改进的粒子群支持向量机预测瓦斯涌出量

提出一种基于改进的粒子群参数优化的支持向量回归机算法(IPSO-SVR),该方法引入混沌映射及网格分区寻参思想,能避免粒子群算法(PSO)陷入局部最优解。使用IPSO-SVR算法建立瓦斯涌出量预测模型,结果表明基于IPSO算法寻优参数建立的瓦斯涌出量支持向量回归预测模型具有良好的预测效果。与粒子群优化参数的支持向量回归机(PSO-SVR)模型、广义回归神经网络(GRNN)模型进行比较,IPSO-SVR模型预测效果明显优于PSO-SVR和GRNN模型,可用于瓦斯涌出量的实际预测,表明所提出的IPSO算法是选取SVR参数的有效方法。     

一种基于耦合算法的矿井风流温度预测新方法

针对矿井风流温度预测工作的复杂性及各个影响因素的模糊的非线性关系,传统预测方法难以构建预测模型,导致预测精度低的特点,提出一种基于RBF神经网络的矿井风流温度预测方法;并利用粒子群算法对RBF神经网络参数进行寻优,利用煤矿历史数据对预测模型进行仿真研究。结果表明,提出的基于改进粒子群算法的RBF神经网络模型(MPSO-RBF)具有收敛速度快,预测精度高的特点,为矿井风流温度预测领域提供理论支撑。     

基于IQPSO-BP算法的煤矿瓦斯涌出量预测

针对煤矿回采工作面瓦斯涌出的非线性特征,提出一种基于改进量子粒子群优化BP神经网络(IQPSO-BP)的瓦斯涌出量预测方法。鉴于量子粒子群算法的遍历能力有限,采用混沌序列来初始化量子的初始角位置。同时,采用凸函数调整惯性权重,以平衡算法的全局勘探和局部开发能力。并依此来优化BP神经网络的权值、阈值参数,进而建立了瓦斯涌出量预测模型。试验结果表明,IQPSO-BP算法具有较强的泛化能力及较高的预测精度,可有效用于煤矿瓦斯涌出量的预测。     

改进GWO-BP算法的概率积分法预计参数求取

针对BP神经网络模型在求取概率积分法预计参数时的缺陷,提出了一种基于改进灰狼优化算法(GWO)的BP神经网络参数预测模型。主要通过对灰狼算法的收敛因子a进行非线性收敛的改进,再利用粒子群算法(PSO)的速度更新公式更新搜索灰狼搜索位置。用改进的灰狼优化算法对BP神经网络的初始权值和阈值进行优化,然后利用最优的初始权值和阈值对模型进行训练和预测,从而得到概率积分法参数的预测结果。结果显示经过改进的灰狼算法优化BP神经网络的参数预测结果明显优于单一的BP神经网络模型和不改进的灰狼算法优化BP神经网络模型的预测结果,可以在矿区开采沉陷预计方面得到应用。     

基于Adaboost-PSO-BP模型的开采沉陷预测研究

针对开采沉陷量与多影响因素复杂非线性关系问题，提出了基于粒子群算法优化BP神经网络的Adaboost强预测模型(Adaboost-PSO-BP模型)。预测结果表明，与BP模型、Adaboost-BP模型和PSO-BP模型相比，Adaboost-PSO-BP模型提高了预测精度，平均相对误差值优化到4.26%|该模型融合了Adaboost算法侧重预测误差大的样本和粒子群算法优化神经网络权值及阈值的特点，实现了强预测器“优中选优”的目的，在开采沉陷预测中具有可行性。     

基于PSO-SVR预测模型的综采工作面周期来压研究

为了准确预测综采工作面基本顶周期来压规律,采用灰度系统理论提取了影响综采工作面周期来压的八个显著因素。针对支持向量机(SVR)预测模型过分依赖主观选择的参数问题,建立了粒子群算法优化参数选择的支持向量机(PSO-SVR)预测模型。试验结果得出：PSO-SVR比SVR模型在周期来压强度和步距的均方误差分别降低为47.7%、74.3%,决定系数分别提升为45.7%、44.6%。为突显PSO-SVR模型性能的优越性,与应用最广泛的BP普通神经网络进行了对比试验,粒子群算法对标准支持向量机模型性能优化效果明显,较普通BP神经网络优势显著。可见,PSO-SVR对于多种因素影响的非线性耦合预测具有较高的精度和较强的泛化性。     

粒子群算法优化BP神经网络在边坡稳定性中的应用

影响边坡稳定的因素繁杂多变,给边坡的稳定性评价与预测带来了困难,神经网络能够通过自学功能从样本数据中获取复杂的非线性关系,适用于解决边坡稳定性评价问题.因此,通过 Python语言建立了 BP神经网络模型,在此基础上借助粒子群算法提高模型的收敛速度与预测精度,建立了基于粒子群算法优化 BP神经网络实现边坡形变数据的分析预测模型,选取边坡土体的容重、黏聚力和内摩擦角等６个主要影响因素作为评判边坡稳定性的指标,将神经网络模型得到的预测结果与实际数据进行对比,结果表明利用粒子群算法优化后得到的预测值误差更小,验证了该模型的合理性和有效性.     

基于IGSA-ELM模型的回采工作面瓦斯涌出量预测

针对现有煤矿回采工作面瓦斯涌出量预测方法存在的预测时间较长,预测精度不高的问题,提出了用IGSA优化ELM神经网络的瓦斯涌出量预测模型。将优选策略和粒子的记忆、信息交换功能引入万有引力搜索方法,利用IGSA对ELM神经网络的网络隐含层节点数进行寻优,利用自相关系数法筛选出回采工作面瓦斯涌出量的8个主要影响因素,建立基于IGSA-ELM算法的瓦斯涌出量预测模型,并结合矿井监测到的历史数据进行实例分析。试验结果表明:经IGSA优化后的ELM神经网络瓦斯涌出量预测模型与PSO-ELM神经网络、ACC-ENN和GSA-ELM神经网络预测模型相比,预测精度分别提高310%、60%、31%,为回采工作面瓦斯涌出量的预测提供了一种新的快速预测方法。     

基于SVR的隧道掘进光面爆破效果预测模型

为了提高隧道掘进光面爆破效果预测准确性,构建了基于支持向量机回归(SVR)的光面爆破效果预测模型.选取炮眼密集系数、最小抵抗线、光爆孔线装药量、光爆孔眼深度和岩石单轴抗压强度共5个影响因素作为输入参数,选取半眼率和超欠挖量共2个爆破效果评价指标作为输出参数,分别利用遗传算法、粒子群算法、模拟退火算法对36组隧(巷)道爆...     

基于GS-PSO-SVM模型的边坡稳定性预测模型

针对传统边坡稳定性预测模型的不足,提出一种基于网格搜索和粒子群优化的支持向量机模型(GS-PSO-SVM model)。为了解决支持向量机参数选取问题,首先利用网格搜索法粗略寻优,确定参数范围,然后利用粒子群二次寻优。利用该模型对边坡实例预测,39个实例样本中,30个为训练样本,9个为预测样本,以岩石重度、黏聚力、内摩擦角、边坡角、边坡高度、孔隙水压力等6个边坡稳定性影响因素作为输入,边坡稳定性状态作为输出,预测结果与单独的网格搜索法、粒子群算法和遗传算法优化的支持向量机模型对比。结果表明,GS-PSO-SVM模型分类准确率100%,有更高的预测精度和预测效率,该模型能有效地对边坡稳定性状态进行预测。     

多元对应分析法在潘一煤矿地下水化学特征分析中的应用

为分析矿井充水水源水质特征,为判别突水水源提供理论依据,将多元对应分析方法应用于潘一煤矿各含水层水质特征区分以及同一含水层内垂向上水质变化的分析,并将分析结果和Piper图进行比较,结果表明：多元对应分析法可以分析水样样本之间、水质指标之间和样本与水质指标之间的关系,取得了比Piper图更好的分析效果;该方法很好地解释了矿区充水含水层的水质特征以及二叠系煤系砂岩裂隙水受新生界下含水的影响及其水质变化特征;分析结果与矿区水文地质条件相吻合.     

长沙市固体废弃物处理场水文地质及环境效应评价

为了解垃圾填埋场周边地下水环境污染状况,以长沙市固体废弃物处理场周边土壤、地下水及下游水库水质为研究对象,对研究区进行采样分析,采用单因子污染指数法和内梅罗污染综合指数法对该垃圾填埋场周边环境重金属含量特征进行分析与风险评价。结果表明:As、Cr(Ⅵ)、Ni、Pb、Zn、Cu重金属是填埋场周边环境中的主要污染物,区域采样点及下游水库中重金属含量均值低于地下水质量标准Ⅲ类,填埋场区污染状况良好;Cr(Ⅵ)含量在ZK1与R1样品中均高于地下水质量标准Ⅲ类,是填埋场周边地下水的主要风险污染物;ZK1~ZK4中土壤重金属元素以Pb、Cr(Ⅵ)富集为主,其达中度污染程度,应引起重视。     

采煤沉陷水域底泥及周边土壤性质差异分析及其环境意义

为查明沉陷水域底泥及周边土壤对沉陷水域特征污染指标的潜在影响,确定采煤沉陷水域的主导污染源,以淮北临涣采煤沉陷水域为研究对象,对沉陷水域底泥及周边土壤进行了样点布设与样品采集,测试了不同层位底泥及土壤的氮、磷、有机质等指标。由测试结果可以得出:采煤沉陷水域底泥中的pH,Eh、有机质等指标均低于土壤,其中有机质减少了80%~95%,氮、总磷、有效磷、总碳含量高于周边土壤,分别平均增加了约20%,5.35%,8.37%,93.24%,说明采煤沉陷水域在积水的25 a间,原有肥沃的表层土壤中的有机质逐渐分解,采煤沉陷不仅导致了耕地面积的减少,而且导致了土壤中有机质的损失;水体与底泥间总碳、氮、磷等物质的交换趋势为水体向底泥中富集,同时间接地说明了在没有集中污染源排放的情况下,采煤沉陷水域暂时没有内源释放污染物的风险,控制外源输入是保护沉陷区水环境的主要措施。     

煤矿塌陷水域水环境现状评价及综合利用分析

为了准确评价煤矿塌陷水域水质,采用主成分分析法和模糊综合评价法2种方法并进行改进,构建煤矿塌陷水域水质综合评价模型。选择了淮南潘集矿区14个大型塌陷水域,布设采样点对水质采样监测,综合评价塌陷水域水质污染现状。评价结果显示,改进后的主成分分析法计算的第一主成分方差贡献率显著提高,方差贡献率达98%;第一主成分方差贡献率大于85%,采用第一主成分所有指标作为模糊综合评价法评价因子,评价结果显示各塌陷水域受到了不同程度的污染。由于选取了统一的评价指标项,同类型塌陷水域的水质评价结果具有可比性,评价结果可以为合理规划利用塌陷水域水资源、建设淮南"平原水库"提供基础资料。     

矿坑废水污灌区河流重金属离子污染综合评价实践

为了调查某有色金属矿山坑内废水污灌区河流污染状况 ,在半年时间里 ,对该河流的 pH和Pb、Zn、Cd、As、U离子以及COD、BOD等 12项指标取样分析。根据测定结果 ,本文选取了其中的Pb、Zn、Cd、As和U五个重金属因子 ,就该纳污河流的重金属离子污染进行了综合评价。同时 ,应用密切值法对河流各监测断面进行了计算和比较 ,应用环境综合指数向量分析法计算了各评价因子污染分指数和综合指数。评价结果表明 :该坑道废水纳污河流已受到了重金属的严重污染 ,污染总指数高达2 5 0 8。坑道废水纳污河流各监测断面重金属离子浓度沿河流流向呈下降趋势 ,重金属离子在河流中有一定的沉降和滞留。该项评价可供类似环境评价项目参考。     

煤层底板突水危险性的Fisher判别分析模型

为准确评价底板突水危险性,考虑到不同影响因素对于评价方法的作用与影响不同,运用逐步判别法剔除了判别效果不显著的指标,选取了含水层富水性、水压、隔水层厚度、断层导水性、构造发育程度5项主要影响因素作为判别指标。根据以往突水数据建立了底板突水危险性的Fisher判别分析模型,并绘制了判别空间中样本数据散点图。该模型通过了显著性检验,分类效果显著。对15组训练样本进行回代判别,误判率为0,通过距离判别法准确预测了测试样本的突水危险性,表明该模型在煤层底板突水危险性评价上具有较高的可信度和良好的实用性。     

Development of the Sleeper Pit Lake

Abstract.  The Sleeper open pit gold mine operated from the mid-1980s through the mid-1990s. Operations were mostly sub-water table and extensive dewatering was required to lower groundwater levels by 180 m. Dewatering flows peaked at 930 L/s, with most flow contributed from an alluvial aquifer. After completion of mining, the pit was rapidly filled with water pumped from the alluvial aquifer to reduce the exposure time of sulfide wall rocks and waste rocks in the ultimate pit. The pumped alluvial groundwater provided a large volume of low total dissolved solids (TDS), high alkalinity water that controlled the early chemistry. The rising lake waters were amended with lime to buffer excess acidity contributed to the lake from reactive pit wall rocks during submergence. The pore water contained in submerged waste rock at the base of the pit was elevated in TDS and subsequently of higher density that the lake water. The density contrast and waste rock location limited contributions of waste rock pore water to the main body of the lake. Some stratification of the early lake occurred, with shallow water characterized by higher pH, low dissolved metals, and sulfate; deeper water had lower pH and higher dissolved metals and sulfate. The reservoir of alkalinity in the shallow layer mixed with the deeper waters and created a stabilized lake with a homogenized column that exceeded water quality expectations. Current water quality meets all Nevada primary drinking water standards with the exception of sulfate, TDS, and manganese, which are slightly elevated, as predicted. Chemistry has remained stable since development of the initial lake.     

蛇屋山金矿周边水域底栖动物调查与水质评价

蛇屋山金矿已开采30余年,多年矿山采选活动对周边水域造成了一定的污染。为评估矿山周边水环境质量现状,2014年对周边水域的底栖动物进行调查,利用底栖动物群落多样性指数进行水质评价。检出底栖动物12种,主要优势种为软体动物;各监测点底栖动物的Shannon-Weaver指数和Simpson指数均低于3,所反映的水环境质量在轻-中度污染之间,并沿水路走向呈现向好趋势。     

某铜铁矿尾矿库废水神经网络预测研究

金属矿山尾矿库废水中含有H^ 、CN^-和多种金属离子，是矿区及其流域酸性污染和金属污染的主要污染源。在收集某铜铁矿尾矿库废水14年水质监测资料基础上，运用人工神经网络的改进BP算法对其8项水质指标进行了分析、分类和仿真预测，揭示了该矿尾矿库废水的污染特性，查清了主要污染物。     

露天煤矿排土场淋溶水污染区的地下水质监测点优化

应用主成分分析法对阜新新邱露天煤矿排土场附近于家沟地下水污染区的水质监测点优化问题进行了研究。对研究区内的17眼水井分别采样,进行水质分析,识别主要污染因子;进而采用主成分分析法,通过对少数综合指标的分析,对监测点和污染物进行分类,从中选择出有代表性的点和主要污染物,同时删除那些次要的点和污染物,完成了环境监测点和监测项目的优化。