简介:落煤残存瓦斯量的确定是采掘工作面瓦斯涌出量预测的重要环节,它直接影响着采掘工作面瓦斯涌出量预测的精度,并与煤的变质程度、落煤粒度、原始瓦斯含量、暴露时间等影响因素呈非线性关系.人工神经网络具有表示任意非线性关系和学习的能力,是解决复杂非线性、不确定性和时变性问题的新思想和新方法.基于此,作者提出自适应神经网络的落煤残存瓦斯量预测模型,并结合不同矿井落煤残存瓦斯量的实际测定结果进行验证研究.结果表明,自适应调整权值的变步长BP神经网络模型预测精度高,收敛速度快;该预测模型的应用可为采掘工作面瓦斯涌出量的动态预测提供可靠的基础数据,为采掘工作面落煤残存瓦斯量的确定提出了一种全新的方法和思路.
简介:在通风网络理论的基础上编制了基于质量描述的隧道网络通风计算程序,并采用模型试验方法对火灾通风网络计算结果进行了验证,证实了网络程序的可靠性。将研编的通风网络计算程序应用于某隧道集中排烟模式下火灾通风排烟技术研究,探讨了排烟量和漏风量对排烟道内和排烟阀处烟气流速的影响规律。结果表明,增加排烟量时,排烟道内和排烟阀处烟气流速呈升高趋势,越靠近排烟风机处,其烟气流速升高趋势越明显。漏风分支风阻的大小较显著地影响着漏风量的大小。减小未开启排烟阀的分支风阻系数,漏风量增大,开启的排烟阀处流量减少,当漏风分支风阻系数减小到10N·s/(kg·m)2时,漏风量超出规范规定值。