基于贝叶斯正则化BP神经网络的DEM趋势面逼近

趋势面从宏观上揭示了研究对象的特性,在各领域发挥着重要作用。BP神经网络可以对复杂系统进行无限逼近,进而进行预测。建立了基于贝叶斯正则化BP神经网络的数字高程模型趋势面,与二次多项式建立的数字高程模型趋势面进行比较分析,证明了该方法的可行性和有效性。     

基于磁异常信号解析的目标速度特性研究

水下磁性目标产生的磁场成为重要的水下目标非声探测信号源,因此对水下磁性目标的静磁场建模原理开展了研究。实现了均匀磁化的旋转椭球体模型和磁偶极子模型,并对2种模型在目标磁异常信号仿真上的适应性进行了分析。研究表明：相比于磁偶极子模型,旋转椭球体模型在传感器与目标距离较近时也能表现很好的适应性。由此,利用旋转椭球体模型,首先通过仿真计算构建了目标在不同运动速度状态下的近距离磁异常信号数据集,然后开展基于深度学习方法的水下磁性目标运动速度识别方法研究,最后识别效果在验证集和测试集上分别取得了0.17m/s和0.74m/s良好的误差精度,为后续目标的航向等状态识别奠定重要基础。     

旋转触探数学模型及其试验分析

通过对旋转触探用双螺旋探头的受力分析,建立了螺旋探头的贯入阻力和扭矩与贯入速度和转速,以及岩土的力学性能参数间的数学模型。结合数学模型和试验数据对旋转触探技术的影响因素进行了分析,为设计探头结构和进一步理解该技术的力学机理提供了理论依据。     

基于AHP–物元可拓模型的顶板水疏放程度评价

为了科学合理地评价工作面顶板水疏放程度,分析了工作面涌水量预测值和疏放水观测值等要素,构建了顶板水疏放程度评价指标体系,划分了相应的评价等级标准,并利用AHP法确定了各评价指标的权重,建立了顶板水疏放程度的物元可拓模型。利用AHP-物元可拓模型对宁东煤田水文地质条件较为复杂的5个工作面顶板水疏放程度进行了评价,评价结果均为顶板水疏放程度好,并且各工作面已经实现了安全回采,实际情况与评价结果一致。AHP-物元可拓模型可以用于评价顶板水疏放程度,并且可以作为工作面采前水文地质条件评价的参考依据。     

冀西北水晶屯金矿F8断裂带深部定位预测

摘要：以冀西北水晶屯金矿为例,通过对该矿床Ｆ８断裂带成矿地质条件和找矿标志的分析研究,建立起了Ｆ８断裂带的地球化学原生晕模型和灰色系统ＧＭ（１．１）模型,并利用这些模型对其深部合矿性进行了预测．经工程验证,该预测效果是可信的．     

轴压下两体力学模型的转化条件及影响因素分析

接触界面的相互作用是影响工程稳定的重要因素,基于接触面两侧介质的实际受力状态,采用一体两介质力学模型与两体两介质力学模型加以描述。通过一体和两体模型试件的轴压破坏试验,分析了两种模型的力学响应的差异,并认为：一体两介质力学模型在符合一定条件情况下可以转变为两体两介质力学模型。此外,还对影响两种力学模型性能的参数进行了分析。提出对一体两介质力学模型力学性能产生影响的参量是低强度介质与高强度介质的静载极限强度比k以及两种介质之间的黏结力c;对两体两介质力学模型力学性能产生影响的主要参量除了k之外,尚有两种介质的断裂韧度比? 、体积比? 以及界面的粗糙程度     

基于声波信号的岩性智能分类方法

传统的岩性识别以钻井取心、钻井曲线和岩石图像等方法为主,这些识别方法对地质和识别条件要求较高,且不能满足随钻实时识别。为此,本文提出一种新的基于声波信号的岩性智能分类方法。该方法首先基于所采集钻头与岩层碰撞得到的音频数据,通过数据增强技术解决数据稀疏问题;然后采用基于CGRU(CNN+GRU,卷积神经网络+门控循环单元)的深度学习模型,对采集到的3种岩性的岩石音频数据进行深度学习与训练。为提高该模型在复杂背景下的识别能力,引入注意力机制模型进行优化。注意力机制模型可以在复杂环境下对岩性信息实现重点学习,提高模型识别性能。实验结果表明,与GMM(高斯混合模型)-SVM(支持向量机)、CNN和CGRU模型相比,CGRU-AttGRU(注意力机制模型+GRU)混合模型准确率达81.17%左右,在GMM-SVM、CNN和CGRU模型基础上分别提升了13.31%、9.99%和5.93%。     

凝聚力量 推动发展——广西国土资源系统第二届干部职工运动会侧记

春暖龙城,鱼峰放歌,热情和真诚回荡在柳州市。2011年4月25日下午,广西国土资源系统第二届干部职工运动会在柳州市李宁体育馆圆满落幕。此次盛会,主题鲜明,特色突出。篮球比赛看点不断,拔河比赛热火朝天,气排球比赛精彩纷呈,乒乓球比赛吸引眼球。为广西的建设和发展作出突出贡献的国土人,欢聚在＂山清水秀地干净＂的工业城市柳州,     

不同对流层天顶延迟模型在中国西北地区适应性研究

基于Fortran语言对GAMIT10.7软件进行二次开发,实现了Hopfield模型、Saastamoinen模型、Black模型、UNB3模型、EGNOS模型、GPT2w_1+ Saastamoinen模型和GPT2w_5+ Saastamoinen模型在中国西北地区的对流层延迟解算服务,并分析不同对流层延迟模型在...     

基于灰色支持向量机的地铁沉降滚动预测

为了确保地铁隧道主体结构和周边环境安全,必须对地铁隧道结构进行沉降监测,对监测数据进行及时分析与反馈,并对以后的沉降情况作出预测,对防止事故发生有着重要的现实意义。本文结合灰色系统理论和支持向量机(SVM)的基本原理,采用滚动预测的方式建立灰色支持向量机沉降预测模型,以提高沉降预测精度。通过工程实例的预测结果对比表明,组合模型与灰色和SVM两个单独预测模型相比能够更准确的反映实际的沉降过程,具有很大的应用价值。