排序方式: 共有3条查询结果,搜索用时 6 毫秒
1
1.
整合矿井因地质资料难以统一,预测底板突水难度较大。鉴于AHP脆弱性指数法在量化底板突水的优势,选取了6个主控因素预测了某整合矿井9号煤层底板突水。结合GIS对相关数据实施归一化处理,建立了各单因素归一化专题图。根据层次分析模型获得的各因素权重对6个专题图进行叠加,将底板划分为脆弱区、较脆弱区、过渡区和安全区四部分,并得到了以往突水事故的验证。通过对各个因素的脆弱性灵敏度分析,得出有效隔水层厚度与脆弱性指数的相关度最高,提出了井田西部优先开采、东部重点防治的建议。该研究对预测整合矿井的底板突水具有一定的指导作用。 相似文献
2.
化工事故新闻数据包含新闻内容,标题以及新闻来源等方面信息,新闻内容的文本对上下文具有较强的依赖性.为了更准确地提取文本特征并提高化工事故分类的准确性,该文提出了一种基于Attention机制的双向LSTM (BLSTM-Attention)神经网络模型对化工新闻文本进行特征提取并实现文本分类.BLSTM-Attention神经网络模型能够结合文本上下文语义信息,通过正向和反向的角度来提取事故新闻的文本特征;考虑到事故新闻中不同词对文本的贡献不大相同,加入Attention机制对不同词和句子分配不同权重.最后,将该文提出的分类方法与Naive-Bayes、CNN、RNN、BLSTM分类方法在相同的化工事故新闻数据集上进行实验对比.实验结果表明:该文提出的神经网络模型BLSTM-Attention神在化工数据集上的效果更优于其他分类方法模型. 相似文献
3.
1