开采性抽水试验用柴油发电机组应注意的问题

主要介绍了采用柴油发电机组作动力，在开采性抽水试验中应注意的问题。     

用快速固相提取法处理酸性矿坑水和回收金属

Hammen R.F.等人在1993年1月号《Mining Engineering》上撰文介绍用于酸性矿坑废水处理及回收金属的快速固相提取技术。试验所用的固相提取(SPE)柱装有平均颗粒直径为105mm的硅,其表面用一种专有的、亲水且化学稳定的长链连接分子,通过共价键结合加以改良,从而使其活化并引上合适的螯合基团。本试验用聚乙烯亚胺(PEI)为螯合剂。酸性矿坑水来自废弃的伯克利露天铜矿山,所含主要金属离子有Cu~(2+)、Mn~(2+)、Zn~(2+)、Al~(3+)、Fe~(3+)。处理过程分为4步:1)负载——通过配位共价键,PEI分子紧紧结合着金属离子,多数的结合常数都超过     

管井滤水管的选择与使用

在供水工程中，通常将直径较小、深度较大和井壁采用各种管子加固的井型，统称为管井，俗称机井。滤水管的选用关系到管井涌水量的大小和使用寿命问题，是取得最大水量、抑制涌砂的关键。[第一段]     

矿井涌水量重标极差法等维预测模型

目前,矿井涌水量预测方法较多,但预测效果并不十分理想.为了提高预测的精度和速度,鉴于重标极差法对复杂系统演变分析和预测具有的独特优势,建立基于MATLAB的重标极差法涌水量等维预测模型,采用试算法确定涌水量时间序列的后续最佳取值.利用平顶山天安煤业股份有限公司八矿的涌水量资料对模型进行验证,结果表明:该矿涌水量时间序列的Hurst指数H=0.968,涌水量序列均具有很强的持续性;平均循环周期为17个月;建立的模型预测精度达到了98.43％,说明此模型对该矿涌水量的预测十分有效.利用MATLAB软件编写的重标极差法预测涌水量的程序,避开了繁琐的计算,提高了预测速度和精度.     

对称式基坑渗流涌水量的计算方法

随着地铁、越江隧道等地下工程的日益增多,涌现出了大量的对称式基坑。基于共形映射理论,推导了对称式基坑涌水量计算表达式,并对其计算参数进行分析。研究表明,对称式基坑的单宽涌水量与渗透系数、基坑内外水头差成正比,与（相对）隔水层层顶到坑底的距离和基坑两侧止水帷幕间距的比值、止水帷幕嵌固深度和（相对）隔水层层顶到坑底距离的比值、基坑内外水头差和（相对）隔水层层顶到坑底距离的比值成反相关。     

新庄铜铅锌矿含水层下防水矿柱留设计算分析

为研究渗流场和应力场共同作用下防水矿柱宽度合理留设问题,结合新庄铜铅锌矿17A号勘探线的实际地质条件,运用数值模拟计算软件FLAC~(3D),研究了初始渗流场的孔隙水压力和渗流速度矢量分布特征,计算了矿体回采充填过程中7个工作面的涌水量,并模拟了工作面顶板的导水裂隙带分布情况,与经验公式算得的防水矿柱高度进行比较.模拟结果表明,工作面与含水层的距离越小,渗流速度越大,涌水量越大,导水裂隙带范围越大,突水的危险也就越大;从渗流场涌水量和应力场导水裂隙带两方面来综合衡量,防水矿柱留设的高度取为40m,相比经验公式的结果提高了矿体利用率.     

侏罗系煤层顶板涌水量动态变化及其形成机制分析

以鄂尔多斯盆地北部的泊江海子煤矿113106工作面为研究点,建立了顶板砂岩含水层的水文地质概念模型和模拟模型,利用井下试验数据对模型进行识别和验证,获得了研究区砂岩含水层水文参数,结合工作面推进过程,按块段预测涌水量。结果发现:由切眼向工作面收作线方向,其涌水量异常增大,综合褶皱、古地貌、沉积相变分析其形成机制,为泊江海子矿下一步一盘区顶板砂岩水科学疏放与防治提供了重要依据。     

数值模拟法在隧道涌水量预测中的应用

隧道涌水量的预测是规划公路、铁路线路很重要的一个环节。随着隧道设计水平、施工技术的提高以及施工机械的进步,采用长大隧道乃至特长大埋深越岭隧道的设计方案越来越多,使隧道涌水量的预测问题变得日益突出和迫切需要解决。以某实际隧道工程为例,提出了运用水文地质数值模拟法计算隧道涌水量的新方法。将该地区的水文地质特征参数与现场监测数据选定后,可得到一种适用于该地区的水文地质地下水模型。通过与传统方法的预测结果比较后,证明了该方法的合理性。     

太子河冲积扇富水特征和富水地段分布规律

太子河冲积扇是我国东北最大的山前河谷冲积扇地,地下水开采水源地,针对太子河冲积扇及支流河扇、上游河谷地段的富水特征及富水地段分布规律进行分析,并就开发利用提出了涌水量极优地段、优等地段、中等地段和劣等地段,以便适度布井进行开发利用。     

遗传-神经网络算法在水下隧道涌水量预测中的应用

水下隧道涌水问题受到多种因素的综合影响,具有非线性和高度复杂性。本文应用遗传算法和BP神经网络,结合工程实例,选用隧道围岩裂隙发育情况、上覆含水体富水性、上覆水压、隧道埋深、隧道围岩上覆相对隔水层强度和上覆基岩破碎带与隧道顶板的距离作为影响水下隧道涌水的主要因素,以调查的数据作为训练样本,使用遗传算法优化BP神经网络的初始权值和阈值,建立了水下隧道涌水量的遗传-神经网络预测模型,并进行了计算分析。结果表明:该模型收敛性能好,预测精度高,简单可行。该方法为水下隧道涌水量的预测提供了一条新思路。