简介：随着对煤层气井排采规律认识的不断提高,煤层气井在自动排采控制过程中非线性、时变性的增加,传统的PID调节已不能满足生产需要。通过采用基于神经元人工网络智能控制理论和智能动态专家库技术的控制方式,实现了对煤层气井井底流压的精确控制,满足了生产需求。

简介：阐述了惠州抽水蓄能电站A厂下平洞的主要地质构造及厂区控制性断层,分析了地质构造的水力联系及下平洞的主要地质构造的处理措施,探讨了高压隧洞采用钢筋混凝土衬砌可以通过灌浆来处理地质构造和围岩薄弱部位。

简介：湖北省竹溪地区的铌稀土矿多富集于正长岩、正长斑岩、次粗面岩等岩石中,矿体与围岩界线肉眼难以辨识。为了提高找矿效果,采用地面γ能谱测量这一地球物理勘探方法,通过研究岩（矿）石放射性,以及钍钾、钍铀、铀钾比值等参数的特征,圈定了剖面内矿化有利地段,为后期找矿工作提供了靶区。

简介：惠州抽水蓄能电站工程地下建筑物占了重要部分,地下洞室埋深最大达到420m左右,高压隧洞内水静水压力最大约630m,地下厂房规模长×宽×高=152m×21.5m×49.4m,场区的地应力特征对建筑物的布置及稳定关系重大。通过对场区地应力测试的布置介绍,对测量成果的合理整理、应用进行探讨,对类似工程的勘察布置、资料整理及运用有借鉴作用。

简介：为了确定岩体在不同压力作用下渗透特性的变化规律，陕西镇安抽水蓄能电站高压岔管、厂房端墙部位的岩体，专门做了钻孔高压压水试验。通过试验，取得了高压水头条件下岩体的透水性及透水规律，为设计在岔管和地下厂房洞室围岩稳定性、渗透性，制定厂房开挖支护措施和防渗措施，提供可靠依据。

简介：隧道围岩压力计算，常规的公式法是假设应力为均匀分布，没有考虑应力集中现象，而有限元法适用于分析模拟围岩体和构造的各种特性，可以准确地计算出隧道围岩应力。据此，以实际工程为例，利用公式法对围岩压力进行计算，并运用有限元法的数值方法，采用专业软件对浅埋、深埋圆形隧道的围岩应力状态进行了数值模拟分析，得出其分析与计算结果对隧道围岩压力计算具有重要意义的结论。

简介：煤矿瓦斯涌出量和瓦斯突出受控于多种因素。如何根据各个影响因素预测计算煤层瓦斯含量是一个非常复杂的问题。近年来迅速发展起来的神经网络具有较高的非线性映射和并行处理能力。广义回归神经网络（GRNN）具有网络结构自适应确定、输出与初始权值无关等优良特性，能够逼近任意连续的非线性函数，可以处理系统内在的难以解析的规律。本文以某矿13-1煤层为研究对象，在分析影响煤层瓦斯含量的各种地质因素和量化定性因素的基础上，应用GRNN神经网络方法建立某矿13—1煤层瓦斯含量预测模型，以达到对井田未开采区域进行瓦斯含量预测的目的。

简介：影响煤与瓦斯突出的因素众多，应用神经网络进行预测时，选取突出预测指标是关键。基于经验和所谓“多多益善”原则的选择方法都有一定的不合理、不科学性。笔者应用灰色关联分析筛选突出预测指标，结合神经网络建模进行突出预测，使突出预测指标的选择由定性分析转化为定量分析，实现了灰色理论同神经网络在煤与瓦斯突出预测领域内的结合。经过实例验证，本方法是可行的。

简介：割缝筛管完井是煤层气水平井重要的完井方式之一。研究表明,筛管的割缝参数对割缝筛管的强度、应力分布及变形有重要影响。根据有限元的思想,应用Ansys软件建立不同割缝参数下的筛管模型,优化分析缝宽、缝长、缝密度及割缝相位角对割缝筛管抗挤压强度、割缝处应力分布及缝宽变形程度的影响,研究结果为优化割缝筛管设计参数提供了一定的理论依据。

简介：2010年12月29日，中海油集团以增资扩股方式，取得中联煤层气有限责任公司（下称“中联煤”）50％股权，出资额为12亿元左右。之前由中煤集团独资的中联煤，从此有了一个新股东。中海油通过此次收购，将从中联煤获得500亿m^3的煤层气探明储量。

简介：针对云南省矿产资源空间数据库应用中数据面临的一系列问题,本文提出了基于空间元数据的解决方案,阐述了元数据与矿产资源空间元数据的基本概念,并基于应用流程对矿产资源空间元数据获取、存储、管理和表达的相关技术进行了探讨。

简介：为了精细监测和了解排采过程煤储层参数的动态变化,本文提出了一种基于BP神经网络补偿算法,对未来一定时期的产气、产水量进行了预测。对大佛寺典型的煤层气水平井(DFS-C02井)进行实例分析,结果表明,未来30d的产水量、产气量的平均相对误差分别为0.79%(0.07~0.26%)和0.72%(0.01~2.4%),预测结果较准确。BP神经网络补偿算法为煤层气井的产量预测提供了一种新方法,同时为排采工作制度提供依据。

简介：选取厦门港海沧港区软基处理工程为例，针对试验区吹填淤泥的工程特性，运用浅表层快速加固处理技术对其进行加固处理，详细介绍了该项技术的技术思路、作用机理以及与真空预压法的区别，评价这项技术的加固效果。然后利用Matlab软件编制了BP网络、RBF网络，Elman网络时序预测模型程序对加固后试验区的沉降量进行预测研究，从预测结果看，Elman网络的预测精度最高，其次为BP网络，相对最差的是RBF网络，Elman网络的反馈型网络结构使其具有更好的时序预测能力。

简介：在海岸和大洋等人类活动区，需要对海域的未来动态作出精确的预报，在这些动态中，尤以浪高和波浪周期的预报显得最为重要。研究人员选择了两种不同的神经网络方案，分别作出于浪高和波浪周期的3h、6h、12h和24h之前的预报。在第一个方案中，研充人员采用了8组神经网络来模拟每个预报时间内各波浪参数；然而在第二个方案中，在上述指定的4个预报时间段内，