-
题名矿井富水区陷落柱成像研究
被引量：1
- 1
-
-
作者
田丰
焦翠翠
韩晓冰
-
机构
西安科技大学通信与信息工程学院
-
出处
《工矿自动化》
北大核心
2019年第4期77-82,共6页
-
基金
国家自然科学基金资助项目(51804248)
陕西省科技计划项目(2018GY-151)
-
文摘
针对目前矿井富水区超前探测瞬变电磁法常用的时域有限差分(FDTD)方法时间步长选取受限于Courant-Friedrich-Lewy稳定性条件的问题,同时为进一步提高电磁计算效率和富水区成像分辨率,提出将逆时偏移成像算法和Crank-Nicolson时域有限差分(CN-FDTD)方法应用于矿井富水区陷落柱成像研究。首先介绍了逆时偏移成像算法和CN-FDTD方法基本原理;然后建立了矿井富水区陷落柱三维空间模型,研究了激励源线圈频率和角度对成像分辨率的影响,并得出了矿井富水区陷落柱成像结果;最后分析了CN-FDTD方法的计算效率。试验结果表明:当激励源线圈峰值频率为65 MHz且激励源线圈平行于xoz平面时,富水区陷落柱成像分辨率较高;基于CN-FDTD逆时偏移成像算法的矿井富水区陷落柱成像与实际模型相符;CN-FDTD方法较传统FDTD方法计算效率高,内存占比小。
-
关键词
矿井突水
矿井富水区
富水区超前探测
陷落柱成像
瞬变电磁法
Crank-Nicolson时域有限差分
逆时偏移成像
-
Keywords
water inrush in coal mine
water-rich area in coal mine
advanced detection of water-rich area
karst collapse pillar imaging
transient electromagnetic method
Crank-Nicolson finite-difference time-domain
reverse time migration imaging
-
分类号
TD745
[矿业工程—矿井通风与安全]
-
-
题名基于CNN的矿井富水区电磁反演研究
被引量：1
- 2
-
-
作者
郭瑞
董振良
乔鹏举
闫涛
苗壮
田丰
-
机构
中煤陕西榆林能源化工有限公司
中煤能源研究院有限责任公司
西安科技大学通信与信息工程学院
-
出处
《西安科技大学学报》
CAS
北大核心
2023年第6期1186-1194,共9页
-
基金
陕西省重点研发计划项目(2020GY-029)。
-
文摘
针对传统卷积神经网络(CNN)在电磁反演中提取数据特征时冗余信息多,导致网络反演精度降低的问题,提出一种变步长卷积神经网络电磁反演方法,将输入数据拓展为一维行向量,在各层网络中交替使用不同步长的卷积核进行卷积运算提取数据特征,利用变步长卷积方式替代传统网络的池化层,完成对冗余信息的过滤和特征信息的选择,并通过小卷积核级联的方式增大网络感受野提高网络的非线性表达能力。通过二维时域有限差分法(2D-FDTD)对不同电磁参数的富水区模型进行正演计算,并根据计算得出的电场时域响应特征建立样本数据集;将变步长卷积神经网络应用于电磁反演研究,建立适用于富水区问题的变步长卷积神经网络电磁反演模型,并验证变步长卷积神经网络电磁反演方法的精度。结果表明:该方法对坐标位置的反演平均相对误差为2.85%,对相对介电常数的反演平均相对误差为6.07%,反演结果与实际模型吻合度较高。所提方法对提高矿井富水区电磁反演的精度和效率具有一定的理论参考价值。
-
关键词
矿井富水区
电磁探测
电磁反演
卷积神经网络
变步长CNN
-
Keywords
water-rich area of mine
electromagnetic detection
electromagnetic inversion
convolutional neural network
variable-step CNN
-
分类号
TD745
[矿业工程—矿井通风与安全]
-
