排序方式: 共有57条查询结果,搜索用时 0 毫秒
41.
42.
BP神经网络和SVM在矿山环境评价中的应用分析 总被引:3,自引:0,他引:3
矿山环境的影响因素多样,定量评价过程易受人为因素干预。BP神经网络与SVM算法能够自动模拟各因子间的非线性关系。首次将其引入到矿山环境评价中,选取160个单元作为训练样本,以自然地理、基础地质、开发占地及地质环境等4个大类的14个变量指标为输入向量,以单元评价得分为输出向量,分别建立BP神经网络与SVM矿山环境评价模型。结果表明:两种模型均能满足矿山环境评价的精度要求;SVM模型收敛速度较BP神经网络快,MSE小于BP神经网络,更适合矿山环境评价工作;将定量模型应用于研究区,评价得分划分为4个级别,与定性评价结果一致,为矿山环境评价工作提供了新思路。 相似文献
43.
44.
45.
46.
47.
48.
固化风沙土强度特性及固化机制试验研究 总被引:6,自引:0,他引:6
通过PX固化剂对库布其沙漠风沙土进行加固。对不同含水状态、不同固化剂掺量、不同养护龄期下固化风沙土的强度特性进行试验研究。试验结果表明,不同含水状态下风沙土的强度特性是不同的,相同固化剂掺量、相同养护龄期时,固化风沙土在最优含水率下的无侧限抗压强度远远大于饱和含水率下的强度。相同含水状态下固化风沙土无侧限抗压强度随固化剂掺量增加、养护龄期延长而增大,且在养护初期强度增长较快,当固化剂掺量为8 %、养护龄期为28 d时,固化风沙土强度满足国际上对固沙强度的要求。最优含水率下固化风沙土抗剪强度较风沙土有较大提高;当固化剂掺量为8 %时,固化风沙土凝聚力和内摩擦角均达到最大,此时固化风沙土抗剪强度约为风沙土的1.8倍。进而,通过扫描电镜对风沙土固化前后微观结构变化进行试验研究。研究结果表明,风沙土中掺入PX固化剂后,颗粒间由原来的弱连接变为胶结连接,解释了固化风沙土较风沙土强度得以提高、稳定性得以改善的内在原因。 相似文献
49.
为探究小竹山岛海域投放人工鱼礁后大型底栖动物群落结构的变化, 于2017—2020年进行了8个航次的调查, 研究鱼礁区、邻近区与对照区的大型底栖动物种类组成、优势种、生物多样性、群落结构及群落稳定性。结果显示, 共鉴定出大型底栖动物72种, 其中多毛类45种, 甲壳类16种, 软体动物8种, 棘皮动物3种, 投礁后第4年(2020年)比投礁后第1年(2017年)种类数增加了15种, 并且鱼礁区的种类数多于邻近区与对照区。优势种组成以多毛类为主。调查海域大型底栖动物生物量和丰度呈逐年上升趋势, 年份间差异显著, 2017—2020年年均生物量从2.11 g/m2上升到4.38 g/m2, 年均丰度从289.31 ind./m2上升到764.14 ind./m2, 区域间无显著差异。多样性指数、丰富度指数和均匀度指数在不同年份和区域之间变化不显著。聚类分析结果显示, 大型底栖动物群落结构分布格局呈现年际变化; 双因素相似性分析结果表明, 调查海域大型底栖动物群落结构的年份差异显著(P<0.01), 区域间无显著差异(P>0.05); 相似性百分比分析结果表明, 深沟毛虫(Sigambra bassi)、长叶索沙蚕(Lumbrineris longiforlia)、中蚓虫(Mediomastus californiensis)和寡鳃齿吻沙蚕(Micronephthys oligobranchia)等是造成群落年际差异的主要贡献种。丰度/生物量曲线结果表明, 2017—2020年大型底栖动物群落均未受到扰动, 随着鱼礁建设时间的推移, 大型底栖动物群落更趋稳定。 相似文献
50.