暂无评论
基于流体动力学和燃烧理论,运用CFD软件建立管道模型,模拟在不同巷道长度下瓦斯爆炸的传播情况,得到了瓦斯爆炸的火焰速度、压力随时间的变化规律。结果表明:火焰速度会随管道长度分为3个阶段:扩散传播、快速
针对BP神经网络算法对煤体瓦斯渗透率预测精度低问题,筛选出影响预测精度的5个主要因素——1个宏观因素(煤层埋深)和4个微观因素(有效应力、温度、瓦斯压力、抗压强度),提出一种基于学习向量量化神经网络(
在对最小一乘法和最小二乘法理论分析的基础上,针对最小二乘法在煤层瓦斯含量预测中稳定性较差的问题,提出应用最小一乘法对瓦斯含量进行预测。根据收集的某矿煤层瓦斯含量实测数据,利用LINGO11和MATLA
为了提高矿井瓦斯浓度预测的准确性,研究人员提出了一种改进混沌粒子群算法的多变量自适应加权最小二乘支持向量机(AWLSSVM)瓦斯预测模型,并成功实现了瓦斯浓度的多步预测。该模型的核心在于通过改进粒子群
通过对空气中冲击波超压峰值的理论分析,基于TNT当量法对煤矿巷道内瓦斯爆炸超压数据进行研究,建立了煤矿巷道内瓦斯爆炸超压预测模型,并通过与实验测量值的比较,对模型进行了修正,该预测模型可以为矿井安全设
基于安全检查表和BP神经网络的评价模型预测矿井发生瓦斯爆炸的危险性,并以某矿1111(3)、1115(1)工作面为例,用Fluent分别模拟了简单U型通风和Y型通风下的瓦斯分布状态,结果表明Y型通风能
瓦斯爆炸的触发因素是点火源。从点火因素出发,构建了2种点火能量的瓦斯爆炸管道实验平台,对同一浓度的瓦斯混合气体进行引爆,借助高速摄影仪对瓦斯爆炸火焰进行拍摄,同时利用MATLAB编程对所拍摄照片进行分
瓦斯突出预测敏感指标的评价方法研究,舒龙勇,程远平,为了更好地提高生产的安全性与突出预测的准确性,针对卧龙湖煤矿8煤层,采用实验室研究与现场跟踪验证相结合的方法,初步确定了�
洞悉人才流失:Python离职预测模型利用Python强大的数据分析和机器学习库,构建预测员工离职的模型。通过分析历史数据,识别关键离职因素,并预测未来可能流失的人才。这种预测模型可以帮助企业:
分析了死亡78人的屯兰煤矿"2.22"特别重大瓦斯爆炸事故原因:该矿南四盘区12403工作面1号联络巷处于微风无风状态,造成瓦斯局部积聚达到爆炸浓度,1号联络巷内的电气开关失爆,引
暂无评论