简介:落煤残存瓦斯量的确定是采掘工作面瓦斯涌出量预测的重要环节,它直接影响着采掘工作面瓦斯涌出量预测的精度,并与煤的变质程度、落煤粒度、原始瓦斯含量、暴露时间等影响因素呈非线性关系.人工神经网络具有表示任意非线性关系和学习的能力,是解决复杂非线性、不确定性和时变性问题的新思想和新方法.基于此,作者提出自适应神经网络的落煤残存瓦斯量预测模型,并结合不同矿井落煤残存瓦斯量的实际测定结果进行验证研究.结果表明,自适应调整权值的变步长BP神经网络模型预测精度高,收敛速度快;该预测模型的应用可为采掘工作面瓦斯涌出量的动态预测提供可靠的基础数据,为采掘工作面落煤残存瓦斯量的确定提出了一种全新的方法和思路.
简介:水体沉积物是水生生态系统重要的组成部分,沉积物污染将影响整个水生生态系统,因此有必要构建科学全面的水体沉积物质量评价方法,为环境污染修复与监管提供科学依据。已有文献报道了多种沉积物质量评价方法。其中,证据权重法通过对不同的证据进行测定与整合,弥补了传统评价方法的不足,可以对沉积物质量进行科学全面的评价。本文对证据权重法中化学分析、生物毒性和底栖生物群落结构3种证据的测量方法、赋权方法、证据整合与信息解译方法进行了系统评述,并以淡水河为例介绍了用多目标决策理想点法(TOPSIS)整合数据进行沉积物质量综合评价的方法。
简介:摘要:在现代化生活环境下,居民生活离不开用电,电力设备常年使用难免有所损坏,为了保证电力设备和系统可靠安全的工作,电力企业部门需要更新电力系统检修方式,传统的检修方式已经不能满足我国电力行业的发展需求,同时,电力部门需要关注国内外电力市场的发展状况,加强对电力设备和系统检修维护的技术水平,改善我国电力行业发展滞后的状态,加强我国电力系统状态检修方式的科学性。本文旨在探究供电检修方式如何适应电力市场的发展改革,解决目前我国在电力系统状态问题方面存在的问题,以此促进我国电力行业的可持续发展。