土壤地下空间耦合下天然气泄漏扩散数值模拟

随着燃气管道数量和规模的增加,由于燃气泄漏至相邻地下空间导致燃气爆炸的事故日益突出。为了研究天然气管道泄漏后气体在土壤和地下空间耦合下的扩散过程及规律,本文采用COMSOL软件中建立燃气管道泄漏在土壤和阀门井中扩散的数学模型,分别研究不同管道压力、土壤孔隙率、泄漏口到阀门井水平距离对燃气泄漏扩散的影响,结果表明：随着管道压力和土壤孔隙率的增加,阀门井内甲烷摩尔分数到达爆炸下限的时间相应减小;不同孔隙率条件下阀门井内甲烷摩尔分数差值逐渐稳定在一个定值;泄漏位置距离地下空间小于12.5 m时,阀门井内甲烷摩尔分数到达爆炸下限的时间小于7天,距离大于12.5 m时阀门井内甲烷摩尔分数到达爆炸下限需要一周以上的时间。     

ACPSO-BP神经网络在矿井突水水源判别中的应用

矿井多年来的连续开采使各含水层水质特征变得更加复杂、更为接近,应用经典数学方法难以建立精确的判别模型,使用具有非线性映射功能的BP神经网络可以克服以上问题,但其仍然具有易陷入局部最优和收敛速度慢缺点。通过将"早熟"判断机制、Tent混沌映射以及权重自适应调整策略引入粒子群算法中,建立基于自适应混沌粒子群算法和BP(ACPSO-BP)神经网络突水水源判别模型,应用结果表明:与BP神经网络模型、基于标准粒子群算法和BP(SPSO-BP)神经网络模型相比,ACPSO-BP神经网络模型具有收敛速度快、精度高和泛化能力强的特点。     

矿井突水水源判别的改进ESN神经网络模型

针对水化学特征相似的水源类型,采用传统的预测模型难以准确判别。运用水化学成分分析法和FCM聚类分析法对26个典型的水源样本进行相似度分析,并提取了4个相似度较高的水源样本作为待测样本,将其载入一种基于阻尼最小二乘正则化方法的GA_ESN判别模型,并与改进的GA_BP和标准GA_ESN模型的判别结果进行对比。结果表明:改进的GA_BP判别模型效果最差,预测准确率只有50%;标准GA_ESN模型的回判准确率和预测准确率均达到100%,但其判别精度对模型的复杂程度要求较高,且易出现过拟合问题;而改进的GA_ESN判别模型能够弥补上述模型的不足,不仅简化模型训练过程,还能提高水源的判别精度。因此,该模型可作为一种快速有效判别矿井突水来源的新方法。     

基于动态贝叶斯网络的燃气管网燃爆风险分析

针对传统风险分析方法无法实现动态评估的局限性，提出了基于动态贝叶斯网络的燃气管网风险分析模型.基于管道失效原因与事故后果，构建了事故演变全过程网络结构，并运用马尔科夫理论将演变全过程与时间相关联，最终建立了动态贝叶斯风险分析模型.该模型基于贝叶斯理论进行泄漏、致灾模式及后果节点的概率计算，实现了对燃气管网事故的原因诊断及事故发展态势预测.以松原"7.4"燃气爆炸事故为例，应用本模型演示了燃气管网事故推演技术，结果表明:事故是由第三方施工破坏引发燃气泄漏，由于燃气在土壤中的扩散范围不断扩大，扩散范围内受限空间数量不断增加，人员活动情况也更加复杂，进而增大了燃气聚集与点火概率；结合事故现场条件，本模型对这起爆炸概率进行了推演，认为此次燃气爆炸概率将在泄漏60 min后达到42.3%，高于安全泄放概率；该结果与真实情况基本相符，进一步验证了模型的可行性与可靠性.