共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
山西地区陷落柱发育规律研究 总被引:3,自引:3,他引:0
山西地区岩溶陷落柱已成为矿井开采中最主要的地质灾害之一。为了解决陷落柱问题,文章对山西地区陷落柱的发育规律和陷落柱的空间分布规律进行了研究及三维地震勘探中利用属性技术识别。 相似文献
3.
运用地震属性技术解释煤矿陷落柱 总被引:2,自引:1,他引:1
通过对山西某煤矿两个三维勘探区煤层反射波的属性特征进行的提取,对陷落柱反射波等地震属性特征进行了深入分析、研究,结合已知地质资料,利用基于地震层间属性定量描述与识别陷落柱的最新解释技术对勘探区进行了精细解释。 相似文献
4.
基于煤田陷落柱赋存特征,构建地震陷落柱正演模拟,采用有限差分法进行陷落柱正演模拟。陷落柱与正常煤层相比,当地震反射波遇到陷落柱异常体时,它的地震属性发生明显变化,如振幅减弱、相位突变、相邻道的相似度变弱等,依赖地震属性能够较好地识别陷落柱异常体。根据地震波形差异属性,分析桃园矿某采区三维地震资料,分析与识别陷落柱,经钻孔验证取得较好效果。 相似文献
5.
6.
7.
为了克服单一地震属性在对陷落柱进行识别时出现多解性和不确定性问题以及样本数据不平衡带来的识别准确率偏移问题,构建了基于K-means SMOTE和随机森林二分类陷落柱识别模型,通过对多个地震属性进行联合分析以达到识别陷落柱的目的。以山西新元煤炭责任有限公司首采区东翼南部矿区作为研究区域,将前方解释人员通过三维地震勘探技术提取到的12种地震属性作为样本特征,并将实际揭露的陷落柱信息作为样本标签,构建地震多属性数据集;通过相关性分析和聚类分析评估以及随机森林重要性分析进行地震属性优选,最终优选相对独立的6种地震属性作为样本特征;利用K-means SMOTE算法对数据集进行平衡处理,补充得到8 992个数据,选取其中6 294个数据作为训练集,2 698个数据作为测试集;基于python语言平台搭建随机森林二分类模型,最终预测陷落柱的准确率可达到87%。通过对比3种常见机器学习分类算法,该模型识别陷落柱的准确率更高。 相似文献
8.
9.