排序方式: 共有7条查询结果,搜索用时 0 毫秒
1
1.
基于探地雷达法与高密度电阻率法对地裂缝展布及发育特征进行探测的有效性进行了研究,以华北平原中西部某地裂缝发育区为研究对象,结合场地实测资料构造了研究区内典型地裂缝的地质-地球物理特征正演模型,分析了研究区内地裂缝的探地雷达及电阻率的理论响应特征,总结出了不同发育程度及空间展布的地裂缝在探地雷达及高密度电阻率法成果中的组合判识模式,即结合高密度电阻率法与地质雷达探测成果对地裂缝的平面展布进行定位,在此基础上利用高密度电阻率反演成果对地裂缝的发育程度及延深进行识别。理论及实验结果表明,利用上述两种方法组合探测地裂缝的展布及延展特征是高效、可行的,发挥了各自的优势,压制了单一地球物理方法的多解性。 相似文献
2.
3.
莱州市郑海-顾家铁矿采空区由浅孔房柱法开采所形成。前人勘查工作已基本查明采空区分布情况。基于其圈定的采空区范围、分布特征及其场区地质环境,通过简支梁理论及当量暴露面积法对郑海-顾家铁矿采空区稳定性做进一步地分析。研究结果表明顾家-海郑铁矿采空区处于不稳定状态。加之无序开采、顶板冒落、工程地质条件较差、地下水扰动等因素,采空塌陷及地裂缝潜在危险性较高,建议对其进行注浆充填治理及变形监测任务,以消除安全隐患,保障区内及周边人民的生命和财产安全。 相似文献
4.
目标检测网络层数越多、参数规模越大,其精度越高,但对于低算力的边缘端AI芯片来说,部署超大规模参数量的网络,无法达到实时性的要求。为此,文中基于YOLOv5,提出一种面向AI芯片的轻量化的YOLOv5_RepVGG目标检测算法。首先对YOLOv5的骨干网络进行改进,设计RepVGG_X模块结构,在训练时通过3×3卷积、1×1卷积和直连三种分支结构提取图像特征;在网络推理时通过结构重参数化将1×1卷积和直连与3×3卷积进行融合,最终形成一个3×3的单分支结构。然后对YOLOv5的输出层进行改进,充分利用骨干网络中6次降采样的多尺度信息,输出4种尺度的特征图。最后将设计的轻量化网络部署在国产AI芯片Hi3559AV100上并进行验证。实验结果表明,与传统YOLOv5相比,当网络精度仅下降3个点时,所提算法在AI芯片上的推理时间降到18.6 ms,速度提升近1倍,可满足日益增长的边缘场景AI计算任务实时性的要求。 相似文献
5.
莱州市某铁矿采空区由浅孔房柱法开采所形成。前人勘查工作已基本查明采空区分布情况。基于其圈定的采空区范围、分布特征及其场区地质环境,通过简支梁理论及当量暴露面积法对采空区稳定性做进一步地分析。研究结果表明该铁矿采空区处于不稳定状态。加之无序开采、顶板冒落、工程地质条件较差、地下水扰动等因素,采空区塌陷及地裂缝潜在危险性较高,建议对其进行注浆充填治理及变形监测任务,以消除安全隐患,保障区内及周边人民的生命和财产安全。 相似文献
6.
7.
1