-
题名深井矿山热害防治及制冷降温技术应用
- 1
-
-
作者
张爱民
叶勇
陈庆刚
-
机构
中国恩菲工程技术有限公司
-
出处
《中国矿山工程》
2024年第1期72-78,共7页
-
基金
国家“十四五重点研发计划”金属矿超深规模化智能通风降温技术与装备课题(课题编号:2023YFC2907205)。
-
文摘
随着金属矿山开采深度的增加,高地温越加显现,而矿山在热害控制方面经验不足、个体防护及培训缺失、有效的机械制冷技术应用较少等,亟待加强深井金属矿山热害防治安全技术相关研究。本文分析了深井矿山热环境对作业人员、生产效率的影响,总结了热害防治的综合措施,包括通风系统优化、热源控制、个体防护、压缩空气制冷、机械制冷等方面,列举了南非、澳大利亚两座典型深井矿山机械制冷降温技术的典型应用,供其他深井矿山借鉴。
-
关键词
深井矿山
热害防治
个体防护
通风系统
机械制冷
-
Keywords
deep mines
heat hazard prevention and control
individual protection
ventilation system
mechanical refrigeration
-
分类号
TD724
[矿业工程—矿井通风与安全]
-
-
题名基于PSO-Elman神经网络的井底风温预测模型
- 2
-
-
作者
程磊
李正健
史浩镕
王鑫
-
机构
河南理工大学安全科学与工程学院
河南理工大学煤炭安全生产与清洁高效利用省部共建协同创新中心
-
出处
《工矿自动化》
CSCD
北大核心
2024年第1期131-137,共7页
-
基金
国家自然科学基金资助项目(U1904210)。
-
文摘
目前井下风温预测大多采用BP神经网络,但其预测精度受学习样本数量的影响,且容易陷入局部最优,Elman神经网络具备局部记忆能力,提高了网络的稳定性和动态适应能力,但仍然存在收敛速度过慢、易陷入局部最优的问题。针对上述问题,采用粒子群优化(PSO)算法对Elman神经网络的权值和阈值进行优化,建立了基于PSO-Elman神经网络的井底风温预测模型。分析得出入风相对湿度、入风温度、地面大气压力和井筒深度是井底风温的主要影响因素,因此将其作为模型的输入数据,模型的输出数据为井底风温。在相同样本数据集下的实验结果表明:Elman模型迭代90次后收敛,PSO-Elman模型迭代41次后收敛,说明PSO-Elman模型收敛速度更快;与BP神经网络模型、支持向量回归模型和Elman模型相比,PSO-Elman模型的预测误差较低,平均绝对误差、均方误差(MSE)、平均绝对百分比误差分别为0.376 0℃,0.278 3,1.95%,决定系数R^(2)为0.992 4,非常接近1,表明预测模型具有良好的预测效果。实例验证结果表明,PSO-Elman模型的相对误差范围为-4.69%~1.27%,绝对误差范围为-1.06~0.29℃,MSE为0.26,整体预测精度可满足井下实际需要。
-
关键词
井下热害防治
井底风温预测
粒子群优化算法
ELMAN神经网络
PSO-Elman
-
Keywords
underground heat hazard prevention and control
bottom air temperature prediction
particle swarm optimization algorithm
Elman neural network
PSO-Elman
-
分类号
TD727.2
[矿业工程—矿井通风与安全]
-
