太阳能矿井水源热泵系统节能环保分析

从矿井水源热泵系统、太阳能热泵系统以及太阳能矿井水源热泵系统的工作原理方面对太阳能矿井水源热泵系统展开研究,重点针对太阳能矿井水源热泵系统中的太阳能热泵系统进行设计,最后从能耗、节能效果以及环保效果三个层面对太阳能矿井水源热泵系统的节能环保效果进行了综合分析。

神经网络在矿井水源判别中的应用

矿井突水是威胁煤矿安全生产的最大隐患之一,准确判别矿井水源是矿井防治水的前提。介绍了BP神经网络模型及其具体算法,并将其运用到矿井水源判别中。利用BP算法对训练样本进行学习,确定判别模型,根据已训练好的神经网络对样本进行判别。结果表明,采用人工神经网络对矿井水源进行判别,能得到较好的结果。因此,BP神经网络是判别矿井水源的一种有效方法,从而为矿井水源判别开辟了一条新途径,具有广泛的应用前景。

聚类分析在矿井水源判别中的应用

矿井水源判别实质是分类问题。文章对聚类分析在矿井水源判别中的应用方法进行了探索;并应用该法对张集矿6份水样(其中两份为待判别样)进行欧氏距离及遗传距离聚类,分别做出聚类图,成功的对两份水样进行了水源判别。

矿井水源热泵系统的经济学分析

以单位冷、热成本及单位冷、热量成本为指标,分别建立了矿井水源热泵系统与制冷机组+锅炉房系统的热力学模型,进行了热经济学分析。结合工程实例,计算比较了两种系统的热力学成本。结果显示,从热经济学角度来讲,矿井水源热泵系统明显优于制冷机组+锅炉房系统,尤其体现在冬季工况。

用数学地质方法判别鹤壁矿务局矿井水源

矿井水源的判别是矿井防治水的前提，本文利用数学地质方法，通过对水化学数据的处理，判别分析了鹤壁矿务局的矿井水源，取得了满意的结果。

矿井水源判别的同位素方法

本文将同位素方法运用于矿井水文地质工作中,依据氢氧稳定同位素资料。解决矿井水源判别等问题,取得了良好效果。

姚桥矿地下水化学特征及在矿井水源判别中的意义

姚桥矿地下水系统包含四个子系统:新生界孔隙含水层组、煤系砂岩裂隙含水层组、太原群石灰岩溶隙含水层组及奥陶系灰岩岩溶含水层组。通过对这四个子系统水文地球化学特征的系统研究,提出了各子系统所特有的水质模型,并确定出能作为矿井水源判别依据的水溶组分,为矿井防治水提供水化学特征依据①。

支持向量机在矿井水源判别中的应用

矿井突水是威胁煤矿安全生产的最大隐患之一,准确判别矿井水源是矿井防治水的前提。本文以水质数据资料中的化学成分作为训练样本,以支持向量机作为分类器,对样本进行学习,得到训练模型,根据训练好的模型对样本进行预测判别。结果表明,采用支持向量机对矿井水源进行判别,能得到较好的结果。由于支持向量机适用于小样本,所以应用前景广阔。

基于改进的SSA-BP神经网络的矿井突水水源识别模型研究

机器学习与寻优算法的结合在矿井突水水源识别上得到广泛应用,但突水水样数据具有随机性且寻优算法易陷入局部最优,提高模型泛化能力和跳出局部最优需进一步研究。针对上述问题,提出了一种改进的麻雀搜索算法(SSA)优化BP神经网络模型,用于对矿井突水水源进行定量辨识。以鲁能煤电股份有限公司阳城煤矿为研究对象,通过常规离子浓度分析、Piper三线图对该煤矿水样的水化学特征进行分析,初步判断矿井水来源于奥灰含水层和三灰含水层,并确定Na^(+)+K^(+)浓度、Ca^(2+)浓度、Mg^(2+)浓度、HCO_(3)^(-)浓度、SO_(4)^(2-)浓度、Cl^(-)浓度、矿化度、总硬度、pH值作为突水水源识别指标;建立基于改进SSA-BP神经网络的矿井突水水源识别模型:首先进行SSA参数设置,引入Sine混沌映射使麻雀种群均匀分布,然后通过计算适应度值进行麻雀种群的更新,引入随机游走策略扰动当前最优个体,如果满足终止条件,则获得最优BP神经网络权重和阈值,最后基于构建的BP神经网络,输出识别结果。研究结果表明:①改进的SSA-BP模型在训练集上的识别准确率达95.6%,在测试集上的识别准确率达100%。②改进的SSA-BP神经网络模型与BP神经网络模型、SSA-BP神经网络模型对比结果:BP神经网络模型误判率为5/18,SSA-BP神经网络模型的误判率为2/18,改进的SSA-BP神经网络模型误判率为0,迭代10次后趋于稳定,且与设定的目标误差相差最小,初始适应度值最优,识别结果可信度高。③将阳城煤矿5组矿井水水样数据作为输入层数据输入到训练好的模型中,矿井水水样的主要来源为奥灰含水层、三灰含水层和山西组含水层,模型识别结果与水化学特征分析的结论相互印证,实现了精准区分。

基于水化学和氢氧同位素特征的敏东一矿水源定性定量研究

快速准确判识矿井水源是预防和治理矿井水害的关键条件。以我国东部草原矿区敏东一矿为研究区,采集了多种矿井充水水源样品,通过绘制Piper三线图、Gibbs图、离子比例系数图等,分析了不同类型水样的水化学特征及离子作用,定性判识了矿井水的主要来源;利用氢氧同位素计算,定量分析了矿井水源的所占比例。研究结果表明:矿井间接充水水源(大气降水、地表水、第四系潜水和Ⅰ含水层水)的水化学类型为HCO_(3)-Ca型,Ⅱ含水层水的水化学类型为HCO_(3)-Ca与HCO_(3)-Na混合型;直接充水水源Ⅲ含水层水和矿井涌水的水化学类型均为HCO_(3)-Na型,且Ⅲ含水层水为矿井涌水的主要补给来源;地下水及矿井水中主要离子Ca^(2+)、Na^(+)和HCO_(3)^(-)形成受岩石风化控制,主要的来源于钾长石、钠长石、钙长石等硅酸盐矿物的溶解;结合同位素氚含量的计算得到的第四系、Ⅰ含水层、Ⅱ含水层、Ⅲ含水层的各地下水相对平均年龄分别为18.48、57.88、69.24、69.24年,而矿井涌水的平均年龄也为69.24年,且矿井水的δD、δ18O平均值最接近Ⅱ含水层水和Ⅲ含水层水,矿井涌水主要为Ⅱ含水层水和Ⅲ含水层水的混合体,Ⅱ含水层水和Ⅲ含水层水分别约占据矿井总涌水量的11.1%和89.9%,混合比例约1∶9。

地下水主要离子水文地球化学过程与矿井突水水源识别

选取10种化学组分利用多元统计分析确定龙门峡南煤矿矿区范围内水化学过程,并进行了风井突水点水源识别。研究区内地下水属于HCO3-Ca型水。选取三个特征根大于1的主成分进行分析表明,PC1表示方解石、白云石和石膏等矿物自然风化影响离子交换,PC2和PC3则分别表示区内水文过程、农业活动及蒸发作用的影响。研究表明,天然矿物的自然风化和离子交换是其中最重要的影响因素。根据Q型聚类分析将水样划分为4个集群(Group1至Group4),通过对枯、丰两个时期内水样进行对比,确定水样间的相似关系,判断风井涌水水样M1、M2与泉点水样S3具有极大的相似性。

人工神经网络在矿井多水源识别中的应用

以焦作矿区水化数据为例,选用Na++K+、Ca2+、Mg2+、Cl-、SO2-4、HCO-36种水化离子浓度作为识别矿井水源的依据,运用Matlab软件分别建立BP神经网络与Elman神经网络的矿井多水源识别模型。应用结果表明:与静态的BP神经网络相比,在结构上增加承接层的Elman神经网络在训练和仿真中拟合能力更强,识别精度更高和泛化能力更好;矿井地下水随着地下开采与扰动具有动态性,将具有非线性动态特征的Elman神经网络应用于矿井多水源的识别,对准确判断突水来源和分析地下水运移规律具有一定的辅助和指导意义。

基于水化学特征的聚类分析对矿井突水源判别

为了能够准确并快速地判别煤矿突水水源位置,基于水化学特征的模糊聚类分析,对突水水源进行综合评判。首先利用突水点的水化学分析指标离子的检测值与以往收集的各个主要含水层的水化学指标离子本底值通过软件绘制出三角形水质图,对比分析可排除最不可能的充水含水层;在此基础上再利用模糊数学聚类分析方法,将剩下的不确定充水含水层建立评判集合进行聚类分析,计算隶属度,通过对计算结果的分析,最终判定突水水源。分析结果表明,采用这2种方法判别突水水源,方法简单易操作,节省时间,可以避免由于水文地质条件的复杂性和模糊聚类分析的模糊性而造成的原因不唯一或结果失真,从而大幅提高判别结果的正确性。

矿井水害水源的水文地球化学探测技术

水文地球化学探测技术在判断矿井突水水源方面具有快速、及时、经济方便等特点。结合典型实例,介绍了特征离子和离子比值法、水质分析结合同位素综合分析法、水化学示踪法、数学判别模型法探测技术及其在矿井水害水源判别中的应用,为矿井水水源探查提供了参考依据。

谱聚类结合LIF在矿井突水水源类型识别中的应用

突水事故威胁井下人员的生命安全和造成财产损失,因此准确检测出突水水源类型具有重大意义。使用水化学分析法检测水源类型耗时长、过程复杂。激光诱导荧光(LIF)技术具有快速、灵敏、干扰小等优点,将LIF技术结合智能算法建立突水水源识别模型可以准确检测出突水水源的类型。目前这类模型一般需要对荧光光谱进行去噪、降维、波段选取等处理,过程繁琐,并且模型都是在均匀分组的突水水源荧光光谱上建立的,并没有讨论不均匀分组对模型的影响,也没有针对不均匀分组建立模型。在实际工程应用中,采集的样本数量是有很大概率呈现不均匀的,因此本文提出一种飞蛾扑火(MFO)算法结合谱聚类(SC)的方法实现对不均匀分组的突水水源荧光光谱的识别。实验中,首先从淮南煤矿获取5种实验水样,使用激光诱导荧光实验设备采集所有水样的荧光光谱,五种水样的组数分别为75,80,80,30和135。其次,建立MFO-SC水样识别模型,通过对比后标签映射方式选择K-Means、相似矩阵的计算方式选择高斯核函数和划分准则选择ncut,用MFO对高斯核函数的参数寻优得到σ的值为1.745并且固定模型的初始聚类中心。随后,分别建立K-Means,SVM和MFO-SVM3种水样识别模型。对比MFO-SC模型与K-Means模型,得到MFO-SC模型的最优准确率为100%且平均准确率也为100%,K-Means模型的最优准确率为99.75%,而平均准确率为79.57%;再分别计算SVM模型和MFO-SVM模型的训练集准确率和测试集准确率,SVM模型训练集准确率为80%,测试集准确率为80%;MFO-SVM模型训练集准确率为100%,测试集准确率为95.625%。最后,使用4种模型对其他三个不均匀分组的突水水源荧光光谱进行识别,研究结果表明将MFO-SC算法用于突水水源类型的识别上是有效的,可以准确地检测出突水水源的类型,对煤矿生产安全有重要意义。

基于水化学特征分析的矿井突水水源判别

为了能够准确并快速地判别煤矿突水水源位置,采用基于水化学特征的判别分析法,对矿井突水水源进行综合评判。即利用突水点的水化学分析指标离子的检测值与以往收集的各个主要含水层的水化学指标离子本底值,通过利用判别分析方法,建立各含水层的判别模型,再将突水点的水样离子浓度带入判别模型,判定突水水源。判别分析结果表明,采用这种方法判别突水水源,,判别精度较高、方法简单易操作、节省时间。

基于分形滤波的SOFM在矿井突水水源判别中的应用

选择Na+,K+,Ca+,Mg2+,Cl-,SO42-和HCO3-这7种离子的含量作为判别因素,建立了基于分形滤波的矿井突水水源的自组织特征映射(SOFM)神经网络识别模型.实例结果表明,基于分形滤波的SOFM网络模型具有收敛快、精度高的优点,能很好地满足矿井突水水源的识别需要.

陈四楼煤矿矿井充水水源及工程地质条件分析

通过分析陈四楼煤矿矿井充水水源,可知地表水对矿床开采无充水影响;新生界底部粘土隔水层分布稳定,对煤层开采有一定影响;煤层开采时的直接充水水源,是煤层顶、底板砂岩裂隙承压水;山西组二2煤的间接充水水源是太原组灰岩岩溶裂隙水,近年来通过煤层底板注浆治理未发生突水灾害。根据煤层顶、底板岩性组合、层理性质、构造发育程度、岩石极限抗压强度等主要因素,结合岩芯完整性、岩芯采取率等次要因素,将二2煤顶、底板5m内的岩石稳定程度,分为4个区。

矿井涌(突)水源混合水识别模型研究

根据不同含水层在水化学特征上的差异,提出基于水化学原理判别矿井涌(突)水水源的混合水判识模型。以开滦荆各庄矿为例,通过绘制Piper三线图判断待识别水样来源,运用PHREEQC软件建立矿井水源混合模型,并以6大常规离子和pH值为识别因子,提出了根据欧氏距离计算结果判断矿井混合水突水水源的模型。结果表明,通过Piper三线图与欧氏距离结合的模型判别,涌水水源的水80%来自K6—12煤砂岩裂隙含水层(Ⅲ),20%来自9煤—7煤砂岩裂隙含水层(Ⅳ),经与实际化验结果对比,该结果符合实际。

水质分析法在判定矿井涌水水源中的应用

以煤峪口矿矿井涌水为例,阐述了矿井水质的“时空”研究方法,对如何利用水质分析法确定矿井涌水水源进行了详细论述,为煤矿安全生产,正确判断矿井涌水水源及预测矿井涌水量提供了科学的依据。