煤层采动顶板水文地质参数演化与矿井涌水量动态计算方法

矿井工作面涌水量预测对确保矿山安全、优化资源配置、提高工作效率等都具有重要作用。为提高预测结果的准确性和稳定性,基于钻孔水位和微震能量数据与涌水量的强关联性,选择其作为多因素特征变量,提出SSA-CG-Attention多因素矿井工作面涌水量预测模型。该模型在门控循环单元(Gated Recurrent Unit,GRU)提取时序特征的基础上,与卷积神经网络(Convolutional Neural Network,CNN)融合形成新的网络结构提取数据的有效非线性局部特征,并且加入注意力机制(Attention),在预测过程中将注意力集中在输入元素上,提高模型的准确性。最后通过麻雀搜索算法(Sparrow Search Algorithm,SSA)优化模型参数,避免局部最优解的问题。将提出的模型分别与传统的BP神经网络、LSTM、GRU单因素涌水量预测模型以及MLP、SLP、SVR、LSTM、GRU、SSA-LSTM、SSA-GRU多因素涌水量预测模型的预测结果进行对比分析,结果表明：SSA算法以最少迭代次数快速寻优,避免了局部最优解的缺陷;SSA-CG-Attention多因素涌水量预测模型整体预测指标绝对误差(E_MA)、均方根误差(E_RMS)以及平均绝对百分比误差(E_MAP)分别为5.24 m³/h、7.25 m³/h、6%,指标方差和为8.90。相较于其他预测模型预测精度更高,相较于单因素涌水量预测模型,多因素涌水量预测模型预测结果更加稳定。研究结果为矿井工作面涌水量预测提供了新的思路与方法,对矿井工作面涌水量预测及防控有着借鉴与指导作用,具有一定的理论价值和现实意义。

     

山东数字地震台网地震自动定位系统运行分析

山东数字地震台网自主研制了一套地震自动定位软件系统,2008年5月在山东地震台网中心试运行,运行稳定。本文对该系统运行期间自动定位结果进行了统计与分析,结果表明,山东数字地震台网自动定位系统对于网内天然地震定位结果可靠,震中平均偏差4．09km,震级偏差±0．08,平均速报用时63s。     

地震信息网络化当前应加强的工作

阐述地震信息网络化当前应加强数据库建设,网络建设,馆藏资源建设,以及加强对现有信息资源开发与利用的广度与深度,并应加强对人才的培养。     

Seabed Classification Using BP Neural Network Based on GA

INTRODUCTIONUnderwaterremotesensingtools,suchasmulti beam ,sidescansonar,sub bottom pro file ,video ,etc .,arenormalmeanstoexploreseabed .Foreaseofnotation ,sidescansonarim ageisusedtodemonstrateseabedimage .Sidescansonarisakindofhigh resolutionimagingandcancontinuouslymonitorthechangesofseafloor.Inordertorelievetechniciansfromhardhandwork ,theautomaticclassificationbycomputerisneeded .Differentfromthespatialremotesensingimage ,underwatersonarimageistheformernon multi spectralimage .Theo…     

不规则三角网法在土方量计算工程的应用

选用合适的土方量计算方法会影响计算结果的精度,准确地计算土方量会减少工程投资与预算的偏差。介绍了不规则三角网法在土方量现实工程中的应用,利用此法在现实工程中应注意的问题,提出了解决问题的办法。     

广东地震信息网的动态域名服务解决方案

动态域名服务是一种把固定域名解析为动态IP的网络新技术。简要地介绍了动态域名服务技术,并以广东省地震信息网的动态域名服务系统为例,介绍了如何在Windows 2000 Server下实现动态域名服务。     

网络环境下的虚拟古典建筑场景建模

在研究我国古典风格建筑特点和对比分析现有建模软件的优缺点的基础上,选择3DStudioMax建立场景模型,并通过VRML编程进行场景驱动,嵌入网页发布。     

天津地震信息网络系统的安全建设1

本文从当前网络所面临的安全问题出发,阐述了天津地震信息网络系统所面临的安全威胁,以及针对这些情况所进行的信息网络系统的安全建设工作.文中详细列举了系统中使用的安全设备与应用情况,以及日常运行和维护管理中的措施要点,可为行业中网络安全系统建设提供一定参考.     

支持向量机、随机森林和人工神经网络机器学习算法在地球化学异常信息提取中的对比研究

地球化学勘查是通过发现异常、解释评价异常进行找矿的。因此,地球化学异常识别对矿产资源的定位、定量预测具有重要的的指示作用。在大数据时代的背景下,机器学习方法不要求数据满足正态分布的分布形式,且具有非线性以及泛化能力强等特点,因而逐渐地被应用于矿产资源的定量预测评价,如神经网络、支持向量机、贝叶斯网络、随机森林、受限玻尔兹曼机、极限学习机等。本文通过设计理论实验,可视化了不同算法,提出了不同机器学习方法在不同地区的地球化学异常信息提取中的效果存在不一致性的假设。在此基础上,以湖南香花岭锡多金属矿整装勘查区及甘肃合作金矿整装勘查区的地球化学异常提取为研究内容,将人工神经网络、随机森林以及支持向量机应用于研究区地球化学异常信息的提取与识别工作。在香花岭研究区,人工神经网络的结果较好,在合作研究区,随机森林的结果较好,从而验证了上述假设。通过生成两研究区的地球化学异常图,讨论了该方法在两研究区地球化学异常的地质意义和该方法的可靠性与实用性。此外,还完善了基于多种监督机器学习方法的地球化学异常信息提取流程,为软件开发提供了一定的理论依据。     

浅议空间信息网格

网格是科学家针对当今的一些科学难题于20世纪90年代初提出的新概念。它将分布在不同地理位置的计算资源包括CPU、存储器、数据库等,通过高速的互联网组成充分共享的资源集成,从而提供一种高性能计算、管理及服务的资源能力。在不久的将来很可能像今天的Internet一样占据人们的生活,而成为继Internet和Web之后正在到来的第三大浪潮。据统计,与空间位置有关的空间信息在信息总量中约占80％,社会发展和国民经济的持续增长必然对空间信息资源有空前巨大的需求。网格技术为空间信息获取与处理提供了新的技术途径,在空间信息科学领域具有非常广阔的应用前景。