共查询到19条相似文献,搜索用时 85 毫秒
1.
2.
3.
4.
5.
6.
7.
开采沉陷预测的GIS面元栅格数字化模型及其应用 总被引:12,自引:0,他引:12
基于弹性理论和地理信息系统(GIS)技术,建立了用于开采沉陷预测的GIS面元栅格数字化模型,模型可计算任意层面中任意点的位移、应力和应变,并利用GIS给出了实例研究的动态可视化结果,该模型对任意开采形状和范围的开采沉陷预测具有高效,实用的价值,初步实现了开采沉陷预测的自动化,智能化和可视化。 相似文献
8.
9.
针对北洺河覆层岩石整体性差的特点,将概率积分法和组件技术开发的MSDAS-GIS系统应用于采用无底柱分段崩落法的金属矿山中。通过GIS建模全面反映矿区的三维地理、地质信息及其内在属性。利用GIS强大的空间分析和图形显示功能对预测结果进行分析和处理,并直观地反映出开采沉陷对周围环境的影响程度及范围。通过与实际情况的对比分析,验证了预测方法的适用性。 相似文献
10.
文中对开采沉陷三维仿真系统进行了研究,这不是对二维地理信息系统的简单扩展,而是从空间模型分析到空间数据库的结构直至三维数据的可视化,本系统的研制对于矿山沉陷地治理、矿山灾害的防治、矿区生态的保护等诸方面有着积极的意义。 相似文献
11.
12.
13.
GPS技术可以提供高精度的空间信息,GIS则可以对多元信息进行管理,将GPS与GIS集成用于矿区地表沉陷监测与分析是监测矿区地表沉陷的一个较新的技术研究和实践探索。为此,探讨了利用GIS技术对沉陷监测数据进行组织、管理、描述和输出的方法;根据GIS技术原理,阐述基于GIS的矿区沉陷监测系统的构建思路、框架结构和功能设计。 相似文献
14.
15.
利用三维激光扫描技术监测矿区开采沉陷,效率较高,但观测点云数量大、处理困难,目前缺乏成熟的软件进行矿区点云数据分析。为有效处理沉陷区的点云数据并实现沉陷区3D比较、剖面分析和开采沉陷预计参数求取,提出了一种矿区开采沉陷预计的Geomagic法。以某矿为例,首先利用Geomagic Studio软件建立了矿区数字地面模型(Digital terrain model,DTM);其次研究了开采沉陷发生前后的矿区数字地面模型3D对比方法,利用Geomagic Qualify软件分析得到沉陷区地表下沉三维视图;然后对地表下沉三维视图进行了剖面分析,提取走向方向与倾向方向的剖面点下沉值;最后利用剖面点下沉值求取了开采沉陷预计参数,并计算了剖面点的下沉预计值,将下沉预计值与提取的下沉值进行了对比分析,可知下沉拟合准确度达到92%,表明计算出的开采沉陷预计参数具有较高的精度,对于进一步推动三维激光扫描技术在矿区开采沉陷监测预计方面的应用有一定的参考价值。 相似文献
16.
针对在地形复杂的矿区沉降观测资料不易获取的问题,将合成孔径雷达差分干涉技术(D-InSAR)与灰色Verhulst模型相结合,提出了一种矿山开采沉陷监测和预计方法。该方法首先对覆盖大柳塔煤矿某工作面的12景TerraSAR-X雷达数据进行D-InSAR处理,获取观测站沉降值;然后根据沉降量与时间的关系建立了基于灰色Verhulst模型的预测函数,对开采沉陷发展规律进行分析。试验结果表明:3个测试点D-InSAR监测数据的绝对和相对误差分别为2.8~15 mm,0.9%~6%;结合灰色Verhulst模型预测的绝对和相对误差分别为3.4~18.8 mm,1.2%~5.7%。上述研究结果进一步表明,所提出的方法可有效弥补矿区沉降实测数据的不足,为实现矿区开采沉陷监测和预计的一体化软件设计提供参考。 相似文献
17.
为了提高采空区地表沉降预测准确性,选择上覆岩层弹性模量、泊松比、内聚力、内摩擦角、开采深度、采高、矿体倾角和采场尺寸共8项影响采空区沉降的指标进行研究,通过遗传算法(GA)优化BP神经网络,构建了GA-BP神经网络采空区地表沉降预测模型,对采空区地表沉降趋势初步预测与分析。模型解算结果表明,相比传统BP神经网络预测模型,GA-BP神经网络预测模型在预测精度、拟合性能和收敛速度方面都有所提高。 相似文献
18.
在煤层开采过程中,实时动态的对矿区地表的下沉值进行观测与预计对煤矿的安全生产及矿区人们的生活有重要的作用。因为灰色系统GM(1,1)预计模型具有所需数据量少,计算简单,预测准确的特点,所以文章用灰色系统GM(1,1)模型对矿区地表的下沉值进行了预计,得到比较好的效果 相似文献
19.
急倾斜煤层开采沉陷预计研究 总被引:1,自引:0,他引:1
由于沉陷预计常用的方法对于急倾斜煤层开采的沉陷预计具有一定的局限性,预测结果与实测数据相差较大,难以符合实际生产要求。因此,通过比较实测下沉曲线与等效煤层的概率积分法预计曲线,推导出一套适合概率积分法预计的急倾斜煤层开采下沉预计参数,为急倾斜煤层下沉预计工作的简化提供了基础。 相似文献