基于因子分析与BP神经网络的煤与瓦斯突出预测

为提高煤与瓦斯突出预测的可行性与准确性,将因子分析法与BP神经网络方法相结合,提出一种改进的BP神经网络预测方法。根据平顶山八矿煤与瓦斯突出相关主要影响因素的原始数据,使用因子分析法对9个煤与瓦斯突出影响因素的原始数据进行降维处理,得到3个公共因子;将3个公共因子代替原有的9个煤与瓦斯突出影响因素作为BP神经网络输入层参数,建立因子分析法与BP神经网络法相结合的煤与瓦斯突出预测模型,对平顶山八矿煤与瓦斯突出进行预测。选取平顶山八矿煤与瓦斯突出样本对改进的BP神经网络预测方法进行验证,结果表明:3个预测样本的相对误差分别为1. 79%、3. 54%、0. 83%,均小于10. 00%。采用改进的BP神经网络预测方法可有效解决传统的BP神经网络因为输入层参数过多而数据处理效率低、迭代速率慢与精确度低等问题。

酸化作用对页岩微观结构及其物性的影响

龙马溪组页岩作为贵州页岩气的主要储气层位,勘探及钻井均证实其具有良好的页岩气成藏条件和资源开发潜力。为揭示贵州龙马溪组页岩微观孔隙结构及其物性对酸化作用的响应规律,基于X射线衍射分析(XRD)、压汞、低温氮吸附及核磁共振(NMR)等实验手段,定量表征页岩酸化作用前后的孔隙体积、孔隙率、比表面积、孔径分布等页岩微观结构物性参数的差异性,分析酸化作用前后页岩孔裂隙的结构特征。研究表明:酸化作用增大了页岩的孔隙体积、孔隙率、比表面积和孔径,酸化作用后页岩进-退汞曲线及低温氮吸/脱附曲线的滞后环明显增大,酸化作用增大了墨水瓶孔的孔隙体积;受到酸化作用影响,页岩优势孔隙由介孔和110 nm左右大中孔向介孔与2800nm左右宏孔发展,介孔数量减少,宏孔数量增加,页岩孔隙的连通性明显变好;酸化对页岩孔裂隙中矿物质及黏土成分具有明显的化学溶解和刻蚀作用,对页岩孔裂隙体积的改造效果显著,增加了页岩储层的渗透性,进而提高了页岩气的运移与渗流能力;酸化作用下伴随的水化作用对页岩孔裂隙沿层理面起裂、扩展延伸起促进作用,但是页岩酸化作用下的水化作用机制尚需进一步研究。

长距离定向钻孔瓦斯抽采技术在青龙煤矿的应用

贵州省煤矿地质构造复杂、瓦斯含量高、煤层松软,瓦斯治理难度大。为了提高该区域瓦斯治理水平,在青龙煤矿21601工作面运输巷Y3点向前5~205 m处,利用千米钻机进行长距离顺层条带定向钻孔瓦斯抽采技术的现场应用。通过定向钻进技术和分支孔控制技术保证钻孔轨迹控制精度,避免了盲钻、盲抽等现象。应用结果表明:2次煤样检测得到的瓦斯可解吸量分别为1.7729,2.1913 m 3/t;残余瓦斯含量分别为4.7739,5.1704 m 3/t,均小于8 m 3/t,满足矿井瓦斯抽采的基本要求;平均瓦斯抽采纯量达到1.26 m 3/min,比原来提高了12%;与常规钻孔相比,采用定向钻孔抽采的瓦斯体积分数提高了50%,瓦斯治理效果显著。

基于ABAQUS软件的海上升压站吊耳结构强度有限元分析

现有某一海上风电工程对海上升压站进行吊装施工。为保证吊装的安全,吊耳强度和焊缝强度是吊装工艺成功的最主要影响因素。而吊耳的受力比较复杂,借助ABAQUS有限元软件对吊耳结构进行强度校核;并对比双层吊耳和单层吊耳的受力情况。结果表明:有限元分析能与理论计算结果较吻合,验证有限元方法的有效性;并且改良后的双层吊耳能更好的承担吊装任务。

一种密集的多尺度特征融合的Mobile Net V2图像分类算法

Mobile Net V2算法在深度可分离卷积网络的基础上结合了残差网络结构,在降低计算量的基础上提升模型的精度。为进一步提升精度,受密集连接和深度可分离卷积的启发,在Mobile Net V2的基础上结合一种快速的密集多尺度特征融合的结构,提取浅层通道与空间特征与深度特征信息融合。实验表明,多尺度特征密集连接融合的Mobile Net V2(Multi-Feature Densely Fusion Mobile Net V2,MFDF Mobile Net V2)算法,在微量增加运算量的情况下,在Caltech-101数据集和Cifar10数据集上的表现都有提升,具备一定的实用性。

海上风电高桩承台基础封底结构受力特性研究

本文依托中交路建实施的平潭长江澳海上风电场工程,针对该地区复杂地质及海况,以海上风电高桩承台封底结构基础为研究对象,结合高桩承台施工工序过程中的载荷工况分析封底结构在不同施工工况及极端海况下的受力特性,对承台封底结构受力特性及配筋设计进行分析,研究表明高桩中承台封底板结构上部二期砼浇筑压力控制。同时,提出了增加封底结构抗沉的有效措施并进行了对比和建议。

海上风电大直径单桩基础结构在渤海海冰环境下的抗冰性能研究

文章以大连庄河临近的渤海海域为例,基于SACS模型研究大直径单桩基础结构在渤海海冰环境下的抗冰性能。研究结果表明:在静冰力方面,根据不同规范推荐公式设计的大直径单桩基础材料的用量可相差约10%;在动冰力方面,在不同冰速和冰厚的组合工况下,低冰速和大冰厚作用下的大直径单桩基础结构更易产生持续振动。

改进的BP神经网络煤矿瓦斯涌出量预测模型

为提高煤矿绝对瓦斯涌出量预测的可行性与准确性,将因子分析法与BP神经网络方法相结合,提出一种改进的BP神经网络预测方法。使用因子分析法对13个煤矿绝对瓦斯涌出量影响因素的原始数据进行降维数据处理,得到3个公共因子;以3个公共因子代替原有13个煤矿绝对瓦斯涌出量影响因素作为BP神经网络的输入层参数,建立因子分析法与BP神经网络法相结合的煤矿绝对瓦斯涌出量预测模型。选取实例数据对改进的BP神经网络预测方法进行验证,最终验证结果:15组训练样本预测值与实际值的相对平均误差为1.39%,证明训练完成的改进BP神经网络模型具有良好的拟合效果;5个预测样本的相对误差均小于2.25%,证明改进的BP神经网络预测模型具有良好的预测准确性。

基于因子分析与BP神经网络的煤体瓦斯渗透率预测

为提高煤体瓦斯渗透率预测准确性,使用因子分析法对BP神经网络模型进行优化、改进,提出一种改进的BP神经网络预测模型。根据煤体瓦斯渗透率相关主要影响因素实例数据,使用因子分析法对4个煤体瓦斯渗透率影响因素原始数据进行降维数据处理,优化得到2个公共因子;以2个公共因子代替原有4个煤体瓦斯渗透率影响因素作为BP神经网络模型输入层参数,建立改进的BP神经网络煤体瓦斯渗透率预测模型,进行实例数据检验改进BP模型预测效果。最终验证结果:20组训练样本预测值与实际值的相对平均误差为0. 63%,证明训练完成的改进BP神经网络模型具有良好的拟合效果;改进BP模型预测样本平均相对误差为3. 16%,传统BP模型预测样本平均相对误差为6. 37%,证明改进BP模型预测精确度优于传统BP模型。