上海继伟制药设备有限公司怎么样？

法定代表人：李伟生

成立日期：2015-01-27

注册资本：50万美元

所属地区：上海市

统一社会信用代码：9131000032171168XD

经营状态：存续（在营、开业、在册）

所属行业：制造业

公司类型：有限责任公司(台港澳与境内合资)

人员规模：50-99人

企业地址：上海市松江区文翔东路58号13幢2层201室

经营范围：设计、研发、生产制药设备、机电设备、清洁耗材及相关零部件,销售公司自产产品;并从事上述同类产品及零配件的进出口、批发、佣金代理(拍卖除外),并提供相关的配套服务及技术咨询服务。依法须经批准的项目,经相关部门批准后方可开展经营活动

4.1.1 煤层底板突水评价方法的现状研究

煤层底板突水实质是下伏含水层承压水冲破底板隔水层的阻隔，沿工作面底板隔水层岩体内部导水通道，以突发、缓发或滞发形式涌入工作面采空区的过程。

目前，常用的底板突水预测方法主要有以下几种:

(1)突水系数法:20世纪60年代初，我国焦作、峰峰、淄博矿区就总结出了预测底板突水的经验公式———突水系数法。他们是根据本矿区开采到一定深度时各个矿井底板突水的实际资料总结出来的。该方法物理概念明确、公式简单实用、计算方便且现场易于操作，在预测煤层底板突水和解放受水威胁的煤炭资源方面起到了积极作用。该方法具有较强的生命力，一直沿用至今。

(2)突水概率指数法:该方法的基本思想是分析大量的突水资料，找出导致底板突水的主要影响因素;利用专家经验知识和分类统计法确定各种因素在底板突水中所起作用的大小，即确定各种突水因素所占的权重，建立求突水概率指数的数学模型;将建立的模型运用到已有的突水案例中，求出各个突水案例的突水概率指数;依据案例的突水概率指数的统计，求出各种情况下的某突水程度发生的概率。此方法综合考虑到了煤层底板突水众多影响因素，利用该方法预测底板突水具有较为普遍的意义。

(3)脆弱性指数法:此方法在煤层底板突水主控因素体系建立的基础上，以多源信息复合理论为指导，以具有强大空间数据分析处理能力的GIS为操作平台，在分析确定底板突水各主控因素的基础上，经过数据采集、数据分析和处理，建立各主控因素的专题图层;运用多源信息复合叠加原理，采用如人工神经网络、证据权重法、Logistic回归、层次分析法等现代线性或非线性数学方法，建立煤层突水预测评价模型，最终对煤层突水脆弱性做出科学的分区和预测评价。该评价方法考虑到了煤层突水的多种影响因素及其相互复杂作用关系，考虑到了各影响因素的重要性( 即“权重”) ，且具有多级分区特点，易于掌握，在煤层突水，尤其是底板突水脆弱评价中的取得了满意的效果。

就煤层突水预测的评价方法而言，还有许多的理论和实际问题需要进行更全面、更深入的研究，尤其是对于煤层底板突水的研究，从而对已有的突水预测评价方法在实用性和易用性方面逐步完善。因此，煤层底板突水预测方法仍需不断地探索。

4. 1. 2 GIS 在突水危险性评价中的现状研究

随着计算机制图技术的发展，具有强大空间数据库管理功能和空间分析功能的地理信息系统( GIS) 在煤矿突水危险性评价中得到了越来越广泛的应用。经过近四十年的发展，GIS 已成为一种熟练的空间数据处理技术。GIS 强大的空间数据库管理能力和空间分析功能为我们研究煤矿突水区域危险性评价提供了一个卓有成效的方法。GIS 已被广泛应用到评价工作的多个环节，例如数据采集、评价指标空间分析、评价计算以及评价结果表达，使我们从传统复杂的手工劳动中解脱出来，并使危险性评价的空间数据集成更简便、分析更快速、精度更高，从而促进了该研究领域的快速发展，相关的研究成果大量涌现。

曹中初，孙苏南等人( 1996 年) 将 GIS 技术引入煤矿水害预测研究，以 ARCINFO 作为操作平台，经过数据采集与处理、专题图层生成、图层配准与编辑、多因素复合叠加处理，建立了以峰峰二矿小青煤为例的突水预测新模式。江东、王建华等人( 1999 年) 以山东肥城国家庄煤矿为研究区，以多源信息复合为核心，建立了 GIS 支持下的突水预测模型，并进行了深入研究。武强、董东林、陈佩佩等人( 2002 年) 利用 GIS 与 ANN 耦合技术，在准确描述煤层突水各主控因素对突水事件影响的基础上，建立了能够反映多种主控因素综合作用的突水模型，并对华北地区煤层地板突水进行了脆弱性分区。王茂连、孙苏南、江东等利用 GIS技术，在综合分析矿区水文地质、地质构造和突水资料的基础上，建立能够反映多种影响因素综合作用的突水模式，帮助决策人员做出正确判断。这一技术在矿井突水预测评价领域具有广阔的应用前景。

4. 1. 3 BN 的应用现状研究

BN 的发展主要经历了 3 个阶段:

( 1) 第一阶段( 20 世纪 90 年代之前) : 主要是建立 BN 基本理论体系和进行不确定性推理的研究，这个阶段主要是根据专家知识来构建 BN。

( 2) 第二阶段( 20 世纪 90 年代) : 主要是根据数据和专家知识相结合的方式来建立BN，这个阶段出现了许多经典的 BN 学习算法。

( 3) 第三阶段( 20 世纪末和 21 世纪初) : 以解决实际问题为目标，主要研究 BN 的应用。目前，BN 已被广泛地用于医疗诊断、工业控制、专家系统、统计决策等领域中解决实际问题，并且取得了较好的效果。

国外在近十年来，相继出现了大量的应用 BN 解决实际问题的研究和文献，BN 在许多领域都得到了广泛的应用。例如医疗诊断方面有 ALARM 网，常被作为 BN 结构学习算法检验的标准网; Alberola 等把 BN 用于人类学习中的问题解决研究; Rodrigues 等将 BN 用于制造过程诊断控制; Gemela 利用 BN 进行金融风险分析; Sillanpaa 等利用 BN 模型进行DNA 的分析; Brenda 利用 BN 进行系统可靠性分析; Socher 等人利用 BN 进行图像分析和语音识别; Sanguesa 等人利用 BN 学习方法进行工业废水处理。以上是 BN 在国外的一些成功应用。

国内 BN 的应用较国外稍晚一些，不过近几年也出现了很多关于使用 BN 解决实际问题的研究。西安电子科技大学的李伟生等将 BN 用于规划识别; 清华大学的曹冬明等利用BN 技术进行故障定位通用性较强; 上海大学的李明等将 BN 用于模型诊断串行译码; 上海交通大学的邓勇等将 BN 用于模型诊断; 清华大学的孙亚男等利用 BN 方法进行冠心病中医临床诊断; 戴芹等利用 BN 对遥感数据进行分类; 中南大学的李仪等利用 BN 对移动机器人进行避障等。

本文来自作者[怦然心动]投稿，不代表溟宇号立场，如若转载，请注明出处：https://www.gumingyu.com/jingyan/202508-17947.html