人工智能-机器学习-醛醇催化缩合和煤自燃初期的反应机省略某些酰腙类铜配合物的电子结

为科学准确预测煤自然发火期,运用灰色系统理论,基于灰色关联分析,选取煤样工业分析中的灰分、挥发分和元素分析中的C、H、O、S含量作为系统相关因素,建立了预测煤最短自然发火期的GM(0,7)模型,经后验差检验,模型精度为优;通过与多元线性回归模型预测结果对比,GM(0,7)模型预测煤自然发火期的平均相对误差为2%,多元线性回归模型预测的相对误差为10.35%.经外来数据回代检验,GM(0,7)模型预测结果的相对误差在2%左右,多元线性回归模型预测结果相对误差达26.27%,说明GM(0,7)模型预测结果优于多元线性回归模型.研究结果表明:利用灰色关联分析选取适当参数建立GM(0,N)模型能够较好预测煤最短自然发火期.

为判断矿井煤自燃的发展状况，对塔拉壕煤矿2号煤层的原煤煤样开展了试验分析。在梳理了国内外预报煤的自燃状况所用的方法后，通过自燃性程序升温试验，得到了塔拉壕煤矿包括Graham指数，CO/CO

煤自燃多因素影响的结果，主要是煤中的活性部位与空气中氧气的放热反应过程。水在煤氧化反应过程中起重要作用，湿度影响煤中氧化反应的活性结构，从而影响煤的自燃倾向性。通过2组干煤和湿煤煤样的绝热氧化实验，得到煤样绝热氧化温度随湿度变化曲线，表明煤的湿度对煤自热性质有明显的影响。由于氧化过程产生的热量不能弥补蒸发损失的热量，一般温度降到大约40％~50%左右，煤的自热会强烈增加。随着煤湿度的增加，煤的自热率也增加。