期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
钻井水溶法开采的地表沉陷预计研究 被引量:4
1
作者 王刚 郭广礼 +2 位作者 周春蓉 谭显龙 郑杰炳 《中国矿业》 北大核心 2012年第6期104-107,共4页
为了准确预计钻井水溶法开采后对地表产生的移动和变形,基于钻井水溶法开采特点,利用由不溶矿物形成的结晶水物质的膨胀率,建立了钻井水溶法开采的等价采高模型。此外,还分析了随机介质理论用于钻井水溶法开采地表沉陷预计的可行性。在... 为了准确预计钻井水溶法开采后对地表产生的移动和变形,基于钻井水溶法开采特点,利用由不溶矿物形成的结晶水物质的膨胀率,建立了钻井水溶法开采的等价采高模型。此外,还分析了随机介质理论用于钻井水溶法开采地表沉陷预计的可行性。在阐述概率积分法基本原理的基础上,通过借鉴国内外条带水砂充填开采的预计实例,求得了钻井水溶法开采的概率积分法预计参数,并结合工程实例,利用概率积分法预计了某盐矿开采后引起的地表移动变形。结果表明:建立在上覆岩层软弱、顶板跨落基础上的概率积分预计方法适用于钻井水溶法开采的地表沉陷预计,且钻井水溶法开采后引起的地表移动变形值远小于相同条件下的煤矿开采。 展开更多
关键词 钻井水溶法开采 等价采高模型 概率积分法 预计参数 沉陷预计
在线阅读 下载PDF
地表移动观测站数据处理新方法研究 被引量:2
2
作者 王刚 郭广礼 王磊 《大地测量与地球动力学》 CSCD 北大核心 2011年第4期127-131,共5页
建立地表移动观测站是研究开采沉陷和建筑物破坏规律的最可靠手段。目前,实地观测数据在后期的处理过程中大多都是采用传统的支距法等方法,将观测值改正到工作面的走向和倾向方向上,使得观测站布设与数据处理具有较大的局限性,地表移动... 建立地表移动观测站是研究开采沉陷和建筑物破坏规律的最可靠手段。目前,实地观测数据在后期的处理过程中大多都是采用传统的支距法等方法,将观测值改正到工作面的走向和倾向方向上,使得观测站布设与数据处理具有较大的局限性,地表移动和变形计算精度也受到较大的影响。针对传统的地表移动观测站数据处理存在的问题,结合工程实例介绍一种地表移动观测站数据处理新方法。 展开更多
关键词 地表移动 观测站 数据处理 坐标转换 精度
在线阅读 下载PDF
基于GM(1,1)模型的岩层移动预测 被引量:4
3
作者 王强 郭广礼 《金属矿山》 CAS 北大核心 2010年第2期35-37,41,共4页
地下开采引起的岩层和地表移动对周围环境造成了严重的破坏,地裂缝、房屋破坏、塌陷坑等,了解岩层和地表移动规律对于保护环境和控制房屋损害有着重要的意义。以某岩层移动监测站的实测数据为原型,对其监测数据进行了分析研究,利用MATLA... 地下开采引起的岩层和地表移动对周围环境造成了严重的破坏,地裂缝、房屋破坏、塌陷坑等,了解岩层和地表移动规律对于保护环境和控制房屋损害有着重要的意义。以某岩层移动监测站的实测数据为原型,对其监测数据进行了分析研究,利用MATLAB软件进行了GM(1,1)模型的建立和预测。研究结果表明,就岩层内部观测站而言,工作面正上方的监测点,由于其下沉单调递增规律,模型预计结果较好,相对误差小于10%;对于工作面外侧的监测点,由于其具有下沉、上升变化的波动性特征,不能进行GM(1,1)模型拟合预测。 展开更多
关键词 岩层移动GM(1 1)预测
在线阅读 下载PDF
一种基于投票法融合的ASTER遥感影像水体提取方法 被引量:8
4
作者 吴春花 杜培军 夏俊士 《遥感信息》 CSCD 2012年第2期51-56,共6页
遥感影像在水资源调查和洪涝灾害监测中发挥着重要作用,但从遥感影像中提取水体通常面临着阴影和狭小水体漏提等难题。针对单一方法在水体提取中的局限性,引入分类器集成的思想,提出一种基于投票法融合的水体提取方法,首先利用Bagging、... 遥感影像在水资源调查和洪涝灾害监测中发挥着重要作用,但从遥感影像中提取水体通常面临着阴影和狭小水体漏提等难题。针对单一方法在水体提取中的局限性,引入分类器集成的思想,提出一种基于投票法融合的水体提取方法,首先利用Bagging、Random Forests和神经网络(NN)分类器对遥感影像进行分类,然后采用多数投票法从决策层融合3个分类结果,得到研究区水体提取结果。试验结果表明,该方法能够有效去除阴影且能较好地识别狭小水体,具有良好的应用效果。 展开更多
关键词 遥感 投票法 水体提取 BAGGING RANDOM FORESTS
在线阅读 下载PDF
基于多示例学习的高分辨率遥感影像面向对象分类
5
作者 阿里木.赛买提 杜培军 《遥感信息》 CSCD 2012年第3期60-66,共7页
多示例学习以示例组成的包作为训练样本,学习的目的是预测新包的类型。从分类角度上,处理问题的策略类似于以均质对象为基本处理单元的面向对象影像分类。针对两者之间理论和方法相似性,将多样性密度多示例学习算法与面向对象方法相结... 多示例学习以示例组成的包作为训练样本,学习的目的是预测新包的类型。从分类角度上,处理问题的策略类似于以均质对象为基本处理单元的面向对象影像分类。针对两者之间理论和方法相似性,将多样性密度多示例学习算法与面向对象方法相结合用于高分辨率遥感图像分类。以图像分割方法获取均值对象作为示例,利用多样性密度算法对样本包进行学习获取最大多样性密度示例,最后根据相似性最大准则对单示例包或是经聚类算法得到的新包进行类别标记,以获取最终分类结果。通过与SVM分类器的比较,发现多样性密度算法的平均分类精度都在70%以上,最高可达96%左右,且对小样本问题学习能力更强,结果表明多示例学习在遥感图像分类中有着广泛应用前景。 展开更多
关键词 多示例学习 多样性密度 分类 支持向量机
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部