排序方式: 共有16条查询结果,搜索用时 0 毫秒
11.
改性铵油炸药装药密度大,在深孔爆破中容易出现“压死”现象。文中采用调整木粉细度和配比,外加一定量珍珠岩和一定量的膨化硝铵炸药等方案来降低装药密度。研究表明,调整木粉的细度及比例(3%-5%)对改善改性铵油炸药装药密度影响较小.外加1.0%-1.5%珍珠岩能有效降低装药密度,加入一定量的珍珠岩对炸药生产制备过程比较安全可靠;外加一定量(20%~30%)的膨化硝铵炸药能显著降低装药密度,加入比例越大(50%)效果越明显,同时能有效提高产品起爆感度。通过改进爆破使用方法,可有效提高改性铵油炸药深孔爆破使用效果。 相似文献
12.
基于实测高光谱的太湖水体悬浮物浓度遥感估算研究 总被引:7,自引:0,他引:7
悬浮物浓度是水质和水环境评价的重要参数之一.利用2007-11-08~2007-11-21 14天时间对太湖74个样点进行水质取样分析和波谱实测.在提取水体遥感反射率后,分析其与悬浮物浓度的相关关系,发现在400~900nm波段范围的备波长遥感反射率与总悬浮物、无机悬浮物浓度都存在中高度相关,最大相关系数均出现在725nm处.分别为0.883和0.869,而与有机悬浮物浓度则无较好的相关性.同时利用敏感波段的遥感反射率建立了悬浮物浓度估算的神经网络模型.结果表明:对于总悬浮物浓度,隐含层节点数为6的神经网络模型的R2=0.948,RMSE=4.947,在备节点中的训练效果最佳;而对于无机悬浮物浓度,隐含层节点数为4的神经网络模型的R2=0.956.RMSE:5.104,模型骼体训练结果最好.此外,通过测试样本对神经网络模型和经验模型的预测误差进行分析表明,无论是估算总悬浮物浓度,还是无机悬浮物浓度,无论从建模样本的建模精度,还是测试样本的误差分析,神经网络模型邰优干经验模型. 相似文献
13.
14.
针对水深的卫星遥感反演模型多在底质均一假设下进行,较少考虑底质类型的问题,提出了一种底质分类视角下的反演模型。以南安达曼群岛、波照间岛和久米岛作为研究区域,结合实验室测量的典型底质反射率光谱,在Landsat 8 OLI上使用多种分类方法提取研究区域底质类型信息,发现支持向量机法得到的底质分类精度最佳。基于底质分类结果,利用多种模型构建不同底质类型的水深反演模型,并进一步对比未区分底质类型的水深反演模型。研究结果表明,基于底质分类的多元线性回归模型效果最佳,平均绝对误差为1.03 m,均方根误差为1.39 m,证明了区分底质类型建模可以提升水深反演精度。 相似文献
15.
16.
利用覆盖典型海岛的Landsat-8 OLI多光谱卫星遥感影像和收集到的水深数据,分别采用传统多元线性回归模型、机器学习中的back propagation(BP)神经网络模型和随机森林模型对目标海域水深进行整体反演,并对三种方法的反演精度进行评价。结果表明:相比于多元线性回归模型,机器学习方法的水深反演精度更高;随机森林模型的水深反演精度最高,平均绝对误差为1.94 m,平均绝对百分比误差为18.29%,模型的鲁棒性更加出色,整体精度较多元线性回归模型有明显提高。本研究比较三种方法构建的浅海水深模型的性能,为后续更加高效地获取高精度浅海水深信息提供参考价值。 相似文献