曙光金铜矿边坡破坏模式及稳定性分析研究

为了准确分析曙光金铜矿边坡稳定性,通过边坡工程地质踏勘和资料分析,确定各区边坡破坏模式,然后根据破坏模式选择合适的分析方法,同时考虑各种影响因素,最终得到各剖面边坡安全系数。结果表明:根据各区边坡岩性分布、区域构造和岩体结构特征分析,各区边坡破坏模式主要为圆弧型滑动和折线型滑动破坏;通过分析得到的安全系数与许用安全系数对比,各区整体边坡稳定,Ⅰ-1区B剖面局部基本稳定;Ⅱ区G剖面局部基本稳定;多种工况中地震为影响边坡的最不利工况,爆破震动工况较自然工况安全系数降低5.26%,地震工况较自然工况安全系数降低9.09%。     

基于LOF+SVM的异常用电用户分阶段识别方法

准确的电力异常用户识别方法能为供电企业锁定存在窃电行为或其他违规行为的电力用户提供参考。大多数基于机器学习的异常识别模型采用了无监督算法，但模型的准确度还较低。针对上述问题，提出一种结合无监督的局部离群因子（LOF）算法与有监督的支持向量机（SVM）算法的两阶段异常用电用户识别方法。基于分析异常电能表区别于正常电能表的电流电压表现，构建异常识别模型的输入特征；采用无监督的LOF算法进行采样，筛选出可疑样本交给人工进行标记，然后利用标记样本训练有监督的SVM模型；在之后的检测工作中，直接将LOF算法筛选出可疑样本交给SVM模型进行识别。实例结果表明，该方法对电力异常用户的识别准确度高，对供电企业的窃电稽查工作具有指导意义。