基于模糊数学理论的退役铀尾矿库环境稳定性分析及预测

发布时间：2017-09-13 02:45

  本文关键词：基于模糊数学理论的退役铀尾矿库环境稳定性分析及预测

  更多相关文章： 退役铀尾矿库 环境稳定性 粗糙集 模糊数学 BP神经网络

【摘要】：铀尾矿库不仅是重大危险源,同时还是一个长期潜在的巨大放射性污染源,尾矿库中的放射性核素、重金属及其它有毒有害物质通过扩散、迁移对尾矿库周围的生态环境(水、土壤和大气)造成了严重污染,因此必须对铀尾矿库进行退役治理。目前,对铀尾矿库的安全稳定性进行评价仅考虑了坝体的力学稳定性,这显然已无法满足铀尾矿库退役治理生态环保和可持续发展的需求。为此,本文借助于模糊数学理论,并结合了粗糙集、神经网络等多种理论和方法对退役铀尾矿库的环境稳定性进行了分析和预测,主要的研究工作包括:(1)收集了某退役铀尾矿库连续36个月的环境监测数据,系统的考察了退役铀尾矿库外排废水、废气及表面辐射等环境因素随时间的动态变化规律,通过环境因素的表征对其稳定化进程进行了初步分析。(2)引入了粗糙集理论,在对原始数据进行处理的基础上,通过属性约简的方法对环境指标系统进行了计算和分析,得出了影响铀尾矿库环境稳定性的核心指标集,并建立了以大气环境、尾矿库渗水及放射性污染为一级指标的退役铀尾矿库环境稳定性指标体系。(3)通过模糊数学理论,建立了一种新的铀尾矿库环境稳定性的分析方法,以精确的数学语言定义了指标的稳定区间和环境稳定率,并结合实例进行了分析。结果表明,经过一期退役治理后该铀尾矿库的环境稳定性整体仍处于较差状态,对酸碱度pH及放射性核素Po、Pb等因素应进行专项退役治理。(4)利用人工神经网络强大的非线性映射功能,构建了基于BP神经网络理论的铀尾矿库环境稳定性预测模型,并利用监测数据对网络进行了训练和仿真,预测结果与实际情况基本吻合;并通过单因素变量法进一步分析了各指标监测值变化对环境稳定性的影响程度,为铀尾矿库的综合评价技术提供了一种新的可行方法。
【关键词】：退役铀尾矿库 环境稳定性 粗糙集 模糊数学 BP神经网络
【学位授予单位】：南华大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：X753
【目录】：

• 摘要4-5
• Abstract5-10
• 第一章 绪论10-20
• 1.1 研究背景及意义10-12
• 1.1.1 研究背景10-11
• 1.1.2 研究意义11-12
• 1.2 退役铀尾矿库环境稳定性概念12-13
• 1.3 国内外研究现状13-16
• 1.3.1 国内研究现状13-15
• 1.3.2 国外研究现状15-16
• 1.4 研究内容及技术路线16-20
• 1.4.1 研究内容16-18
• 1.4.2 技术路线18-20
• 第二章 铀尾矿库环境污染物随时间的变化进程研究20-30
• 2.1 引言20
• 2.2 某铀尾矿库工程概况20-23
• 2.1.1 某铀尾矿库退役工程简介21-22
• 2.1.2 环境监测的内容及基本情况22-23
• 2.3 环境监测项目随时间的变化进程研究23-29
• 2.3.1 氡析出率随时间的变化规律23-25
• 2.3.2 外排废水化学成分随时间的变化规律25-27
• 2.3.3 γ 辐射随时间的变化规律27-28
• 2.3.4 表面 α 随时间的变化规律28
• 2.3.5 表面 β 随时间的变化规律28-29
• 2.4 本章小结29-30
• 第三章 铀尾矿库环境稳定性分析指标体系的构建30-44
• 3.1 引言30
• 3.2 指标体系建立的基本原则30-31
• 3.3 粗糙集理论简介31-35
• 3.3.1 粗糙集的基本特点31-33
• 3.3.2 粗糙集的基本概念33-34
• 3.3.3 粗糙集属性约简理论34-35
• 3.4 退役铀尾矿库环境稳定性指标体系的建立35-43
• 3.4.1 环境监测指标体系35-37
• 3.4.2 数据的修补及离散化处理37-39
• 3.4.3 属性约简的计算39-42
• 3.4.4 环境评价指标体系的建立42-43
• 3.5 本章小结43-44
• 第四章 基于模糊数学理论的铀尾矿库环境稳定性分析44-58
• 4.1 引言44
• 4.2 模糊数学理论简介44
• 4.3 基于概率统计的环境指标稳定化分析44-51
• 4.3.1 环境指标的稳定化分析方法45-46
• 4.3.2 各环境指标的稳定化分析46-51
• 4.4 环境稳定率计算模型的构建51-54
• 4.4.1 基于G1法的环境指标权重的计算51-52
• 4.4.2 基于模糊数学理论的指标稳定区间的计算52-53
• 4.4.3 环境稳定率的计算53-54
• 4.5 铀尾矿库环境稳定性的计算与分析54-57
• 4.6 本章小结57-58
• 第五章 铀尾矿库环境稳定性的BP神经网络预测58-70
• 5.1 引言58
• 5.2 BP神经网络理论简介58-62
• 5.2.1 BP神经网络的结构及基本原理59-61
• 5.2.2 BP神经网络的建立61-62
• 5.3 铀尾矿库环境稳定性预测模型的建立62-63
• 5.4 环境稳定性实例预测与分析63-69
• 5.4.1 原始数据的归一化处理63
• 5.4.2 铀尾矿库环境稳定性预测63-67
• 5.4.3 单因素变化对环境稳定性的影响67-69
• 5.5 本章小结69-70
• 第六章 结论与展望70-74
• 6.1 研究结论70-71
• 6.2 创新之处71-72
• 6.3 研究的不足及展望72-74
• 参考文献74-80
• 发表的论文和参与的课题80-82
• 致谢82-84
• 附录一：数据离散化计算代码84-86
• 附录二：指标稳定区间计算代码86-88
• 附录三：BP神经网络预测代码88

【参考文献】

中国期刊全文数据库 前10条

1 陈建宏;朱鼎耀;陈轶俊;叶阿明;邱文;;基于PCA-BP神经网络的尾矿库坝体稳定性分析[J];黄金科学技术;2015年05期

2 郭敏;贾修一;商琳;;基于模糊化的决策粗糙集属性约简和分类[J];模式识别与人工智能;2014年08期

3 夏美琼;李向阳;赵发;旷梅华;彭小勇;;基于模糊理论的某铀尾矿坝稳定性综合评价[J];南华大学学报(自然科学版);2014年02期

4 刘洋;赵学同;吴顺川;;快速冲填尾矿库静力液化分析与数值模拟[J];岩石力学与工程学报;2014年06期

5 段兰兰;田琦;段鹏飞;李哲;;基于遗传优化BP神经网络的供热管网故障诊断模型[J];中北大学学报(自然科学版);2014年03期

6 梁连东;冯志刚;马强;张斌;李石朋;;湖南某铀尾矿库中铀的赋存形态及其活性研究[J];环境污染与防治;2014年02期

7 于广明;宋传旺;潘永战;李亮;李冉;路世豹;;尾矿坝安全研究的国外新进展及我国的现状和发展态势[J];岩石力学与工程学报;2014年S1期

8 马丽丽;田淑芳;王娜;;基于层次分析与模糊数学综合评判法的矿区生态环境评价[J];国土资源遥感;2013年03期

9 吕淑然;张新浩;;基于可靠度分析的尾矿坝稳定性评价[J];现代矿业;2013年06期

10 徐磊;钱建平;唐专武;;我国铀矿废渣石污染特点及治理方法[J];中国矿业;2013年01期

，

本文编号：841076