测精度和预测性能上优于两个改进的GM(1,1)预测模型,其预测精度均为一级,预测的最小相对误差为0.2%,平均绝对误差均小于1%,模型具有较好的应用性和有效性,为短期预测铁精矿品位提供了一种新途径。     

我国煤炭开采总量的ARMA模型研究

建立了ARMA模型对我国煤炭消费总量进行了研究,意在指导我国煤炭开采总量。文章对煤炭消费序列进行了检验,建立了煤炭消费序列增量模型,选择了最优的ARMA模型,并对我国煤炭消费总量进行了预测,对预测结果进行分析研究,得出了重要结论,并提出了相应的措施和发展目标。     

矿井瓦斯浓度Lagrange-ARIMA实时预测模型研究

矿井瓦斯浓度监测是瓦斯事故最直接有效的防控手段之一,为提高监测信息的利用效率,提出了一种瓦斯浓度Lagrange-ARIMA实时预测模型。首先应用拉伊达准则实现瓦斯浓度监测缺失值构建,其次采用滑动Lagrange插值方法进行缺失值预测,最后基于自回归差分移动平均模型(ARIMA)序贯学习,依据L1范数最小化原则,确定出Lagrange-ARIMA序贯学习窗口合适尺度,进行瓦斯浓度实时预测。实例仿真显示:Lagrange-ARIMA实时预测模型处理瓦斯浓度时间序列缺失值平均误差为1.397%,当序贯学习窗口尺度为85时,预测的瓦斯浓度序列平均绝对误差(MAE)为0.011 8。相比传统ARIMA静态学习模型,建立的Lagrange-ARIMA模型学习窗口尺度降低了90.3%,建模复杂度显著降低,MAE降低了16.3%,预测精度能满足现场需求。     

基于BP人工神经网络的磷矿品位预测模型研究

利用特制传感器采集磷矿原矿、浮选精矿和尾矿的颗粒表面特征参数,通过BP神经网络对采集数据进行建模处理,利用该模型进行浮选精矿的品位预测,计算结果显示,模型预测值与实测精矿品位绝对误差小于0.5%,能有效地预测磷矿浮选过程精矿品位。     

土岩滑坡变形成因及地质灾害预测方法研究

由于当前已有方法未能对滑坡变形监测数据进行滤波融合处理，导致预测结果准确性较低。提出一种土岩滑坡变形成因及地质灾害预测方法，对土质滑坡地质情况以及区域概况进行分析，结合前期勘察以及野外地质调查结果，构建滑坡地质概化模型，进一步分析导致土岩发生滑坡变形的主要原因。采用Kalman滤波方法对各个区域的位移监测数据进行滤波融合处理，同时通过EMD信号分解方法以及支持向量机预测方法对滑坡的变形过程进行预测，进而构建地质灾害预测模型，使用模型进行灾害预测。仿真实验结果表明，所提方法可以获取更加精准的地质灾害预测结果。     

大型燃气锅炉供热系统节能优化策略研究

考虑到大型燃气锅炉供热系统应用过程中受到运行环境的影响,导致其能耗增加,提出了大型燃气锅炉供热系统节能优化策略研究。针对大型燃气锅炉供热系统的操作流程进行优化,通过计算锅炉表面传热负荷、内外温差传热负荷以及太阳辐射负荷,确定大型燃气锅炉供热系统负荷;构建超带宽储存大型燃气锅炉供热数据模型,得到大型燃气锅炉供热数据的存储空间特征量,获取燃气锅炉供热数据,借助小波方程式求解大型燃气锅炉供热系统的不稳定换热值,确定锅炉供热过程中燃气热能指标,优化大型燃气锅炉供热系统节能优化的可行性指标,实现大型燃气锅炉供热系统节能优化策略研究。实验结果表明,提出节能优化策略可有效提高大型燃气锅炉供热系统的节能效果,且经济效益较好。     

高炉生产中喷煤降焦优化措施综述

叙述了高炉生产能耗现状,分析了影响喷煤降焦的主要原因,通过对一些现有的数据、措施和一些相关企业的实例分析,指出了提高煤比降低焦比是实现高炉生产稳定操作的有效方法。     

1 000 MW高效宽负荷率的超超临界锅炉开发

根据反平衡法对电站锅炉各项效率损失进行分析，潜力较大的是排烟损失和未完全燃烧损失，主要影响因素有过量空气系数、排烟温度、燃烧效率；1 000 MW高效宽负荷率超超临界煤粉锅炉的开发采用低过量空气系数设计理念，在炉膛选型、受热面布置、燃烧系统设计、降低锅炉漏风等方面采取措施。与传统设计相比，50% THA负荷下锅炉效率提升了0.96%。     

焦炉前反馈热工控制系统运行实践

焦炉生产是典型的大惯性、非线性、时变快的复杂系统，以“火落温度”为基础的焦炉前反馈热工控制系统，通过立火道温度自动测量与人工测温相关性分析、粗煤气温度测量与火落判断、标准温度的优化等运行实践，达到了自动火落时间判断、标准温度指导、加热和燃烧优化、高低温炉号判别等目的，对于稳定炉温、降低回炉煤气消耗、提高焦炭质量以及推进焦化企业技术进步具有重要意义。     

基于BP神经网络的炼焦煤质量预测研究

焦炭的质量对高炉冶炼的生产有着重要的影响,为了解决焦炭质量预测问题,提出了基于BP神经网络的质量预测算法,文中详细阐述了该模型的建立过程和实现方法,同时也给出了在进行模型处理的时候数据预处理的方法。利用人工神经网络对非线性问题的模拟能力,构建了焦炭质量预测模型,测试结果表明在100组不同类型的焦炭质量预测分析中,质量预测的精度达到了95%。     

喷吹煤气高炉冶炼的极限焦比研究

本文提出用煤气代替煤粉进行喷吹,简化了高炉冶炼过程,使得喷吹煤气的高炉冶炼达到焦比极限成为可能。应用焦比与直接还原度的联合计算方法,研究了喷吹煤气新工艺下的极限焦比值。结果指出:煤气仅进行间接还原时,高炉冶炼1000 kg生铁的总耗热为1506849.53 k J/t Fe,焦比为238.88 kg/t Fe,直接还原度为0.20。而煤气在风口区燃烧提供热量时,高炉冶炼1000 kg生铁的总耗热为1873112.57 kJ/tFe,焦比为258.89 kg/tFe,直接还原度为0.34。当喷入的煤气一部分在风口区燃烧供热和一部分在间接还原区进行间接还原时,喷煤气高炉才能达到极限焦比值。直接还原度和极限焦比都随着喷入的煤气量的增加而先减小后增大。计算得到喷煤气高炉的极限焦比值为124.76 kg/tFe,喷入的煤气量为1127.97 m3/tFe,直接还原度可降到0.044,新工艺冶炼需要的单位生铁总热量为1074599.9 kJ/tFe。     

煤粉燃烧中NO_x的预测:参数数据库及CFD实践

在前期工作中开发了新的煤粉燃烧NO_x预测模型,使用CO,H2浓度表征碳氢化合物含量来刻画NO_x的均相还原,编写程序以UDF的形式将NO_x模型、包含气化反应的焦炭燃烧模型嵌入Fluent中,实现新的NO_x模型与先进湍流、辐射换热模型的耦合计算。在此基础上,进一步改造完善沉降炉、一维炉实验平台,开展不同煤种、不同工况下的燃烧实验,获得高质量的实验数据。使用新的NO_x预测模型对各工况进行模拟、对比,建立适用于不同煤种的模型参数数据库。最后将新的NO_x模型及参数数据库应用于四角切圆锅炉、对冲火焰锅炉以及W火焰锅炉的CFD计算中。结果表明新的NO_x模型可以合理预测不同煤种、不同炉型、不同运行条件下NO_x的生成与还原,这就为锅炉、燃烧器的低NO_x设计、改造与优化奠定了基础。     

锅炉结构和型式对氮氧化物排放浓度影响的试验

利用不同炉型和燃烧器型式锅炉NO_x排放浓度测量数据,分析了锅炉结构和燃烧器型式对NO_x排放浓度的影响.“W”火焰锅炉NO_x排放浓度最高,其次是四角切圆直流燃烧器锅炉;采用低NO_x燃烧技术的旋流燃烧器锅炉其NO_x排放浓度低于四角切圆燃烧锅炉;循环流化床锅炉由于燃烧温度低,其NO_x排放浓度最低;烧烟煤的四角切圆燃烧锅炉的NO_x排放浓度低于贫煤锅炉.对现有锅炉燃烧器进行改造,可以同时实现锅炉稳燃,提高燃烧效率,降低NO_x排放的目的.     

基于模糊综合评价的高炉配煤方案筛选研究

基于对高炉喷煤方案进行合理评价,建立了高炉喷吹用煤性能评价指标体系和模糊综合评价模型。以某大型钢铁企业高炉喷煤方案为例,并对其进行综合评价。结果表明,运用模糊综合评价进行高炉喷煤方案的评价是可行的,其评价结果对实际生产具有重要的指导意义。