两淮煤田煤层底板灰岩水害区域超前探查治理技术     

郑士田 《煤田地质与勘探》2018,46(4):142

煤层底板灰岩水害区域超前探查治理技术是近几年刚刚兴起的一种灰岩水害防治新技术,具有探查治理时间超前、探查治理空间范围大、水害隐患整体消除效果好等特点。分析了两淮煤田煤层底板灰岩水害基本特征,研究了煤层底板不同类型灰岩水害区域超前探查治理的技术方法和工程工艺。提出针对淮北煤田煤层底板存在高压复合强富水薄层灰岩含水层水害威胁的矿井,应采用定向水平井钻探和"高密度低压充填+低密度高压劈裂式注浆"探查治理技术;针对淮南煤田煤层底板发育厚层非完整隔水层的矿井,应采用定向水平井钻探和低密度连续高压劈裂注浆探查治理技术,通过典型矿井的工程示范,取得了良好的水害治理效果。   相似文献   

改进的GOTURN算法     

《测绘科学技术学报》2018,(6)

随着基于深度学习的算法在计算机视觉领域中的应用不断拓展,GOTURN(Generic Object Tracking Using Regression Networks)算法是第1个满足目标跟踪实时性要求的深度学习算法(达到100 fps),但是该算法的跟踪精度有待提高。针对此问题,采用基于运动估计的卡尔曼滤波算法与基于卷积神经网络的深度学习算法相结合的方法,将卡尔曼滤波算法融入GOTURN算法进行目标跟踪。为了验证该算法的有效性,在ILSVRC2014数据集和ALOV300++数据集中进行了训练和评估。实验结果表明,该算法不仅能够满足目标跟踪的实时性要求,而且能够提高线性系统的跟踪精度。  相似文献   

基于差分筛选的YOLOv2监控视频目标检测方法     

《测绘科学技术学报》2018,(6)

监控视频的多目标跟踪是视频智能分析的热点研究内容,其中目标的检测是目标跟踪的基础,精度高、速度快的目标检测器对于后续的实时分析任务尤为重要。提出一种针对监控视频的基于差分筛选的YOLOv2目标检测算法,采用差分算法筛选无前景目标帧及设置重叠度量阈值进行跨帧检测,改善了YOLOv2作为检测方法用于监控视频多目标跟踪任务时速度过慢的不足,同时高精度的检测结果有利于下一步多目标跟踪任务的顺利完成。利用NPLR监控视频数据集对YOLOv2目标检测算法进行了测试,并将该方法与可变型部件模型DPM进行了比较。结果表明,差分YOLOv2方法在精度上高出DPM方法0.304 6,检测时间快了26倍左右,验证了该算法的有效性。  相似文献   

利用主动深度学习提取极化SAR影像建筑区   总被引：2，自引：0，他引：2  

邓鸿儒  徐佳  单文龙  袁春琦 《测绘科学技术学报》2018,(3)

针对利用传统监督分类方法从极化SAR影像中提取建筑区存在标记样本数量不足、难以挖掘有效特征等问题,提出一种主动学习与深度学习相结合的极化SAR影像建筑区提取方法。首先通过自动编码器对训练样本训练得到初始分类器;接着利用主动学习得到未标记样本中最富有信息量的样本进行人工标记;并将标记好的样本加入到训练样本中重新训练分类器。分别采用RADARSAT-2和ALOS-2极化SAR影像进行实验。结果表明传统的SVM方法和深度学习的方法加入主动学习后建筑区的提取精度都有所提高,而主动深度学习方法的提取效果优于主动SVM方法。  相似文献   

基于多源高分辨率遥感影像的2 m不透水面一张图提取          下载免费PDF全文

邵振峰  张源  黄昕  朱秀丽  吴亮  万波 《武汉大学学报(信息科学版)》2018,43(12):1909-1915

不透水率是衡量城市生态环境状况的一个重要指标。当前全球范围内仅有1 km和30 m分辨率尺度的不透水面专题信息,无法满足城市尺度水文模型建模、海绵城市规划和建设需求。提出了图谱信息融合的不透水面提取模型,实现了基于深度学习的不透水面提取新方法,研制了不透水面遥感全流程提取和监测软件。基于多源高分辨率遥感影像首次完成了中国31个省（直辖市、自治区）的2 m不透水面专题信息提取,形成全国不透水面一张图,为海绵城市和生态城市的建设提供了基础数据支撑和技术监测手段。  相似文献   

基于深度学习的岩石矿物智能识别     

任伟  张盛  乔计花  黄金明 《地质论评》2021,67(Z1):67z1281-67z1282

  相似文献   

基于重磁数据梯度比值的深度学习技术实现场源位置反演方法          下载免费PDF全文

马国庆  吴琪  熊盛青  李丽丽 《地球科学》2021,46(9):3365-3375

场源中心位置的计算是重磁数据反演的主要任务之一,现主要通过异常与场源位置之间的数学物理方程来估算地质体的位置.为了快速、准确获得地质体的位置信息,提出基于重磁梯度比值的深度学习技术实现场源位置的获取;其利用深度学习技术所建立的重磁梯度比值水平分布与地质体埋深、构造指数的关系,快速实现异常场源位置计算,且提出利用多个值的相互关系来更加准确、稳定地计算出地质体的信息.该方法可以计算复杂地质体的中心位置,且避免了以往线性方程反演方法需对结果进行筛选的复杂过程,对于存在剩磁的磁异常则采用解析信号的深度学习方法来进行位置反演.理论模型试验证明利用梯度比值的深度学习方法可以准确获得地质体的深度,且通过对比更多点的深度学习计算结果发现,采用多个不同比例极值点可以减弱噪声带来的干扰,从而得到更加准确的位置.最后将该方法应用于实测磁异常的反演工作,获得了地下磁性物体的中心位置,且计算结果与欧拉反褶积法相接近,因此该方法具有良好的实用性.   相似文献   

适用倾斜滑面的刚性抗滑桩最小嵌固深度计算方法     

肖世国  齐远  孙来宾 《中国地质灾害与防治学报》2021,32(4):113-119

为计算确定桩前滑面倾斜情况下加固边坡的抗滑桩最小嵌固深度,基于倾斜地面条件的抗滑桩计算地基系数法,确定嵌固段桩侧土层压力,同时采用塑性极限分析方法,推导与滑面倾角密切相关的嵌固段土层极限抗力,并根据桩侧地层最大压力不超过其极限抗力的条件,建立了抗滑桩最小嵌固深度计算方法,并确定了其与滑面倾角的关系。实例分析表明,抗滑桩最小嵌固深度随滑面倾角呈非线性增大,在倾角为10°～30°范围内变化显著;嵌固段地层黏聚力、内摩擦角和重度对抗滑桩最小嵌固深度均有明显影响,且呈负相关关系;本文方法所得桩体最小嵌固深度比传统考虑桩前滑面倾斜影响的方法约小18%。  相似文献   

煤层顶底板采动破坏同步动态监测电性特征分析     

杨海平  刘盛东  杨彩  章俊 《工程地质学报》2021,29(4):1002-1009

随着煤炭开采深度的增加,深部复杂条件下开采的水害问题日益严重。复杂条件下煤层回采过程顶底板破坏动态监测对于工作面突水预测、采煤方法改进等具有重要意义。本文基于并行电法监测技术,结合双模式电极数据采集方式,同时在采煤工作面进行煤层顶、底板全空间地电场特征监测研究,获得了煤层围岩顶底板采动前后电阻率及自然电位同步响应特征。研究表明:顶底板跨孔电阻率监测动态变化可以显示孔间电阻率随采煤工作面逐步推进的动态变化情况,可有效表征顶底板破坏带发育范围,同时顶板垮落造成的电阻率变化程度大于底板破裂引起的电阻率变化程度;自然电位数据可分辨顶、底板岩层及裂隙张合形态、以及破裂程度,研究区域内顶板自然电位值明显高于底板自然电位值,且顶板的破裂引起的自电位变化强度明显大于底板破裂引起的自电位变化。采用多参数对煤层顶底板采动破坏进行同步动态监测,对保障采动工作面安全回采具有现实应用价值。  相似文献   

波致海床瞬态液化对再悬浮贡献率的深度学习预测方法     

冯春健  刘汉露  刘锦昆  贾永刚  侯方  薛凉  权永峥 《工程地质学报》2021,29(6):1788-1795

波致瞬态液化渗流导致海床内细粒沉积物向海水中运移,这一过程对海底沉积物再悬浮的贡献率不容忽视,但是贡献率的准确估计和预测比较困难。本研究将黄河水下三角洲的观测数据(包括水深、有效波高、有效波周期、实验舱内悬沙浓度、实验舱外悬沙浓度)作为模型输入数据集,基于长短时记忆循环神经网络建立了瞬态液化对再悬浮贡献率的深度学习预测模型。为了客观评价模型的性能,以平均绝对百分比误差、均方根误差和平均平方误差-标准偏差为评判标准,将该深度学习模型与其他预测模型(支持向量回归模型、人工神经网络)的预测结果进行了比较。结果表明,基于长短时记忆循环神经网络的深度学习模型对3.5d以内的瞬态泵送再悬浮贡献率预测误差最小,其平均绝对百分比误差、均方根误差和平均平方误差-标准偏差分别为5.87%、1.6730、0.1574。因此,该模型可以有效地减少机器学习方法在连续预测中产生的误差叠加问题。  相似文献