湿度对煤矿粉尘浓度监测的影响规律及补偿研究

张安然

张安然. 湿度对煤矿粉尘浓度监测的影响规律及补偿研究[J]. 工矿自动化,2025,51(4):140-145. DOI: 10.13272/j.issn.1671-251x.2025030029
引用本文: 张安然. 湿度对煤矿粉尘浓度监测的影响规律及补偿研究[J]. 工矿自动化,2025,51(4):140-145. DOI: 10.13272/j.issn.1671-251x.2025030029
ZHANG Anran. Study on the effect of humidity on coal mine dust concentration monitoring and its compensation strategy[J]. Journal of Mine Automation,2025,51(4):140-145. DOI: 10.13272/j.issn.1671-251x.2025030029
Citation: ZHANG Anran. Study on the effect of humidity on coal mine dust concentration monitoring and its compensation strategy[J]. Journal of Mine Automation,2025,51(4):140-145. DOI: 10.13272/j.issn.1671-251x.2025030029

湿度对煤矿粉尘浓度监测的影响规律及补偿研究

基金项目: 

国家自然科学基金面上项目(52374254);重庆市博士“直通车”项目(CSTB2023NSCQ-BSX0010)。

详细信息
    作者简介:

    张安然(1980—),男,山东鄄城人,副研究员,主要从事煤矿安全仪表与系统技术审查、检测检验和标准制修订等工作,E-mail:312467296@126.com

  • 中图分类号: TD714

Study on the effect of humidity on coal mine dust concentration monitoring and its compensation strategy

  • 摘要:

    矿井环境湿度严重影响煤矿粉尘浓度监测质量,为了提高煤矿井下高湿度环境下的粉尘浓度监测精度,开展了湿度对粉尘浓度监测的影响规律和湿度补偿技术研究。在观测煤矿粉尘颗粒吸湿生长形貌特征的基础上,通过实验得到了不同湿度条件下煤矿粉尘颗粒粒径变化规律及湿度对粉尘浓度监测的影响机制:煤矿粉尘颗粒粒径随着湿度的增加呈现指数型增长趋势;当环境湿度由50%逐步增加至90%时,煤矿粉尘浓度呈现指数型增长趋势。提出一种基于不同角度散射光特性的湿度在线补偿技术,研究了环境湿度、粉尘颗粒粒径和散射光通量之间的关系,构建了湿度补偿实验模型,将湿度补偿实验模型嵌入多角度光散射粉尘浓度监测单元中,实现带湿度补偿的煤矿粉尘浓度监测。实验结果表明:带湿度补偿的多角度光散射粉尘浓度监测单元的监测误差≤11.2%,较不带湿度补偿的粉尘浓度监测单元降低了2.9%,验证了湿度补偿的有效性。

    Abstract:

    The humidity in mines significantly affects the monitoring quality of coal mine dust concentration. This study aims to improve the precision of dust concentration monitoring in high-humidity underground coal mine conditions, through investigating the influence of humidity on dust concentration monitoring and exploring humidity compensation techniques. Based on the observations of the hygroscopic growth and morphology of coal mine dust particles, experiments were conducted to obtain the variation pattern of coal mine dust particle size under different humidity conditions and to reveal the mechanism by which humidity affects dust concentration monitoring. The particle size of coal mine dust increased exponentially with rising humidity. When environmental humidity increased gradually from 50% to 90%, the coal mine dust concentration exhibited an exponential growth trend. To address this, an online humidity compensation technique based on light-scattering characteristics with multiple angles was proposed. The relationships among environmental humidity, dust particle size, and scattered light flux were investigated. A humidity compensation experimental model was developed and integrated into a light-scattering dust concentration monitoring unit with multiple angles. In this way, humidity compensated coal mine dust concentration monitoring was achieved. Results showed that the monitoring error of the humidity-compensated multi-angle light-scattering unit was ≤11.2%, a 2.9% reduction compared to the uncompensated unit, confirming the effectiveness of the compensation method.

  • 粉尘是煤矿作业中的主要危害因素之一,对矿工身体健康危害极大[1-2]。长期暴露在高浓度的煤矿粉尘环境中,粉尘颗粒逐渐沉积于肺部,可能引发不可逆的纤维化病变[3-4],最终导致严重的肺部疾病。开展粉尘浓度连续监测不仅是保障工人健康的重要手段,还能为制定有效的粉尘防控策略提供科学依据,从而降低尘肺病的发生概率。

    光散射法是粉尘浓度连续监测领域的重要技术,研究者围绕该方法在理论与应用方面进行了广泛探索。J. R. Patts等[5]开发了一种结合光散射监测仪与移动摄像设备的系统,用于评估工人的粉尘暴露水平。A. Konoshonkin等[6]通过物理光学近似法研究了复杂形状大颗粒的光散射行为。Lin Chengjun等[7]针对粒径反演不稳定问题,提出了一种基于多参数优化的解决方案。Cui Xiaojun等[8]优化了鞘流结构设计,提升了粉尘散射信号的检测精度。Zheng Xiuting等[9]分析了粒径、折射率和光波长对粉尘浓度监测的影响规律。戴珺等[10]通过改进反演算法显著提高了测量系统的稳定性和抗干扰能力。吴娟等[11]利用非线性特征向量提取技术与神经网络模型,实现了粉尘颗粒的粒径解析和特性识别。

    然而,现有方法在煤矿井下高湿度环境中的应用仍存在一定局限性。当环境相对湿度达到或超过60%时,粉尘颗粒会发生显著的吸湿生长,导致粉尘浓度监测结果产生偏差[12]。针对该问题,C. Sioutas等[13]采用扩散干燥剂降低空气湿度,但需要定期维护干燥剂,以确保其正常工作。另外,一些研究尝试结合湿度传感器与经验算法,通过引入修正因子来补偿湿度对粉尘浓度的影响[14-16],但这种方法无法实时反映吸湿后粉尘颗粒粒径变化对浓度监测结果的影响,因此在一定程度上限制了监测的准确性。

    为了提高煤矿井下高湿度环境下的粉尘浓度监测精度,通过观察不同湿度条件下煤矿粉尘吸湿生长的形貌特征,分析了湿度对煤矿粉尘颗粒粒径变化和粉尘浓度监测的影响规律;基于湿度环境下多角度光散射粉尘浓度监测实验,提出一种基于光散射原理的在线湿度补偿技术。

    为了提升煤矿粉尘浓度监测的实效性与精准度,需要实时捕捉粉尘颗粒吸湿状况的动态变化。因此,从微观层面出发,运用扫描电子显微镜,研究煤矿粉尘颗粒吸湿生长时所展现出的形貌特性及颗粒粒径变化规律。

    实验所用粉尘需接近煤矿实际环境中的特性。将采集自煤矿的原始粉尘进行研磨处理后,采用自动分样筛进行筛分,获得中位粒径不超过75 μm的颗粒样本,以确保其粒度满足实验要求。

    实验仪器包括以下4种:

    1) 扫描电子显微镜。用于观察粉尘颗粒在吸湿条件下的微观形貌变化,其技术参数:分辨率高于3.0 nm@30 kV,放大倍数为6~300 000,加速电压为0~30 kV;样品台支持X轴移动≤80 mm,Y轴移动≤60 mm,Z轴移动≤50 mm,旋转角度为360°连续,倾斜角度为−5~+90°,可容纳直径为80 mm的样品,最大样品直径为110 mm。

    2) 粉尘采样器与分析天平。用于定量测定粉尘浓度。其中,粉尘采样器负载能力≥200 Pa,测量误差为±10%;分析天平的量程为120/42 g,分辨率分别为0.1 mg和0.01 mg。

    3) 粒径分析仪。用于评估粉尘颗粒的粒径分布,测试范围为0~150 μm,精度为±10%。

    4) 温湿度计。用于监测实验环境的温湿度条件,温度测量范围为−10~80 ℃,误差为±0.5 ℃;相对湿度测量范围为10%~99%,误差为±1%RH。

    实验系统由粉尘喷射装置、温湿度控制设备、实验舱、加湿器和取样装置等组成。粉尘喷射装置负责将粉尘样本均匀分布于实验舱内,取样装置用于在不同温湿度条件下收集粉尘颗粒,为实验分析提供样本。通过温控和湿度调节设备,实现实验舱内环境的稳定控制,覆盖温度范围10~30 ℃及相对湿度范围30%~95%。实验舱如图1所示。

    图  1  实验舱
    Figure  1.  Experiment chamber

    实验步骤如下:

    1) 粒径分析。将实验粉尘置于温度为25 °C、相对湿度为30%的恒温恒湿箱中静置处理24 h,以确保其达到稳定状态。随后取出一部分粉尘样品,通过粒度分析仪对其颗粒分布进行检测,并详细记录分析结果。

    2) 温湿度控制。启动环境实验舱的温湿度调节设备,将舱内温度稳定控制在(25±1)°C。根据实验要求,设置相对湿度范围为35%~98%,以模拟不同湿度条件下的实验环境。

    3) 粉尘喷射。待舱内温湿度达到并稳定在预设值后,启动粉尘发生装置,将煤矿粉尘均匀释放到舱内。经过一段时间喷射操作后关闭装置,静待实验舱内的粉尘浓度达到平衡状态。

    4) 电镜采样分析。在粉尘自然沉降至取样台的导电胶表面后,小心移除导电胶,并对样品进行喷金处理。将处理后的样品放入扫描电子显微镜中,观察煤矿粉尘颗粒吸湿生长后的微观形貌特征。

    在高湿度环境下,粉尘颗粒会因吸湿作用发生尺寸增长的现象[17]。通过扫描电子显微镜对沉积在导电胶上的粉尘颗粒进行观察,记录不同湿度条件下颗粒的形貌变化。选取粒径为10 μm的粉尘颗粒作为研究对象,对其在吸湿生长过程中的微观形貌进行分析。将扫描电镜放大1 500倍,粒径10 μm煤矿粉尘颗粒的吸湿生长形貌特征如图2所示。

    图  2  粒径10 μm煤矿粉尘颗粒的吸湿生长形貌特征
    Figure  2.  Hygroscopic growth and morphological characteristics of coal mine dust particles with a particle size of 10 μm

    图2可看出:当环境相对湿度低于40%时,粉尘颗粒表面相对粗糙,与原始状态对比,并未出现明显的吸湿现象;当湿度达到50%时,颗粒表面开始附着不同尺寸的小颗粒,粉尘颗粒开始发生吸湿生长;当湿度增至65%时,吸湿现象更加明显,颗粒表面附着了更多片状物质,且粉尘颗粒的粒径显著增大;当湿度达到80%时,吸湿生长现象更加显著,颗粒的粒径变化更为明显。可见,当环境相对湿度达到或超过50%时,粉尘颗粒开始显现吸湿生长现象。随着湿度的进一步增加,颗粒的粒径持续增大,湿度越高,煤矿粉尘颗粒的凝并生长速度越快,生成的颗粒结构更加紧密。

    为了进一步研究粉尘颗粒的吸湿生长规律,在湿度由35%升至98%的过程中,使用导电胶进行粉尘采样并确保发尘浓度保持恒定,通过扫描电子显微镜观察湿度升高过程中煤矿粉尘颗粒的粒径。绘制煤矿粉尘颗粒粒径与环境湿度的关系曲线,如图3所示。可看出煤矿粉尘颗粒粒径随着湿度的增加呈现指数型增长趋势,其拟合关系为

    图  3  煤矿粉尘颗粒粒径与环境湿度的关系曲线
    Figure  3.  Relationship curve between coal mine dust particle size and environmental humidity
    $$ D=D_0(1+kh^a) $$ (1)

    式中:D为在相对湿度$ h $(通常取0~100%)下的粒径;D0为干燥条件下的粒径;k为吸湿性常数,其值与颗粒化学性质相关;a为指数参数,通常为1~2。

    为了探究湿度对煤矿粉尘浓度的影响,首先在环境湿度低于50%的条件下,通过手工采样称重法测得粉尘浓度为11.3 mg/m³。在保持发尘浓度恒定的前提下,采用相同的手工采样方法,在不同湿度环境下测量并记录粉尘浓度变化,得到不同环境湿度下的粉尘浓度变化曲线,如图4所示。可看出当环境湿度由50%逐步增加至90%时,煤矿粉尘浓度呈现指数型增长趋势。经拟合,得到煤矿粉尘浓度与环境湿度之间的关系:

    $$ C_{\mathrm{m}}(h)=C_{\mathrm{m}}(0)(1+kf^b(h)^{ }) $$ (2)

    式中:$ C_{\mathrm{m}}(h) $为不同湿度下的煤矿粉尘浓度;$ {C_{\mathrm{m}}}(0) $为干燥条件下的煤矿粉尘浓度;$ f(h) $为湿度增量函数,通常为非线性函数;b为指数参数。

    图  4  不同环境湿度下的煤矿粉尘浓度变化曲线
    Figure  4.  Variation curve of coal mine dust concentration under different environmental humidity levels

    为减少湿度变化引起的粉尘浓度监测误差,需在煤矿粉尘浓度监测中进行湿度在线补偿。当前煤矿粉尘浓度监测中常用光散射法,因此提出一种基于不同角度散射光特性的湿度在线补偿技术。

    基于多角度光散射理论,当光散射角度为π/2和3π/2时,能够实现最理想的粉尘浓度监测效果[18-19]。故在光散射角度为π/2和3π/2处分别安置光散射接收器,并将激光光源设置在与接收角垂直的方向。粉尘在2个接收器及激光光源所构成的空间中通过。

    多角度光散射粉尘浓度监测单元主要由激光发射、散射光接收及光陷阱3个部分构成,如图5 所示。激光发射部分包含激光光源和光学透镜组,散射光接收部分由光电传感器和检测电路组成,光陷阱的作用是吸收入射光及干扰反射光,以确保监测过程的准确性。

    图  5  多角度光散射粉尘浓度监测单元
    Figure  5.  Light-scattering dust concentration monitoring unit with multiple angles

    进行粉尘浓度监测时,开启激光光源,激光经过光学透镜组产生1组光强稳定的平行入射光。当被测粉尘颗粒在光敏感区通过时,依据Mie散射原理,光电传感器1和2会接收到散射光。通过特定的换算方法可得出被测粉尘的浓度值。

    为研究不同湿度、不同粉尘颗粒粒径与散射光通量之间存在的关系,构建用于粉尘浓度监测的湿度补偿实验模型。实验所使用的粉尘、仪器及系统均与1.1节中保持一致,仅在实验步骤的最后一个环节增加采集光通量值的操作:将多角度光散射粉尘浓度监测单元放置于环境实验舱内,进行发尘操作;待粉尘浓度稳定后,采集多角度光散射粉尘浓度监测单元在不同湿度、不同粒径粉尘情况下光散射角度为π/2和3π/2时的散射光通量值。发尘操作使粉尘浓度达到11.3 mg/m³,经过反复多次实验,采集同一种中位粒径粉尘在不同湿度条件下光散射角度为π/2和3π/2时的散射光通量并计算比值,绘制中位粒径为11.3 μm的粉尘在不同湿度下的散射光通量比值曲线,如图6所示。经回归分析[20-21],得到同种粒径粉尘的散射光通量比值与湿度的关系。

    $$ {k_{\mathrm{h}}} = {m_{{\mathrm{d}}2}}{\exp(h)} $$ (3)

    式中:$ {k_{\mathrm{h}}} $为同种粒径粉尘的散射光通量比值与湿度的关系因子;$ {m_{{\mathrm{d}}2}} $为修正系数。

    图  6  中位粒径为11.3 μm的粉尘在不同湿度下的散射光通量比值曲线
    Figure  6.  Scattered luminous flux ratio of dust with median particle size of 11.3 μm under different humidity

    采集不同中位粒径粉尘在相同湿度环境下光散射角度为π/2和3π/2时的散射光通量并计算比值,得到不同中位粒径粉尘在90%RH湿度下2个角度的散射光通量比值曲线,如图7所示。经回归分析,得到相同湿度情况下粉尘中位粒径与散射光通量比值的关系。

    $$ k_{\mathrm{p}}=m_{\mathrm{d}1}\ln\frac{d}{\mathrm{mm}}+m_1 $$ (4)

    式中:$ {k_{\mathrm{p}}} $为不同中位粒径粉尘在相同湿度下的散射光通量比值的补偿因子;$ {m_{{\mathrm{d}}1}} $为修正系数;d为被测粉尘颗粒粒径;$ {m_1} $为补偿量。

    图  7  不同中位粒径粉尘在90%RH湿度下2个角度的散射光通量比值曲线
    Figure  7.  Scattered light flux ratio curve at two angles for dust particles with different median particle sizes under 90% RH humidity

    经过实验研究和数学分析,建立实时反馈粉尘颗粒吸湿生长引起粒径变化的湿度补偿实验模型:

    $$ C_{\Delta\mathrm{m}}=k_{\mathrm{p}}k_{\mathrm{h}}(I_1+I_2) $$ (5)

    式中:CΔm为粉尘浓度;I1I2分别为散射角度为π/2和3π/2对应位置接收到的散射光强度。

    设置实验环境温度为(25±2)°C,相对湿度为(80±2)%,以滤膜采样法为标准方法,采用带湿度补偿与不带湿度补偿的粉尘浓度监测单元进行对比,得到不同浓度下的监测误差,如图8所示。可看出采用湿度补偿的多角度光散射粉尘浓度监测单元监测误差≤11.2%,相比未进行湿度补偿的监测单元,误差降低了2.9%。

    图  8  煤矿粉尘浓度监测误差
    Figure  8.  Monitoring error of coal mine dust concentration

    1) 观察煤矿粉尘颗粒在吸湿生长过程中的形貌特征,通过实验得到不同湿度条件下煤矿粉尘颗粒粒径和粉尘浓度的变化规律。

    2) 研究了环境湿度、粉尘颗粒粒径与散射光通量之间的关联性,建立了湿度补偿实验模型。

    3) 开展了基于湿度补偿的粉尘浓度监测实验,结果表明,采用湿度补偿的多角度光散射粉尘浓度监测单元的粉尘浓度误差≤11.2%,较不带湿度补偿的粉尘浓度监测单元降低了2.9%,降低了湿度对粉尘浓度监测的影响。

  • 图  1   实验舱

    Figure  1.   Experiment chamber

    图  2   粒径10 μm煤矿粉尘颗粒的吸湿生长形貌特征

    Figure  2.   Hygroscopic growth and morphological characteristics of coal mine dust particles with a particle size of 10 μm

    图  3   煤矿粉尘颗粒粒径与环境湿度的关系曲线

    Figure  3.   Relationship curve between coal mine dust particle size and environmental humidity

    图  4   不同环境湿度下的煤矿粉尘浓度变化曲线

    Figure  4.   Variation curve of coal mine dust concentration under different environmental humidity levels

    图  5   多角度光散射粉尘浓度监测单元

    Figure  5.   Light-scattering dust concentration monitoring unit with multiple angles

    图  6   中位粒径为11.3 μm的粉尘在不同湿度下的散射光通量比值曲线

    Figure  6.   Scattered luminous flux ratio of dust with median particle size of 11.3 μm under different humidity

    图  7   不同中位粒径粉尘在90%RH湿度下2个角度的散射光通量比值曲线

    Figure  7.   Scattered light flux ratio curve at two angles for dust particles with different median particle sizes under 90% RH humidity

    图  8   煤矿粉尘浓度监测误差

    Figure  8.   Monitoring error of coal mine dust concentration

  • [1] 李德文,赵政,郭胜均,等. “十三五” 煤矿粉尘职业危害防治技术及发展方向[J]. 矿业安全与环保,2022,49(4):51-58.

    LI Dewen,ZHAO Zheng,GUO Shengjun,et al. “13th Five-Year Plan” coal mine dust occupational hazard prevention and control technology and development direction[J]. Mining Safety & Environmental Protection,2022,49(4):51-58.

    [2] 李德文,隋金君,刘国庆,等. 中国煤矿粉尘危害防治技术现状及发展方向[J]. 矿业安全与环保,2019,46(6):1-7,13.

    LI Dewen,SUI Jinjun,LIU Guoqing,et al. Technical status and development direction of coal mine dust hazard prevention and control technology in China[J]. Mining Safety & Environmental Protection,2019,46(6):1-7,13.

    [3]

    CHANG Tayuan,CHEN Guanyu,CHEN Jingjie,et al. Application of artificial intelligence algorithms and low-cost sensors to estimate respirable dust in the workplace[J]. Environment International,2023,182. DOI: 10.1016/j.envint.2023.108317.

    [4]

    MOAZAMI T N,SVENDSEN K V H,BUHAGEN M,et al. Comparing PM2.5,respirable dust,and total dust fractions using real-time and gravimetric samples in an exposure chamber study[J]. Heliyon,2023,9(6). DOI: 10.1016/j.heliyon.2023.e16127 .

    [5]

    PATTS J R,TUCHMAN D P,RUBINSTEIN E N,et al. Performance comparison of real-time light scattering dust monitors across dust types and humidity levels[J]. Mining,Metallurgy & Exploration,2019,36(4):741-749.

    [6]

    KONOSHONKIN A,KUSTOVA N,BOROVOI A,et al. Using the physical optics approximation for estimating the light scattering properties of large dust particles for lidar applications[J]. EPJ Web of Conferences,2020,237. DOI:10.1051/epjconf/ 202023708025.

    [7]

    LIN Chengjun,SHEN Jianqi,WANG Tian′en. Multi-parameter regularization method for particle sizing of forward light scattering[J]. Journal of Modern Optics,2017,64(8):787-798. DOI: 10.1080/09500340.2016.1260775

    [8]

    CUI Xiaojun,LI Xiao,FANG Hao,et al. A study of sheath flow method in laser scattering particles size measurement[C]. International Conference on Optoelectronics and Microelectronics Technology and Application,Shanghai,2017. DOI: 10.1117/12.2264541.

    [9]

    ZHENG Xiuting,WANG Haijun,LIU Ying,et al. Influence of light scattering particles on optical properties of polymer diffusion plate[J]. Key Engineering Materials,2013,562/563/564/565:984-990.

    [10] 戴珺,沈建琪. 前向光散射颗粒测量技术中遗传算法的应用[J]. 光子学报,2021,50(5):221-230.

    DAI Jun,SHEN Jianqi. Application of genetic algorithm in particle size measurement technology based on forward light scattering[J]. Acta Photonica Sinica,2021,50(5):221-230.

    [11] 吴娟,周真,齐佳,等. 多角度光散射颗粒的粒径解析和属性识别[J]. 光学学报,2017,37(9):328-337.

    WU Juan,ZHOU Zhen,QI Jia,et al. Size detection and attribute recognition of particles by multi-angle light scattering[J]. Acta Optica Sinica,2017,37(9):328-337.

    [12] 李晨沛,王跃社,廖作杰. 气溶胶生长过程的微观动力学研究[J]. 工程热物理学报,2020,41(2):386-391.

    LI Chenpei,WANG Yueshe,LIAO Zuojie. Study on the microscopic dynamics of aerosols evolution[J]. Journal of Engineering Thermophysics,2020,41(2):386-391.

    [13]

    SIOUTAS C,KIM S,CHANG M,et al. Field evaluation of a modified DataRAM MIE scattering monitor for real-time PM2.5 mass concentration measurements[J]. Atmospheric Environment,2000,34(28):4829-4838. DOI: 10.1016/S1352-2310(00)00244-2

    [14]

    LEE Juhan,LEE J,CHOI Y,et al. Effect of humidity on the measurement of PM2.5[J]. Transactions of the Korean Society of Mechanical Engineers-B,2021,45(3):145-153. DOI: 10.3795/KSME-B.2021.45.3.145

    [15] 丁净,唐颖潇,郝天依,等. 天津市冬季空气湿度对PM2.5和能见度的影响[J]. 环境科学,2021,42(11):5143-5151.

    DING Jing,TANG Yingxiao,HAO Tianyi,et al. Impact of air humidity on PM2.5 mass concentration and visibility during winter in Tianjin[J]. Environmental Science,2021,42(11):5143-5151.

    [16]

    BALCAEN M,DE NEVE L,DEWETTINCK K,et al. Effect of dilution on particle size analysis of w/o emulsions by dynamic light scattering[J]. Journal of Dispersion Science and Technology,2021,42(6):869-879. DOI: 10.1080/01932691.2020.1712216

    [17]

    MU Tongtong,SHEN Jin,WANG Mengjie,et al. Particle size distribution measurement in a flowing aerosol using dynamic light scattering[J]. Measurement Science and Technology,2021,32(7). DOI: 10.1088/1361-6501/abdfeb.

    [18]

    WANG Peng,XU Feng,GUI Huaqiao,et al. Effect of relative humidity on the performance of five cost-effective PM sensors[J]. Aerosol Science and Technology,2021,55(8):957-974. DOI: 10.1080/02786826.2021.1910136

    [19] 杨柳,张镝,李建熹,等. 基于注意力机制和高斯概率估计的PM2.5浓度预测[J]. 计算机系统应用,2023,32(7):305-311.

    YANG Liu,ZHANG Di,LI Jianxi,et al. PM2.5 concentration prediction based on attention mechanism and Gaussian probability estimation[J]. Computer Systems and Applications,2023,32(7):305-311.

    [20]

    JIANG Hongqiang,MEI Lin,WEI Ye,et al. The influence of the neighbourhood environment on peer-to-peer accommodations:a random forest regression analysis[J]. Journal of Hospitality and Tourism Management,2022,51:105-118. DOI: 10.1016/j.jhtm.2022.02.028

    [21]

    GIULIANO C,VICENDESE D,VOGRIN S,et al. Predictors of referral to cardiac rehabilitation in patients following hospitalisation with heart failure:a multivariate regression analysis[J]. Journal of Clinical Medicine,2022,11(5). DOI: 10.3390/jcm11051232.

图(8)
计量
  • 文章访问数:  0
  • HTML全文浏览量:  0
  • PDF下载量:  0
  • 被引次数: 0
出版历程
  • 收稿日期:  2025-03-06
  • 修回日期:  2025-04-21
  • 网络出版日期:  2025-04-09
  • 刊出日期:  2025-04-14

目录

/

返回文章
返回