排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
微震事件判识是煤矿微震监测的基础。现有的微震监测技术大多基于单物理量变化规律而开发,在处理含有大量噪声和干扰信号的煤矿微震数据时易产生误判情况。针对该问题,基于岭回归算法改进规范变量分析(CVA)的损失函数,实现稀疏化建模,以提升模型泛化能力。采用岭回归改进CVA对多通道煤矿微震监测数据进行融合分析,进而实时判识复杂微震监测数据状态。采用模拟数据和实际煤矿微震监测数据对岭回归改进CVA进行实验验证。在基于模拟数据的实验中,随着噪声方差由5×10-6增大至5×10-2,岭回归改进CVA的判识准确率较CVA提升了0.6%~5.4%,误报率和漏报率之和较CVA下降4.8%~17.3%。在基于实际微震监测数据的实验中,岭回归改进CVA对20个通道的微震监测数据融合分析结果能够反映出微震信号处于波动状态,验证了该方法具备微震事件实时判识能力,平均判识准确率为97.14%,较CVA高2.39%,误报率与漏报率之和为31.06%,较CVA降低0.07%,错误率为2.86%,较CVA降低2.4%。 相似文献
2.
准确预测边坡稳定性对于减少滑坡次数和降低边坡维护成本至关重要。岩质边坡作为一种典型的岩体工程,在灾害的孕育和发展过程中,工程岩体内部会产生新的裂隙,或旧裂隙发展。随着岩体内部裂隙的发展,岩体物理参数不断发生变化,因此通过监测边坡岩体的物理参数变化对岩质边坡稳定性进行预判已成为一种重要的预测手段。而传统的单一监测信息虽然能够直观地反映滑坡趋势,但其存在局部性和滞后性,并不能完整反映边坡所处的状态。基于涵盖了边坡内部和表面的微震、应力和位移等3种异构信息,提出一种利用多源监测信息融合技术对边坡进行稳定性预测分析的方法:针对大孤山露天矿边坡的实际地质条件,通过有限元强度折减法得到边坡不同状态下监测信息的变化规律,并利用梯度提升决策树(GBDT)模型对监测信息进行融合,建立了边坡稳定性预测的非线性模型,并与不同融合算法进行对比,得到如下结论:(1)将梯度提升决策树和有限元强度折减法相结合,可以实现边坡的位移、应力和微震等异构信息的融合,并以大孤山铁矿西北帮边坡实际监测数据验证了所提方法的有效性;(2)与其他融合算法进行比较表明,GBDT模型在预测精度和模型解释能力方面具有优越的性能,可以很好地... 相似文献
3.
4.
1