沿空留巷巷旁支护体作用机制及工程应用

巷旁支护体稳定是沿空留巷成功的关键。通过建立沿空留巷上覆岩层结构力学模型,分析了巷旁支护体在3个阶段的受力和变形特征,得到了巷旁支护体的作用机制,即巷旁支护体设置后快速增阻,即时支撑巷内顶板,工作面后方周期来压前达到切顶阻力切落采空区一定高度的顶板,上覆岩层剧烈活动稳定前有较大的变形能力及稳定后有较高的后期强度。在上述研究的基础上,以九里山矿24021工作面沿空留巷为工程背景,在巷内支护和巷旁充填材料确定的情况下,采用数值模拟方法分析了不同巷旁支护体宽度时的沿空留巷维护效果,确定了合理的巷旁支护体宽度。该研究成果成功应用于工程实践。     

机器学习方法在舟山渔场主要经济蟹类生物量估算中的应用

扫海面积法因其操作简单、计算方便,被广泛应用于渔业生物量评估工作中。但该方法需假设资源均匀分布,若要提高生物量评估的准确性,则须增加站位数量,进而增加经费预算。本研究基于2006年8月和2007年1月、5月、11月在舟山渔场海域开展渔业资源底拖网调查所获得的多种经济蟹类数据资料,模拟分析扫海面积法与机器学习模型(随机森林(RF)、梯度提升回归树模型(GBRT)、极限梯度提升(XGBoost))对舟山渔场海域三疣梭子蟹(Portunustrituberculatus)、双斑鲟(Charybdisbimaculata)、日本鲟(Charybdisjaponica)、细点圆趾蟹(Ovalipespunctatus)4种主要经济蟹类生物量的对比评估效果。结果显示,随着投入站点数目的减少,在数据不集中、波动较大的秋、冬季节XGBoost方法对生物量的评估效果明显优于扫海面积法,误差降低7.49%～21.34%;而在较为均匀的春、夏两季,扫海面积法与机器学习方法两者结果的差异不显著(P<0.05)。本研究以几种经济蟹类为例,探索使用机器学习方法评估其生物量,达到了提高评估准确性并节省资源调查...     

基于小波分析的侧扫声呐信号非线性增强算法

侧扫声呐回波信号是形成侧扫声呐图像的基础,是侧扫声呐系统对水下目标的最直接观测量,将一维小波变换与非线性增强方法相结合,提出了一种基于小波变换的侧扫声呐回波信号非线性增强算法,用以改善侧扫声呐图像对比度低、噪声强度大的问题.首先利用改进的Bayes阈值对侧扫声呐ping信号进行一维小波分解,提取信号特征信息;然后利用2...     

基于CA-YOLOv5s的水下目标识别方法研究

水下目标物的准确识别是保障通航安全的一项重要工作,针对现有算法对水下多类别目标存在识别精度不高的问题,本文在 YOLOv5s （You Only Look Once v5s） 的基础上提出对其进行改进。首先,为平衡样本间的数量,通过利用几何变化操作模拟现实发生的情况对数量较少的样本进行扩充;其次,将 YOLOv5s 中传统损失函数 CIoU 惩罚项中的反正切函数改为Sigmoid 函数,加快目标识别模型的收敛速度;最后,融合坐标注意力机制（Coordinate Attention,CA）,融合后的模型能衡量每个通道信息的重要性,在关注目标位置信息的同时也不增加过多的计算量。试验结果表明：本文所提出的改进的 YOLOv5s 较改进前在准确率上提升了4.97%,在召回率上提高了 6.20%,在类平均精度上提升了 4.98%,证明本文改进的方法在工程应用上的价值。