排序方式： 共有3条查询结果，搜索用时 31 毫秒
1
1.
针对隧道工程中TVSP（Tunnel Vertical Seismic Profiling）方法不适合于煤矿巷道超前探测的问题，介绍了煤矿巷道中的槽波TVSP超前探测方法原理和实现过程.通过理论和数值模拟证明：（1）当采用垂向集中力源（z方向）激发地震波时，地震波场z分量受到巷道影响较小，且主要为Rayleigh型槽波，较为适合槽波超前探测；（2）采用传播相对稳定且易于识别的槽波埃里相峰值时间代替传统TVSP方法中体波的初至走时时间，能够较准确地确定断层在掌子面前方位置和断层角度；（3）当断层与巷道掘进方向夹角较大时，断层交点位置（断层线与巷道掘进方向的交点）具有很好的定位精度，但角度误差则会较大；当实际断层交点位置距离迎头较远时，断层交点位置定位精度会下降，但角度误差则影响较小；（4）基于槽波的TVSP方法对观测系统要求不高，数据处理过程简单，计算量小. 相似文献
2.
在隧道或巷道工程地震超前探测中较常用偏移成像技术,计算地震射线走时是该技术的核心部分。由于在近似地下全空间区域内成像,隧道或巷道、空洞、采空区等非穿透体对地震波走时计算有较大影响。为此,文中发展了基于FMM(fast marching method)的含非穿透体的走时算法。该算法采用非穿透体区域标记法,当FMM窄带区在计算到非穿透体时会自动避开或绕过,使得波前推进更加符合实际传播情况。这种算法也适用于起伏地表模型,只需要将起伏地表以上区域也作为非穿透体来对待。因而,新算法可以同时处理含有起伏地表的模型。改进的算法与常规算法相比只是增加了标记点,保持了FMM的计算精度和效率。理论模型试验表明,改进的算法能够较准确地计算走时,对复杂异常体的适应性较强,而且有很好的稳定性。 相似文献
3.
侧扫声呐图像特征自动提取的难点在于特征地貌边缘检测较困难,依据图像灰度突变检测得到的边缘比较粗糙、不连续,而且有断口和小洞。本文在对图像进行预处理和阈值化的基础上,采用数学形态学方法对图像进行处理,即用具有一定形态的结构元素去量度和提取图像中的对应形状,得到连续化、粗化、圆滑的特征区域边缘填充目标内部阴影且消除背景噪声。基于数学形态学的侧扫声呐图像特征自动提取的主要步骤为:首先对侧扫声呐图像进行预处理,然后进行灰度阈值化,接着采用数学形态学方法进行处理,最后对处理后的图像进行边缘检测,提取出特征地貌边缘。实验表明,采用数学形态学方法进行处理后,错断、离散的海底目标物变得连续,背景噪声大大减少,自动提取结果准确可靠。 相似文献
1