排序方式: 共有24条查询结果,搜索用时 15 毫秒
1.
2.
收集整理了多组地表移动观测站资料作为训练样本和检验样本,以工作面地质采矿条件为输入集,概率积分法预计参数为输出集,利用机器学习方法对概率积分法预测参数进行了预测。选取支持向量机、BP神经网络和偏最小二乘法3种机器学习方法对训练样本进行训练,利用训练所得模型预测检验样本中的概率积分法预测参数,并将预测结果与观测站实测值进行对比。结果表明,利用支持向量机预测下沉系数、主要影响角正切值及水平移动系数的精度最高,其平均相对误差分别达到7.46%、4.00%、13.17%;拐点偏距及开采影响传播角利用偏最小二乘法预计精度最高,平均相对误差分别为10.83%、0.88%;总体而言支持向量机的预测精度最为稳定。 相似文献
3.
4.
为了增加塌陷区耕地资源,有效地提高土地利用率,减少环境污染,本文通过对海孜煤矿塌陷区进行实地勘查,室内测试和实验,分析塌陷区煤矸石充填复垦条件。分析结果表明:塌陷区的地形地貌条件有利于土地复垦工程的实施,较高的地下水位可以为重构土壤提供充足的水分;塌陷区塌陷深度小,且绝大部分塌陷区已达到稳沉状态,有益于煤矸石充填复垦;大量的煤矸石为充填复垦提供了充足的物质基础,煤矸石中有害元素含量低,复垦后不会对地下水和土壤造成显著的污染,且煤矸石的块度组分有利于水分的保持和上移。 相似文献
5.
6.
煤矸石复垦地土壤质量变化研究 总被引:1,自引:0,他引:1
为检验煤矸石复垦地复垦效果,选取16个参数作为复垦土壤肥力质量评价的因子,建立考虑微量元素的肥力质量评价体系,应用相关系数法确定土壤肥力因子的权重大小,并结合模糊数学原理计算土壤肥力评价因子的隶属度值,运用模糊综合评价法对复垦土壤质量进行评价,结果表明:复垦地与正常农田土壤肥力综合指标值均随深度的增加而降低。复垦土壤的质量在3年内得到了逐步的提高,耕作制度、施肥对表层土壤质量的提高有很大影响。复垦区土壤肥力略低于正常农田,复垦3年时,各层次复垦土壤肥力由上到下分别为正常农田对应层次的91.9%、89.6%、84.6%,表明复垦土壤质量已达到正常农田的90%左右,复垦取得良好的效果。 相似文献
7.
融合D-InSAR与GIS技术的矿区开采沉陷形变监测及预测方法 总被引:2,自引:0,他引:2
针对合成孔径雷达差分干涉测量(D-InSAR)技术能监测大范围地表形变信息,但单一的D-InSAR技术不能精确分析沉降分布的范围和位置的问题,本文以淮北袁店二矿为例,首先选择2015年4—5月2景C波段Radarsat-2和7—12月6景Sentinel-1卫星影像数据作为干涉影像数据构成6个干涉影像对,通过二轨法对其进行差分干涉处理和相位解缠提取干涉形变图;然后将D-InSAR差分干涉图与开采平面、开采计划图导入ArcGIS进行叠加,分析矿区开采沉陷区域的空间动态分布位置并进行定量分析;最后采用灰色理论模型进行预测。结果表明:D-InSAR叠加分析图能反映出在煤炭开采过程中沉降区域位置和分布范围;D-InSAR预测值与实测值最大相对误差和方差比分别为11.5%和0.097。 相似文献
8.
9.
10.