煤矿重大危险源安全评价方法研究

基于煤矿行业重大伤亡事故频发状况,回顾了国内外重大危险源辨识相关法规和标准的发展状况,以及目前我国煤矿行业重大危险源评价依据。通过对煤矿重大危险源的概念、适用范围、危险物质临界量进行了详细分析,并从危险源辨识理论和煤矿重大事故特征出发,研究煤矿重大危险源的辨识方法和原理。     

煤矿重大危险源评价研究

煤矿危险、有害因素与危险源识别是安全评价必不可少的内容,也是制定重大事故应急救援预案的基础,但选择符合煤矿生产实际的辨识与评价方法一直是个难题。根据煤矿生产系统的具体特点,将D=LEC法用于煤矿生产系统危险源辨识与危险性评价,对促进煤矿安全生产有积极的意义。     

煤矿重大危险源安全评估方法

煤矿山是所有矿山中危险性较大的矿山之一,对煤矿重大危险源进行了分类、分级,并提出了煤矿重大危险源的安全评估方法,更有针对性的对煤矿重大危险源进行安全评估,为预防和减少煤矿重大安全事故起数,保障人民群众生命和财产安全提供了条件。同时,也对煤矿安全监督管理提供了方便。     

谈谈对煤矿重大危险源的控制措施

煤矿企业的危险源正常不外乎水、火、瓦斯、顶板、煤尘五个方面的基本问题,另有、煤突、瓦突等情况。     

煤矿重大危险源辨识理论与方法研究

煤矿事故风险产生的根本原因是井下存在各种危险源，危险源的失控导致事故及经济损失。分析了煤矿重大危险源与事故风险，提出了煤矿危险性概率指数和风险权系数，并给定了参考值和计算公式。通过预测事故经济损失和人员伤亡，确定生产矿井的危险性类别和生产单元的危险性分级。     

作业条件危险性评价法在煤矿重大危险源评价中的应用

本文在讨论煤矿重大危险源特性的基础上,将定性和定量分析相结合分析了煤矿重大危险源中的瓦斯爆炸事故,应用作业条件危险性评价方法对煤矿中瓦斯爆炸事故的危险度进行了评价,煤矿企业可以根据评价结果为煤矿的安全管理提供科学的依据。     

非煤矿山重大危险源安全评估方法

对非煤矿山重大危险源进行了分类、分级,介绍了非煤矿山重大危险源的安全评估方法,为有针对性的对非煤矿山重大危险源进行安全评估,预防和减少非煤矿山重大安全事故起数,保障人民群众生命财产安全提供了条件,同时,也为非煤矿山安全监督管理提供了方便。     

煤矿瓦斯爆炸重大危险源辨识与风险评价

煤矿瓦斯爆炸事故的社会影响是非常大的,它往往会造成巨大的经济损失及大量的人员伤亡。因此,必须采取有效的措施来预防瓦斯爆炸事故的发生。要预防事故的发生则应先对瓦斯爆炸重大危险源进行辨识评价,从而得出事故发生的可能性及危险源的危险程度,为进一步提出整改措施提供参考。然而,目前采用的评价方法多为定性方法,如安全检查表法,它只能查处事故隐患,而不能对危险源的危险程度作定量化的描述。为此,作者结合瓦斯爆炸重大危险源多因素、多层次性的特点,采用了模糊综合评判的方法,对导致事故发生的各个因素进行筛选并作定量化的分析,最后利用等级参数评判法得出系统危险性的大小,并给出了相应的实例。     

金属矿山重大危险源判断与评价方法研究

重大危险源的判定是安全管理的重要内容之一.对金属矿山主体生产系统的22种危险源进行分析,得出重大危险源的评定指标,并对其进行定量分析,用数学期望值法计算出这22种危险源产生重大危害的临界量,以此来判别金属矿山的重大危险源.     

浅谈煤矿重大危险源辨识及其控制措施

煤矿重大危险源辨识及其控制措施是煤矿安全生产管理的基础和内容。对于重大危险源辨识及控制,要从危害因素、科学系统安全角度、作业环境影响和设备装备适用、管理因素四个方面辨析及实施控制,其中管理因素漏洞是最根本、最大危险源。煤矿安全管理要持续有效,必须加强煤矿重大危险源辨识及其控制措施管理。     

金属矿山重大危险源辩识与控制

通过对金属矿山系统中的重大危险源进行辩识,并采取适当的措施,对其进行有效的控制,减少事故的发生率。并对其编制应急预案,尽可能降低事故中的人员伤亡和财产损失。     

基于BP神经网络的井下定位技术研究

井下定位技术对煤矿安全生产起着重要作用。通过分析BP神经网络的特点,提出一种以接收信号强度RSSI为基础的结合BP神经网络的无线传感器定位方案。仿真结果显示该方法满足井下定位需求。     

用于煤与瓦斯突出预测的BP网络之C++实现

考虑到人工神经网络极强的非线性逼近能力，应用其来模拟煤与瓦斯突出事件与其影响因素之间的复杂非线性关系，理论上是一条可取的途径。采用面向对象程序设计方法（OOP），利用C＋＋实现了一个用于煤与瓦斯突出预测的优化BP网络通用程序，并详细探讨了程序的构造技术和设计方法，通过实际应用证明了上述思路的可行性。     

基于BP神经网络的顶煤冒放性评估

以人工神经网络理论为基础,对河北某矿工作面顶煤冒放性规律进行了研究.通过分析预计,获得了该矿顶煤冒放的基本特征和相关参数,揭示了地下开采工作面顶煤冒放性规律,对该矿区今后的放顶煤开采具有一定的参考价值.     

基于BP神经网络的煤矿风机故障诊断

针对目前矿用风机的常见故障可收集故障征兆及类型,将故障样本数据与BP神经网络相结合,由BP神经网络确定输出向量,对风机常见故障进行诊断。通过MATLAB软件进行诊断参数运算后结果表明:神经网络输出与实际数据间误差较小,诊断结果与实际情况吻合。     

煤矿火灾事故评价方法研究

目前用于矿井火灾评价的方法仅限于检查表法,依据专家给定分值确定矿井火灾危险程度,其评价结果带有很强的主观性,评价指标体系也不完善。通过对近两年35起典型火灾事故的统计分析,总结了诱发矿井火灾的7个主要因素:煤层自燃等级、井下工人素质、矿井通风管理、消防洒水系统、安全管理、矿井可燃物和机电设备失爆率。依据层次分析法确定各因素的权重,然后经过数据处理评定矿井火灾安全等级,并根据结果对矿井火灾事故防治提出合理的对策和建议。     

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%。     

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。