煤矿地质成图中多边形快速生成算法

针对煤矿地质成图中左转算法生成多边形在复杂的二维图形条件下应用效率低的问题,该文提出了一种新的基于左转算法的多边形快速选取及自动生成算法,实现了2D图形环境中多边形的快速选取及自动生成。通过在进行多边形选取时的起始点,起始方向的选择和对悬挂点、线进行处理,解决了复杂图形下多边形选取及自动生成过程中存在的重复生成、效率低下和搜索回退问题。基于GeoMS3D实现该算法,实验结果表明:该算法逻辑简单、结构清晰,在实际的应用中表现出了较高的运算效率。     

基于改进遗传算法的岩体结构面幂函数模型参数辨识

沿结构面的剪切滑移是工程岩体主要的破坏模式之一,选择恰当的岩体结构面本构模型是分析岩体结构面破坏的重要一环。当前常用的结构面本构模型有指数型模型、曲线型模型和幂函数型模型,其模型参数都是根据工程实际经验或室内试验所得,不能很好的模拟实际变形情况。指数型模型得出的模拟值偏大,曲线型模型得出的模拟值偏小,幂函数型模型在较低的法向应力下能较好的模拟剪切变形过程,但在较高的法向应力下得出的模拟值偏小。为此,通过改进的遗传算法对岩体结构面幂函数模型参数进行辨识,得出由"等效参数"构成的幂函数模型。实例验证结果说明,通过改进的遗传算法辨识出的由"等效参数"构成的幂函数模型能够很好的模拟实际变形情况,能够很好的适应于不同的工程实际应用。      

水库群水沙调控的单-多目标调度模型及其应用

为缓解内蒙古河段"二级悬河"形势,以黄河上游沙漠宽谷河段为研究对象,以龙羊峡水库、刘家峡水库为调控主体,开展黄河上游水沙调控研究。建立了输沙量、发电量最大的单目标模型以及多目标模型;分别采用自迭代模拟算法、逐次逼近动态规划算法(DPSA)和改进的非支配排序遗传优化算法(NSGA-Ⅱ)求解模型;设置了初始、常规、优化和联合优化4种方案。通过实例计算,联合优化调度方案的区间总冲刷量达到了0.38亿t,梯级发电量148.22亿kW·h。该方案以较小的电量损失换来了输沙量的大幅度增加,水沙调控效果显著,推荐为最优方案。研究成果量化了水沙调控效果和各目标间的转化规律,为开展黄河上游水沙调控提供了决策依据,具有重要的应用价值和实际指导意义。     

基于峰值因子最大化的鬼波压制方法

针对传统拖缆采集得到的海上地震资料受鬼波影响而导致频带宽度变窄,笔者提出一种去鬼波方法,可以压制鬼波效应,拓宽频带。首先在频率-空间域推导出镜像数据生成公式,并基于峰值因子最大化的参数搜索方法来估计最优的鬼波延迟时间,将最优的鬼波延迟时代入镜像记录生成公式,获得最优的镜像记录,利用联合反褶积算法得到最优的去鬼波结果。将本文中的方法应用于模拟的变深度采集数据和海上实测的变深度采集数据,证实该方法可以有效地压制鬼波,消除频谱中的陷波点,得到宽频数据。     

Structuring velocity model of microseism based on genetic algorithm and Levenberg-Marquardt algorithm

为在射孔时间未知条件下达到微震速度模型矫正的目的,采用遗传算法交叉互换搜索最优初值和 Levenberg-Marquardt 算法局部锁定最优解的方式来构建微震速度模型。通过 6 层层状模型及井下不同数量检波器进行试算,随着检波器数量增加,构建的速度模型准确度越高,当检波器数量增加到 20 个时,误差约 13. 4 ×10 －3 ,目的层检波器数量越多,构建目的层速度误差越小,第 5 层检波器由 1 增加到 3 个时,精度提高 9. 1 ×10 －3 ,并且反演震源与实际震源距离相差 10 m,说明此方法在射孔时间未知条件下可以良好构建速度模型。     

深海采矿转臂机构采矿姿态优化研究

针对海底地形不平坦特性,提出了一种变幅机构来自适应海底地形采矿姿态的采矿机构。综合考虑采矿机构采掘头距海底高度对采矿率影响,利用关键点法建立了节臂上的点到海底地形距离的数学模型。在此基础上,建立了以采矿率最高为目标的最优采矿姿态数学模型。以某实际地形为例,采用模拟退火遗传算法优化求解最优采矿姿态。根据其优化后结果可知,其最优采矿姿态与海底地形坡度变化一致,从而证明了采矿姿态模型的正确性。     

基于近岸GPS RTK技术的潮位和波浪提取算法研究

由于潮汐和波浪的周期相差甚远,对实时海面高程数据进行相应的低通和带通滤波即可提取潮位和波浪信息。通过对仿真的实时海面高程数据进行平滑滤波、中值滤波、小波滤波等低通滤波,以及椭圆、巴特沃斯等带通滤波结果分析表明:近岸GPS RTK技术可用于潮位和波浪同步测量;对于潮位信息的提取方面,平滑、中值、小波等低通滤波均能很好的提取出潮位信息,其中平滑滤波最佳,且工程中易于实现;对于波浪信息的提取方面,椭圆滤波、巴特沃斯、切比雪夫Ⅰ型等带通滤波均能很好提取出波浪信息。     

基于Sage-Husa算法的拖曳式Overhauser海洋磁场传感器海浪磁场噪声实时抑制方法

利用Weaver海浪模型,对拖曳式Overhauser海洋磁场传感器海浪磁噪声与深度、波幅等之间的关系进行了理论分析,证明了在极端海况条件下对海浪磁噪声进行抑制的必要性.为提高海洋磁测灵敏度,提出了一种基于改进的Sage-Husa自适应Kalman算法的海浪磁场噪声抑制方法.仿真结果表明,该方法能在不需要先验的噪声统计或实时参考噪声的情况下,实现磁场噪声协方差的快速收敛;且与常规的Sage-Husa算法相比,改进后的Sage-Husa算法降低了对初始参数的依赖性.另外,设计了一种拖曳式Overhauser海洋磁场传感器测试仪来测试上述算法.对比结果表明该方法不仅实现了磁场噪声统计参数的自适应估计,而且比经典Kalman滤波具有更好的滤波效果;此外,海浪磁噪声的功率谱密度由50 pT/Hz1/2@1Hz下降到6 pT/Hz1/2@1Hz.      

改进的无网格法及其在冻土区桩基温度场中的应用

采用带权正交基函数对传统的无网格法中的基函数进行了改进,避免了计算过程中可能出现的矩阵不可逆情况,而且编程容易实现且计算效率高。并将其应用到冻土区桩基包括了热传导和相变潜热的温度场中,同时考虑了混凝土水化热释放对桩周冻土的影响,将计算结果和有限元计算结果及现场实测数据进行了比较分析,从趋势和最大数值看都反映了实测曲线的趋势,又把不同深度处桩侧和不同桩径处温度随时间的变化规律计算结果和有限元计算结果做了对比,都验证了该方法的可行性和优越性。     

基于岩石图像深度学习的岩性自动识别与分类方法

岩石岩性的识别与分类对于地质分析极为重要,采用机器学习的方法建立识别模型进行自动分类是一条新的途径。基于Inception-v3深度卷积神经网络模型,建立了岩石图像集分析的深度学习迁移模型,运用迁移学习方法实现了岩石岩性的自动识别与分类。采用此方法对所采集的173张花岗岩图像、152张千枚岩图像和246张角砾岩图像进行了学习和识别分类研究,通过训练学习建立岩石图像深度学习迁移模型,并分别采用训练集和测试集中的岩石图像对模型进行了检验分析。对于训练集中的岩石图像,每组岩石分别用3张图像测试,三种岩石的岩性分类均正确,且分类概率值均达到90%以上,显示了模型良好的鲁棒性;对于测试集中的岩石图像,每组岩石分别采用9张图像进行识别分析,三种岩石的岩性分类均正确,并且千枚岩组图像分类概率均高于90%,但是花岗岩组2张图像和角砾岩组的1张图像分类概率值不足70%,概率值较其他岩石图像低,推测其原因是训练集中相同模式的岩石图像较少,导致模型的泛化能力减小。为了提高识别精确度,对准确率较低的岩石图像进行截取,分别取其中的3张图像加入训练集进行再训练,增加与测试图像具有相同模式的训练样本;在新的模型中,对3张图像进行二次检验,测试概率值均达到85%以上,说明在数据足够的状况下模型具有良好的学习能力。与传统的机器学习方法相比,所提出的岩石图像深度学习方法具有以下优点:第一,模型通过搜索图像像素点提取物体特征,不需要手动提取待分类物体特征;第二,对于图像像素大小,成像距离及光照要求低;第三,采用适当的训练集可获得较好的识别分类效果,并具有良好鲁棒性和泛化能力。