带压开采煤层底板突水安全可靠性分析

为合理评价孙疃煤矿10煤层带压开采的安全可靠性,建立了10煤层隔水底板稳定性可靠度分析模型。考虑底板隔水层厚度、底板岩石容重、抗拉强度等参数为随机变量,采用斯列萨列夫安全隔水层厚度计算公式建立极限状态方程。在研究随机变量概型的基础上,采用JC法、最优化法以及基于最优化的蒙特卡罗法计算隔水底板的可靠度以及失效概率,并探讨了该矿10煤层安全开采的可靠指标,避免了单纯依据定值作为突水判据的某些不合理性。     

利用地质成果优化3010皮带上山设计

3010皮带上 山 建成 后将 担 负着 范各 庄 矿三 水平 、四 水平 的 煤炭 运输 任 务,服务 年 限要 求 至 少 30a。 此 皮 带上山 位于 岩 溶陷 落柱 较 发育 的井 口 区域 ,范 各庄 矿 发现 的 12个 陷落 柱 全部 位于 此 区域 。由 于 陷落 柱直 接 导通 下部 奥 灰水 ,一 旦揭 露 将有 淹没 整 个矿 井的 危 险。为 保 证矿 井安 全 ,在 工程 施工 前 ,利用 地 质手 段对 设 计区 域进 行 了探 查,发现皮 带上 山 的中 上部 发 育有 岩溶 陷 落柱 ,两 次对 设 计进 行了 修 改,为 施 工提 供了 安 全保 障。     

地下水污染源反演的Hooke Jeeves吸引扩散粒子群混合算法

根据污染物质量浓度监测数据进行地下水污染源反演是一类典型的地下水逆问题,该问题可转化为决策变量为污染源位置和强度的最优化问题进行求解。基于Hooke-Jeeves粒子群混合算法,引入吸引扩散粒子群(ARPSO)算法的粒子群发散算子,保证混合算法的种群多样性,并提出HJ-ARPSO混合算法,再结合地下水污染物迁移模型MT3DMS反演地下水污染源的位置和强度信息。在已知污染源位置和未知污染源位置两种情形下,分别利用HJ-ARPSO算法、HJ-PSO算法和GA算法进行地下水污染源反演。在两种情形下,HJ-ARPSO算法均具有较高的寻优成功率(分别对应为100%和90%);与之相比,未引入粒子群发散算子的HJ-PSO算法在未知污染源位置情形下其寻优成功率迅速降为60%;GA算法寻优效率则最低。算例结果表明,HJ-ARPSO算法是一种有效的地下水污染源反演优化算法。     

基于遗传算法的巷道位移反分析研究

将遗传算法应用到位移反分析研究中,采用遗传算法与FLAC数值软件相结合的手段,研制了弹塑性巷道位移反分析程序。对该程序测试的结果表明,用遗传算法这一模拟生物进化的方法,进行巷道位移反分析,可以同时反演E,μ,C,ф,σx,σy,τxy7个参数,反演精度较高。     

降水效果的数值分析和设计优化研究

降水在各类工程中使用的越来越多,已形成了一套设计和施工方法,但其降水效果分析却少有人研究。针对某露天煤矿开挖中的降水疏干工程,开展了大规模的数值模拟研究。在掌握水文地质条件的基础上,通过Modflow建立了较合理的数值模型,对不同工况的降水效果进行了详细的分析,实际计算表明,加井时间、调整单井抽水量、井的数目、井的排列以及它们的相互作用对降水效果有很大影响。分批次、分时段、优化井排列和调整单井抽水量是提高降水效果的设计措施和优化设计的重要影响因素,这些因素的作用规律将为降水设计和施工以及实际工程效果提供重要理论依据。     

长沙某高边坡支护设计优化

结合长沙某高边坡支护工程实例，详细研究边坡岩土条件及环境条件，充分挖掘岩土参数潜力：≯耋翌睾；方綦建藉蓑术、经济对比分析，优选锚杆网格梁法进行边坡加固支护。实践表明，锚杆网格梁法是一种加固高边坡性价比很好的方法。     

重庆多历时极值降水的概率型优选及应用

基于重庆34个国家气象站1981—2016年5 min,24 h至3 d的过程最大雨量共18个年极值降水序列,利用线性矩法计算6种常用概率分布函数的模型参数,通过备选最优模型筛选法客观选取各站各历时极值降水的最优概率模型,并将优选结果应用于重庆不同历时百年重现期降水的计算。结果表明:模型优选方法得到的重庆各站不同历时极值降水的最优线型略有差异,广义极值分布占比最大,三参数Weibull分布次之,三参数对数正态分布第三,皮尔逊Ⅲ型和Gumbel分布相当,指数分布最差。最优线型计算的重庆不同历时百年重现期降水的空间分布大值区由短历时的点状分布向长历时的片状分布转变,渝东北的大值中心受地形影响不断向北移动。基于线性矩法的概率模型参数估计及客观的线型优选过程具有较强的可操作性和适应性,可应用于其他工程气象参数的推算中。     

Operational Evaluation of the Quantitative Precipitation Estimation by a CINRAD-SA Dual Polarization Radar System

In this paper, the quantitative precipitation estimation based on hydrometeor classification (HCA-QPE) algorithm was proposed for the first operational S band dual-polarization radar promoted by the CINRAD/SA radar of China. The HCA-QPE algorithm, the localized Colorado State University-Hydrometeor Identification of Rainfall (CSU-HIDRO) and Joint Polarization Experiment (JPOLE) algorithms, and the dynamic Z-R relationships based on variational correction QPE (DRVC-QPE) algorithm were evaluated with the rainfall events from March 1 to October 30, 2017 in the Guangdong Province. The results indicated that even though the HCA-QPE algorithm did not use the observed rainfall data for correction, its estimation accuracy was better than that of the DRVC-QPE algorithm when the rainfall rate was greater than 5mm h^(-1); and the stronger the rainfall intensity, the greater the QPE improvement. And the HCA-QPE algorithm worked better than the localized CSU-HIDRO and JPOLE algorithms. This study preliminarily verified the improved accuracy of QPE by a dual-polarization radar system modified from CINRAD-SA radar.     

A New Strategy for Solving a Class of Constrained Nonlinear Optimization Problems Related to Weather and Climate Predictability

There are three common types of predictability problems in weather and climate, which each involve different constrained nonlinear optimization problems: the lower bound of maximum predictable time, the upper bound of maximum prediction error, and the lower bound of maximum allowable initial error and parameter error. Highly efficient algorithms have been developed to solve the second optimization problem. And this optimization problem can be used in realistic models for weather and climate to study the upper bound of the maximum prediction error. Although a filtering strategy has been adopted to solve the other two problems, direct solutions are very time-consuming even for a very simple model, which therefore limits the applicability of these two predictability problems in realistic models. In this paper, a new strategy is designed to solve these problems, involving the use of the existing highly efficient algorithms for the second predictability problem in particular. Furthermore, a series of comparisons between the older filtering strategy and the new method are performed. It is demonstrated that the new strategy not only outputs the same results as the old one, but is also more computationally efficient. This would suggest that it is possible to study the predictability problems associated with these two nonlinear optimization problems in realistic forecast models of weather or climate.     

基于多属性决策的区域大气复合污染多目标优化控制方法研究

大气复合污染是我国目前面临的主要大气环境问题。科学减排对大气复合污染形成起主要作用的一次污染物和二次污染的前体物,是治理大气复合污染的有效手段。本文提出了一种新的区域大气复合污染多目标优化模型,并结合多目标进化算法和基于决策者偏好的多属性决策技术,寻找治理大气污染的最优控制策略。与传统的单目标优化控制技术相比,本文提出的方法在保证环境达标的前提下,同时兼顾治理成本和行业可持续性发展这两种在一定程度上互斥的目标,并融入了决策者从当地实际情况出发对目标重要性的权衡,更加符合管理实践的需求,可为科学治理区域大气复合污染提供借鉴。