针对大倾角煤层工作面底板的不规则性和飞矸形状的多样性，利用工作面底板等高线等地理信息系统数据建立真实工作面底板三维网格模型，结合能量跟踪法（ETM）自编C++程序，模拟得到相同质量不同形状的四类典型形状飞矸在实际工作面运移的运动轨迹，以及任意时刻的线速度、角速度和能量变化曲线，分析了形状对飞矸运移规律的影响。为验证本文方法的准确性和可行性，与采用Rockyfor3D软件模拟的轨迹进行了对比。结果表明，椭球体飞矸的运移能力远大于多面体飞矸；正多面体飞矸比一般多面体飞矸运移距离更远，碰撞的能量损失更小；正多面体飞矸的棱边数与飞矸在碰撞中的能量损失量成反比，多棱边正多面体飞矸造成危险的可能性最大。

以胜利油田某稠油作为研究对象，将岩心作为多孔介质填充在岩心驱替仪中模拟地层条件，采用双亲性催化剂，研究了不同反应条件下稠油水热裂解改质行为。结果表明，在多孔介质条件下，采用直接驱替的方式，稠油降黏率达到20.8%；在多孔介质体系中加入双亲性催化剂后，采用先反应后驱替的方式，稠油黏度显著降低，在低温环境（65 ℃）下进行驱替的降黏率为57.9%，但在低温环境下驱替导致沥青质组分摩尔质量增大，沥青质摩尔质量由5 244 g/mol增加到6 690 g/mol。当反应完成后保持高温环境（265 ℃）时，直接用热水驱替的降黏效果更好，裂解程度更高，其降黏率最高达到96.0%。研究结果对稠油水热裂解反应在现场应用过程中的操作条件优化具有重要的指导意义。

为解决在分析系统可靠性时获取的动态贝叶斯网络（DBN）的先验数据主观性强的问题，以气化炉烧嘴系统为研究对象，利用BP神经网络优化DBN的先验数据。依据隐含层神经元数量经验公式，将气化炉烧嘴系统DBN模型划分为3个子系统，并分别转化为BP神经网络。将DBN的先验分布分别对应BP神经网络的输入函数与输出函数，再利用BP神经网络信息向前传、误差向后传的特性，对系统进行性能学习，实现对DBN的先验数据优化。对优化后气化炉烧嘴系统的DBN进行双向推理，实现对气化炉烧嘴系统动态可靠性分析。结果表明，对气化炉烧嘴系统DBN进行正向推理，可得到优化后的系统可靠性变化趋势；进行反向推理，可得到优化前后的关键事件及薄弱环节，其中薄弱环节为高氧煤比氧煤比的波动。