自然崩落法矿山井下大规模开采综合评价及模拟技术

为降低矿山采用自然崩落法存在的风险,为后续井下安全大规模开采提供保障,对自然崩落法矿岩可崩性和崩落后的块度分布规律进行综合评价及模拟,提出一种矿岩可崩性三维数字化评价方法和矿岩崩落块度预测算法。通过对评价区域的三维建模,基于地质统计学理论将矿岩岩体参数推估反演到离散化后的矿岩工程模型中,根据三维节理面Monte Carlo模拟原理对矿岩崩落块度进行三维重现。将上述方法用于云南省普朗铜矿进行验证。研究结果表明:普朗铜矿III级和IV级矿岩质量分数之和为99.1%,矿岩可崩性级别为III至IV,适合应用自然崩落法开采;原始崩落块度等效尺寸大于1.65 m的块体筛上累积百分比为40%,建议普朗铜矿放矿口长×宽为5.00 m×5.00 m,此时放矿堵塞概率较小。     

复杂地质条件煤层群开采矿井合理生产能力分析

为确定复杂地质条件煤层群开采矿井合理生产能力,将采煤工作面煤层地质条件开采工艺性综合评价结果与计算机模拟的工作面单产相结合对工作面进行可靠的单产预测,基于工作面预测产量对可能满足矿井生产能力的多种方案进行接续方案的比较分析以得出矿井合理生产能力。以燕家河煤矿5-1,5-2和8煤层为研究对象,首先,对矿井未来开采的83个工作面进行开采工艺性综合评价;其次,基于综合评价结果对各工作面进行了可靠的单产预测;再次,提出了2种工作面配置方案并进行工作面接续编排;最后,分析了矿井合理生产能力。研究表明,矿井合理生产能力为180万t/a,产量波动范围为156.5~208.7万t,平均年产量为178.5万t,产量波动系数为0.114,矿井持续稳定开采25 a.     

基于RS-BPNN理论的边坡稳定性预测及应用

从文献资料中收集并整理了45组各类危险边坡数据实例,结合粗糙集理论的数据挖掘功能和BP神经网络理论的非线性映射功能,建立了基于粗糙集-BP神经网络(RS-BPNN)理论的边坡稳定性预测模型.利用粗糙集对离散化后的数据进行了属性约简,利用神经网络对约简前后的数据进行了网络训练和仿真,并对其中五组边坡的安全系数和稳定状态进行了预测.结果表明,未经约简的BP网络安全系数预测的平均误差率为14.51%,约简后的RS-BP网络预测的平均误差率为7.24%,且经过粗糙集约简后边坡的预测状态与边坡的实际状态更加吻合.     

基于时间序列的网络安全态势预测方法研究

现有网络安全态势预测方法只能预测单位时间的态势值,然后根据连续单位时间的态势值进行网络安全态势评估.本文中,根据网络安全事件发生的统计规律性,首先通过分段曲线拟合来分析目前网络态势的变化趋势,然后研究了基于时间序列的神经网络对未来一段时间内安全态势变化趋势进行预测的方法.通过实验仿真表明,该方法能够准确有效地预测出未来一段时间内的安全态势的变化趋势.     

汉江源土地利用预测及发展建议

以3期遥感影像资料为基础,结合高程、坡度、坡向、气温、降水、河网、道路和人口8个因子层,对汉江源未来土地利用状况进行预测。通过预测结果预知未来土地利用格局及生态环境状况,达到警示作用,并可根据预测状况调整近期的土地利用、开发规划相关政策和方案,最终使得现行的土地利用符合未来发展需要。     

基于IOWHA算子的区间预测模型及应用

针对实际值序列和预测值序列均为区间数的组合预测问题,把区间数的左右端点作为两个独立的时序数列,通过引入诱导有序加权调和平均(IOWHA)算子,分别建立以区间数左右端点的倒数离差相关系数最大化为准则的IOWHA算子的变权系数最优组合预测模型,再通过引入偏好系数把多目标最优化模型转化为单目标最优化模型,并尝试给出各模型最优解的性质.最后利用数据进行分析,并和其他单项预测方法或组合预测方法相比较,从而证明该方法确实能够提高区间预测的精度.     

自适应粒子群神经网络交通流预测模型

针对传统神经网络预测模型预测结果准确性低且存在大量无效迭代的问题,提出了自适应权重粒子群神经网络交通流预测(PSOA-NN)模型。首先根据待预测点的上下游观测点数和历史数据,随机初始化若干组模型参数并计算每组参数对应粒子的适应度;然后采用改进的sigmoid函数替代原有模型中的固定惯性权重,并根据其中适应度变好的粒子更新粒子速度和位置,一直迭代到粒子适应度小于预设值为止;最后将满足条件粒子对应的模型参数应用到神经网络模型,根据实时交通流数据预测出15min后的数据。仿真结果表明,使用PSOA-NN模型,可使得在同等预测误差范围内收敛速度提升0.6~1.7倍。     

一种基于地理位置预测的高性能路由算法

提出了基于ARIMA预测模型的高效路由算法.该算法中节点通过前向与反向成功转发率、数据传输速率等计算链路的丢包率和期望传输次数来获取干扰感知期望传输时间(i ETT),代替DSR路由算法中的最短跳数判据.并引入ARIMA模型来预测节点下一时刻的运动位置,防止链路频繁断裂造成的网络丢包,并在链路失效之前预先选择最稳定的路径进行数据传输.仿真结果表明,所提路由算法相比DSR判据吞吐量提高6%~9%,平均端到端时延降低2%~6%,提高了网络整体性能.     

基于最小二乘支持向量机的大坝变形预测研究

大坝变形预测是风险评估的关键,而涉及因素存在高度非线性.为达到好的预测效果,提出了一种基于最小二乘支持向量机(LSSVM)的大坝变形预测方法.在数据预处理方面,针对传统的参数平方、立方这种处理方式,提出变阶次概念;针对LSSVM交叉验证耗时过多,提出了一种简单可行的变参数方法 .为了快速获得优化结果,引入基于十进制的遗传算法.此外,为进一步提高预测精度,引入遗忘因子概念.最后,给出一个实例.     

基于相似案例分析的原材料长短期采购比例确定方法

提出了基于相似案例分析的原材料长期与短期采购比例确定方法.首先,将当前需要解决的原材料长期与短期采购比例问题视为目标案例,将收集到的一些历史的原材料采购问题以及采用的原材料长短期采购比例方案作为历史案例;其次,通过计算目标案例与历史案例间的相似度来提取相似历史案例;然后,计算各相似历史案例的采购比例方案实施效果的效用值,并通过设置阈值来筛选采购比例方案实施效果较好的相似历史案例;进而,依据筛选的相似历史案例,计算目标案例中原材料长期与短期采购的比例.最后,通过一个实例分析说明了提出方法的可行性与有效性.