国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

煤吸附CO的影響因素及數(shù)學模型研究

2016-01-31 02:22:47齊藝裴王月紅
關鍵詞:預測模型影響因素

齊藝裴,王月紅,楊 帆

(1.華北理工大學礦業(yè)工程學院,河北 唐山 063009;2.唐山市規(guī)劃建筑設計研究院,河北 唐山 063009)

?

煤吸附CO的影響因素及數(shù)學模型研究

齊藝裴1,王月紅1,楊帆2

(1.華北理工大學礦業(yè)工程學院,河北 唐山063009;2.唐山市規(guī)劃建筑設計研究院,河北 唐山063009)

摘要:煤對CO的吸附受多種因素的影響,各因素之間的信息又互有重疊。本文通過分析與煤吸附CO相關的多種因素,利用主成分分析法消除各因素間的耦合性,建立吸附模型。通過分析發(fā)現(xiàn)煤變質(zhì)程度的劃分與煤的物理性質(zhì)關系更密切,煤對CO既有物理吸附又有化學吸附,其中物理性吸附占總吸附量的64.3%。

關鍵詞:煤;CO;影響因素;預測模型

長期以來CO被認為來源于煤的自燃氧化,它常常作為預測煤自燃發(fā)火的標志性氣體。但是近年來在生產(chǎn)實踐及分析研究中發(fā)現(xiàn),煤層中自身含有一定量的CO,它的成因、含量及與煤體間的關系等目前還沒有形成定論。煤對CO的吸附是研究煤與CO關系的基礎,對煤自燃發(fā)火的預測具有重要作用。

通過研究發(fā)現(xiàn),煤對CO的吸附受多種因素的影響,很多因素之間的信息又互有重疊,鑒于主成分回歸既可以達到降維的目的,又能確定變量之間的相互關系,形成數(shù)學模型,因而本文采用主成分回歸對煤對CO的吸附進行研究。

1.相關性實驗

本次研究從8個不同的礦山采集了8種不同的代表性煤樣,通過對所采煤樣進行元素分析、工業(yè)分析、煤巖分析、壓汞實驗,測得對煤吸附CO產(chǎn)生影響的相關實驗數(shù)據(jù)。通過康塔物理化學吸附儀對這8種煤樣進行了30℃一個大氣壓下的CO吸附實驗。實驗結(jié)果如下:

表1 煤樣實驗數(shù)據(jù)(1)

表2 煤樣實驗數(shù)據(jù)(2)

2.數(shù)學模型建立

SPSS軟件可以做大容量數(shù)據(jù)的管理和分析,本文主要借助該軟件對相應數(shù)據(jù)做主成分分析。

(1)將對煤吸附CO有關系的19個參數(shù)變量標準化,以消除量綱的影響。

(2)求標準化后的19個變量的相關系數(shù)矩陣,發(fā)現(xiàn)CO和C、Vad和H、Mad及中孔等因素有高度的相關性。

(3)依據(jù)主成分原則,提取主成分對應特征值大于1的前4個主成分,他們的累積貢獻率為91.3%,下圖為碎石圖,從圖中可以看出前四個主成分基本上能反映了大部分的信息。

圖1 碎石圖

(4)求出主成分對應的特征向量。

表3 主成分特征向量(1)

表4 主成分特征向量(2)

第一主成分的貢獻率為40.92%,它在碳元素、氧元素、固定碳、大孔、過渡孔、微孔等指標上載荷較高,反映了孔隙的吸附的物理性影響。第二主成分貢獻率為22.72%,它在氫元素、揮發(fā)分和灰分等指標上載荷較高,反映了化學成分的作用。由此可知,物理性吸附占總吸附的64.3%。

(5)綜合得分

F=0.09Z氮元素+0.19Z碳元素+0.10Z硫元素+0.05Z氫元素-0.19Z氧元素+0.03Z水分+0Z揮發(fā)分-0.2Z灰分+0.19Z固定碳-0.13Z鏡質(zhì)組+0.17Z惰質(zhì)組+0.09Z殼質(zhì)組+0Z礦物質(zhì)-0.17Z大孔+0.05Z中孔+0.13Z過渡孔+0.12Z微孔+0.01Z孔容+0.16Z比表面積

用標準化的原變量觀測數(shù)據(jù)計算前4個主成分的得分值。

表5 主成分得分值

從表中可以看出第一主成分基本與煤的變質(zhì)程度呈正相關關系,即第一主成分中的因素基本代表煤的變質(zhì)程度,這說明變質(zhì)程度的劃分與煤的物理性質(zhì)關系更密切。

(6)主成分回歸

建立CO吸附量標準值與主成分間的預報模型

Y=0.082F1+0.006F2+0.308F3+0.348F4

還原為原始變量下的預測模型

CO吸附量=-0.06氮元素+0.001碳元素+0.074硫元素-0.078氫元素-0.001氧元素+0.011水分-0.007揮發(fā)分-0.002灰分+0.006固定碳-0.002鏡質(zhì)組+0.006惰質(zhì)組-0.009殼質(zhì)組-0.006礦物質(zhì)-0.002大孔+0.01中孔+0.002過渡孔+0.03比表面積+0.953

下表為通過預測模型確立的煤對CO的預測值及實際的吸附值。

表6 預測值與實際值對比表

通過對預測值與實際值做相關性分析,發(fā)現(xiàn)Pearson相關系數(shù)為0.77,說明兩者為正相關,P為0.025顯著相關。說明通過主成分回歸分析法得出的預測模型,能夠很好的預測煤對CO的吸附量。

3.結(jié)論

通過煤對CO的有影響關系的因素的主成分回歸分析,可以得出以下結(jié)論:

(1)煤對CO既有物理吸附又有化學吸附,其中物理吸附占總吸附量的64.3%。

(2)煤變質(zhì)程度的劃分與煤的物理性質(zhì)關系更密切。

(3)通過主成分回歸分析法得出的預測模型,能夠很好的預測煤對CO的吸附量。

參考文獻:

[1]王月紅.煤層中一氧化碳吸附規(guī)律及影響因素研究[D].唐山河北理工大學資源與環(huán)境學院,2006.

[2]張九零,郭立穩(wěn),周心權等.惰質(zhì)組與鏡質(zhì)組對煤吸附CO性能的影響[J].煤炭學報,2007,32(12),1297-1300.

[3]齊藝裴.煤微觀結(jié)構(gòu)對賦存一氧化碳的影響[D].河北聯(lián)合大學.2013.

[4]朱令起,王月紅,郭立穩(wěn).東歡坨煤礦賦存CO影響因素分析[J].煤礦安全,2005,36(8):26-29.

[5]劉永新,郭立穩(wěn),肖藏巖.煤的元素分析對煤層吸附CO的影響研究[J].采礦與安全工程學報,2009,26(2):26-29.

[6]黃潤龍.數(shù)據(jù)統(tǒng)計與分析技術-SPSS軟件實用教程[M].北京:高等教育出版社.2004.

The Influence Factors of Coal Adsorption of CO and Mathematical Model Research

QI Yi-pei1,WANG Yue-hong1,YANG Fan2

(1.College of Mining Engineer, North China University of Science and Technology, Tangshan Hebei,

063009;2. Tangshan Planning and Architectural Design &Research Institute , Tangshan Hebei, 063009)

Abstract:The coal adsorption of CO is influenced by many factors, and information among various factors are overlapped one another. Based on the analysis of many factors related to coal adsorption CO, using the principal component analysis (pca) to eliminate the coupling among the various factors, adsorption model is set up. Through the analysis, it was found that the division of coal metamorphism degree is more closely related to the physical properties of coal. There are both physical adsorption and chemical adsorption in the coal adsorption of CO, including physical adsorption accounted for 64.3% of total adsorption quantity.

Key words:coal; CO; influencing factors; prediction model

作者簡介:齊藝裴(1986-),女,碩士,華北理工大學礦業(yè)工程學院助教,主要從事礦山安全、礦井火災防治、安全評價等方面工作。

基金項目:河北聯(lián)合大學科學研究基金項目(Z201316)資助。

收稿日期:2015-10-09

中圖分類號:TD752.2

文獻標識碼:A

文章編號:1671-3974(2015)04-0065-03

猜你喜歡
預測模型影響因素
基于矩陣理論下的高校教師人員流動趨勢預測
東方教育(2016年9期)2017-01-17 21:04:14
基于支持向量回歸的臺灣旅游短期客流量預測模型研究
基于神經(jīng)網(wǎng)絡的北京市房價預測研究
商情(2016年43期)2016-12-23 14:23:13
中國石化J分公司油氣開發(fā)投資分析與預測模型研究
水驅(qū)油效率影響因素研究進展
突發(fā)事件下應急物資保障能力影響因素研究
中國市場(2016年36期)2016-10-19 03:54:01
環(huán)衛(wèi)工人生存狀況的調(diào)查分析
中國市場(2016年35期)2016-10-19 02:30:10
農(nóng)業(yè)生產(chǎn)性服務業(yè)需求影響因素分析
商(2016年27期)2016-10-17 07:09:07
村級發(fā)展互助資金組織的運行效率研究
商(2016年27期)2016-10-17 04:40:12
基于系統(tǒng)論的煤層瓦斯壓力測定影響因素分析
科技視界(2016年20期)2016-09-29 13:45:52
苏尼特右旗| 青阳县| 清原| 呼和浩特市| 大兴区| 疏附县| 长岛县| 和龙市| 秦安县| 英山县| 盘山县| 漳平市| 麻阳| 六安市| 瑞昌市| 江西省| 万安县| 武陟县| 弋阳县| 丽江市| 云浮市| 潜江市| 南澳县| 凤城市| 长治县| 大足县| 克山县| 横山县| 邵武市| 楚雄市| 宝应县| 遂宁市| 安平县| 大姚县| 唐河县| 柞水县| 西乌| 鸡东县| 二连浩特市| 石门县| 山东省|