基于GIS的嘉陵江上游地质环境评价

嘉陵江流域地跨多种地貌类型，自然资源丰富，但地质灾害频繁，水土流失严重，水资源衰竭，地质环境质量日趋恶化，这些极大地制约了当地国民经济的发展。文章基于地理信息系统（GIS）技术，综合考虑区域地壳稳定性、岩（土）体工程地质特征、地下水资源、地质灾害、水土流失等因素，用层次分析法确定个指标权值和用模糊综合评判模型对嘉陵江上游地质环境进行了综合评价，把嘉陵江上游地质环境质量划分成优、良、中、差4个级别，得到了地质环境质量综合评价分区图。以期为科学的开发嘉陵江流域自然资源，合理利用与保护开发地质环境，开展对该流域地质灾害防治及生态地质环境保护，提供合理地规划及参考依据。     

基于定量方法的矿井水文地质类型划分

针对目前矿井水文地质类型划分方法主观因素较强的问题,根据《煤矿防治水规定》分类依据及相关要求,分别采用综合指数法和模糊评判-综合赋权法定量地对矿井水文地质类型进行划分,并对比分析2种方法划分结果的异同性。结果表明,定量方法可以更加直观地反映出矿井水文地质工作的科学性与系统性。     

煤与瓦斯突出矿井危险等级划分方法

运用模糊综合评判方法,采用反映矿井突出危害性和突出危险性的１２项指标,把突出矿井划分为严重突出矿井、中等突出矿井和较弱突出矿井三个等级。实际分级结果表明,这一分级指标和方法是可行的。     

岩土边坡稳定性分析的模糊综合评判实用方法

依据模糊数学的基本原则和方法，根据影响边坡稳定性主要的内在和外在因子，建立模糊综合评判方案，得到边坡稳定性等级分类指数，据此判断出边坡的稳定性情况。工程实例分析结果表明，将该方法应用于实际工程中，具有较大的可靠性，能节约大量的时间，显示出一定的优越性。表3，参11。     

基于GIS的煤与瓦斯动力灾害预警系统研讨

将地理信息系统(GIS)引入到矿井煤与瓦斯动力灾害防治中,借助GIS技术实现矿井煤与瓦斯灾害隐患的识别,通过模糊综合评判的方法实现灾害的预警与决策,为矿井生产和管理提供先进的手段。对GIS技术在矿井瓦斯动力灾害预测上的应用进行了研讨,该系统为煤与瓦斯灾害的预测预报提供一种决策支持方法。     

边坡稳定性的模糊综合评判

模糊综合评判法能较好地解决边坡稳定性的评价问题，其显著优点是能处理大量的定性资料及模糊信息。因此，选择模糊数综合评判法对桌道路边坡稳定性评价．反映了边坡稳定的实际情况。     

宁武煤田择善一号勘查区煤质特征及洁净等级区域划分

宁武煤田择善一号勘查区稳定的全区可采煤层为4号、9号煤层,共获得资源总量49424×104t,其中4号煤层为低硫、中灰、中高发热量、高软化温度灰之肥煤、1/3焦煤、气煤,9号煤层为中硫、中灰、中高发热量、高软化温度灰之1/3焦煤、焦煤。通过分析勘查区内钻孔的化验资料,采用六级划分方案对该区稳定的全区可采煤层的煤炭资源进行洁净度评价,并对等级区域进行划分。评价结果为:4号煤层洁净等级为Ⅲ-Ⅵ级,以Ⅲ级较好洁净煤和Ⅳ级中等洁净煤为主,属中等较好洁净煤,勘查区大部为这两种洁净煤;9号煤层洁净等级为Ⅲ-Ⅵ级,以Ⅲ级较好洁净煤和Ⅳ级中等洁净煤为主,属中等较好洁净煤,主要分布在勘查区西南部和中部。总体来看,勘查区主采煤层洁净等级以Ⅲ级较好洁净煤和Ⅳ级中等洁净煤为主,且4号煤层洁净程度略好于9号煤。     

基于模糊神经网络和D-S证据理论的煤矿瓦斯突出危险等级评判研究

介绍了模糊神经网络和D-S证据理论的煤矿瓦斯突出等级的评判方法,综合了模糊神经网络和D-S证据理论的优越性,建立了基于模糊神经网络和D-S证据理论的综合评判模型,通过对实验测试,证实了模糊神经网络和D-S证据理论的综合评判策略比单独使用一种策略更有效,精度更高。     

基于GIS的岸坡类型划分

岸坡类型的划分是岸坡变形破坏规律与岸坡稳定性评价研究的基础,其划分的原则与标准及划分过程的科学性直接影响研究结论的正确性。论述通过挖掘G IS的属性库管理与空间分析模块方面的资源,实现基于G IS的岸坡类型划分。     

基于GIS的寻甸县低丘缓坡建设用地适应性评价研究

根据低丘缓坡资源的适应性评价原则,科学合理的评价方法和评价因子,采用层次分析法和专家征询法确定研究区各评价因子的权重,建立土地适应性评价模型,以GIS的空间分析和统计分析功能为技术支撑,对研究区域内可开发利用的低丘缓坡资源进行适应性评价和分级。研究结果表明:利用GIS的空间分析技术,使得对刚性因子的处理更为直观快速,整个评价过程不仅是定量分析与定性分析的结合,还融入了定位分析的技术,使分析结果更加的准确和客观;另外,通过对研究区建设开发的适宜性进行评价,可以精确定位适宜建设区,大大降低了开发利用的风险及成本;研究区内一等适宜区仅占总低丘缓坡资源的4.85%,因此对其进行有效合理的开发利用显得尤其重要。     

Monitoring Potentially Hazardous Areas at Korobkovo Deposit of the Kursk Magnetic Anomaly

The article reports the results obtained in the trial of elements of the monitoring system for potentially hazardous areas at Korobkovo deposit of the Kursk Magnetic Anomaly. The system is based on the seismic and deformation measurements aimed to estimate and control shear stiffness of potentially hazardous faults. The fault shear stiffness is estimated through the analysis of parameters of seismic waves in the vicinity of a fault. The sources of seismic signals in the trial were explosions carried out at the neighbor surface and underground mines.     

基于IPSO-ELM的边坡稳定性分析

边坡稳定性受多种复杂因素影响,传统算法很难得到高精度预测结果,为了及时准确地对边坡稳定性做出可靠性分析,提出了改进粒子群优化极限学习机(IPSO-ELM)模型并应用于边坡稳定性预测实例中.首先在粒子群算法(PSO)的基础上,为克服在寻优过程中易出现局部最优的问题,引入自适应权重法,将改进粒子群算法(IPSO)对极限学习...     

基于Excel的边坡稳定性分析

Excel是Office中的一个电子表格软件，以其强大的计算功能，在岩土工程计算中的应用正在兴起，文中探讨了Excel在边坡稳定性分析方面的应用，并以某边坡为例探讨了其计算结果的可靠性。     

露天矿边坡位移监测GIS可视化分析研究

以某大型露天矿边坡作为研究背景,针对该边坡位移监测所得的大量监测数据,提出了应用地理信息系统（GIS）技术手段开展边坡位移监测数据分析的研究思路,建立了包括属性数据和图形数据的GIS基础数据库。依托ArcGIS操作平台,实现了露天矿边坡位移监测数据GIS可视化研究分析。结果表明,该边坡下部区域稳定性较好,西帮边坡部分区域及东北角边坡顶部位移较大,稳定性较差。同时,应用GIS技术开展边坡位移监测数据分析,能够更加直观准确地表达边坡稳定性状况,提高了工作效率和信息化水平。     

三元中能煤业采准巷道危险区域划分与评价

三元中能煤业主采煤层工作面回采强度高,巷道断面大,各回采面巷道受回采动压影响严重,部分巷道存在锚杆断裂现象,严重影响安全生产。为解决在巷道动压显现强烈、遭遇地质构造使巷道围岩条件恶化后,顶板控制难度加大导致的巷道支护质量难以保证的问题,通过采用钻孔窥视、锚杆无损检测、现场巷道变形观测等技术对采准巷道进行测试,将巷道划分为节理裂隙发育、围岩高应力、强烈采动影响、地质构造带等4种危险区域。对4种危险区域进行了危险程度划分,为回采巷道矿压监测测点的布置及巷道支护技术提供了优化方案。     

地下老采空区对边坡稳定性影响的FLAC分析

针对夹沟铝矿地下采空区的分布, 建立了FLAC模型, 分别研究了3种跨度采空区在9种不同位置时, 地下老采空区的露天矿边坡在开挖过程中的应力场、位移的变化情况, 并计算了相应的安全系数, 从而得出了地下老采空区对边坡稳定性的影响规律, 最后对夹沟铝矿边坡失稳进行了分析。     

基于GIS的土地整理研究

地理信息系统(G IS)具有独特的功能,不仅可用来建立相关数据库,还可使复杂问题简单化并易于理解;利用G IS可以大大减少规划的成本和时间,还可提高规划的精度和可靠性;在信息化时代,为了适应管理的需要,采用诸如G IS的信息系统在管理层几乎成了一种强制手段,因此探索G IS在土地整理与规划中的应用是很必要的。     

基于RBF-FCM-OLS的边坡稳定性评价方法

RBF神经网络具有很强的非线性并行处理能力和泛化能力,并且有很快的学习收敛速度,不易陷入局部极小,在边坡稳定性评价中已得到广泛的应用.但其过分依赖于隐含层数据中心的选取是否合适,故引入模糊-C均值聚类(FCM)算法对其进行优化.以122组边坡样本作为样本总体,其中1～114组为训练样本,115～122组为测试样本,运用FCM算法在边坡训练样本中初选多个RBF网络的数据中心,在此基础上运用正交最小二乘法(OLS)训练网络,利用训练后得到的回归矩阵信息在初选结果中重新选择RBF网络的数据中心,从而使数据中心得到优化,简化了RBF神经网络的结构.将优化后的RBF神经网络应用到边坡测试样本的安全系数的预测中,得到较高的预测精度.该方法加快了RBF神经网络的训练速度,提高了运算速率,与传统的BP网络进行比较,进一步证明RBF及其学习算法的优越性和实用性.