-
公开(公告)号：CN119623238A
公开(公告)日：2025-03-14
申请号：CN202411518981.9
申请日：2024-10-29
Applicant: 华亭煤业集团有限责任公司 , 中国矿业大学(北京)
IPC: G06F30/27 , G06N3/0499 , G06N3/092 , G05B13/04 , G05B13/02
Abstract: 本发明公开了一种基于人工智能的煤矿粉尘扩散模拟与控制方法，涉及煤矿粉尘扩散模拟与控制技术领域，包括以下步骤：通过煤矿内的监控系统采集粉尘浓度、通风流速、温度、湿度及设备运行状态等环境数据，并结合历史工况数据进行清洗和格式化处理。本发明利用强化学习和虚拟极端场景模拟，提高了系统对边缘工况的识别和应急响应能力，有效降低粉尘扩散和爆炸风险，保障矿井安全。通过动态调整通风和喷水系统，实现资源的高效利用，降低能耗和运行成本，并延长设备寿命。系统具备自适应学习能力，能够根据监控数据和历史事件优化控制策略，即使环境变化也能自动调整，提升鲁棒性与灵活性，减少人工干预。
-
公开(公告)号：CN119358229A
公开(公告)日：2025-01-24
申请号：CN202411372306.X
申请日：2024-09-29
Applicant: 中国矿业大学(北京)
Abstract: 本发明公开了一种无人机甲烷溯源监测模型反演方法、系统及存储介质，其方法包括：S1、基于研究点源或无组织面源划设出研究区箱型监测空间；S2、在研究区箱型监测空间分层规划出无人机规划航线，启动无人机执行无人机检测任务；S3、在地理空间模型中构筑研究区箱型监测模拟空间，提取经纬度、高度信息作为位置信息，提取甲烷浓度数据、空气密度数据、风速数据分别作为研究区箱型监测模拟空间中点的三个属性；S4、对研究区箱型监测模拟空间进行网格细分并进行插值处理；S5、甲烷反演计算模型计算反演得到研究区箱型监测空间的甲烷排放通量。本发明经过分层甲烷数据监测和模型数据反演，实现了快捷准确地获取矿区上空甲烷排放通量。
-
公开(公告)号：CN117725493B
公开(公告)日：2025-01-10
申请号：CN202311340078.3
申请日：2023-10-16
Applicant: 中国矿业大学(北京) , 中国自然资源航空物探遥感中心
IPC: G06F18/2411 , G06F18/214 , G06F18/243 , G06N3/09 , G06N3/082
Abstract: 本发明公开了一种基于改进型Stacking融合模型的滑坡危险性结果评价方法，其方法包括：S1、构建滑坡特征样本数据集，提取滑坡影响因子集并与滑坡危险性结果关联存储；S2、构建滑坡危险性评价模型，滑坡危险性评价模型包括初级学习器层和次级学习器层，次级学习器层包括支持向量机SVM，支持向量机SVM以初级学习器层的输出及权重作为输入利用核函数输出滑坡危险性分类结果；S3、采集研究区的滑坡数据输入滑坡危险性评价模型，然后输出滑坡危险性结果。本发明通过滑坡危险性评价模型的初级学习器层多个模型的训练及次级学习器层的模型训练，具有模型预测精度高、综合性高等优点，对于地质灾害隐患防范具有重要的意义。
-
公开(公告)号：CN117671437B
公开(公告)日：2024-06-18
申请号：CN202311359531.5
申请日：2023-10-19
Applicant: 中国矿业大学(北京)
IPC: G06V10/80 , G06V10/82 , G06V10/774 , G06V10/764 , G06N3/0464 , G06V20/10
Abstract: 本发明公开了一种基于多任务卷积神经网络的露天采场识别与变化检测方法，其方法包括：S1、采集研究区T1、T2两个时相的遥感影像数据，构建多任务卷积神经网络模型；S2、变化检测网络分支将第一识别网络分支得到的特征图与第二识别网络分支得到的特征图进行差分融合得到编码特征图，然后通过跳跃连接并进行特征融合得到特征图Dt‑5、Dt‑4、Dt‑3、Dt‑2；S3、变化检测网络分支将特征图Dt1‑2与特征图Dt2‑2进行差分融合得到特征图Da‑t2；S4、将特征图Dt‑2分别与通道注意力权重、空间注意力权重相乘运算得到特征图D′t‑2，然后通过上采样操作得到变化检测结果。本发明构建有基于孪生VGG‑16网络结构的多任务卷积神经网络模型，能够快速高效地应用于露天矿区采场识别与变化区域自动检测。
-
公开(公告)号：CN118134243A
公开(公告)日：2024-06-04
申请号：CN202410096809.2
申请日：2024-01-24
Applicant: 华亭煤业集团有限责任公司 , 中国矿业大学(北京)
IPC: G06Q10/0635 , G06N20/00 , G01D21/02
Abstract: 本发明公开了一种基于深度学习多指标气体煤自燃温度预测方法，涉及煤自燃温度预测技术领域，包括以下步骤：S101、使用地理信息系统划分煤储存或运输场所的区域，将其细分成多个子区域，每个子区域具有相对均匀的空间特征，并将每个子区域进行初始编号。本发明通过地理信息系统精细划分煤储存场所，提高了对空间异质性的准确考虑，为深度学习模型提供更准确的输入，标注多指标数据确保模型更精准地评估每个子区域的自燃风险，结合地理信息和多指标数据提高了整体预测的准确性，建立在每个子区域内的深度学习模型实现了全面考虑多因素对自燃风险的影响，实时监测和风险信号生成机制及时提醒工作人员，迅速采取措施，降低潜在损失。
-
Patent Agency Ranking
公开(公告)号：CN117725493A
公开(公告)日：2024-03-19
申请号：CN202311340078.3
申请日：2023-10-16
Applicant: 中国矿业大学(北京) , 中国自然资源航空物探遥感中心
IPC: G06F18/2411 , G06F18/214 , G06F18/243 , G06N3/09 , G06N3/082
Abstract: 本发明公开了一种基于改进型Stacking融合模型的滑坡危险性结果评价方法，其方法包括：S1、构建滑坡特征样本数据集，提取滑坡影响因子集并与滑坡危险性结果关联存储；S2、构建滑坡危险性评价模型，滑坡危险性评价模型包括初级学习器层和次级学习器层，次级学习器层包括支持向量机SVM，支持向量机SVM以初级学习器层的输出及权重作为输入利用核函数输出滑坡危险性分类结果；S3、采集研究区的滑坡数据输入滑坡危险性评价模型，然后输出滑坡危险性结果。本发明通过滑坡危险性评价模型的初级学习器层多个模型的训练及次级学习器层的模型训练，具有模型预测精度高、综合性高等优点，对于地质灾害隐患防范具有重要的意义。
-
公开(公告)号：CN115565063B
公开(公告)日：2023-04-11
申请号：CN202211133129.0
申请日：2022-09-16
Applicant: 中国矿业大学(北京)
IPC: G06V20/10 , G06V10/764
Abstract: 本发明公开了一种基于气候潜在补偿的矿区植被碳汇贡献量计算与分析方法，其方法如下：A、基于矿区构建出试验区，在试验区中选取研究区；B、计算对照区土地利用类型为草地、林地、耕地的植被潜在碳汇补偿值：C、研究区植被碳汇影响因子分析：C1、利用对照区植被碳汇的补偿值矫正计算得出研究区的理想植被碳汇，C2、根据计算模型得出研究区的气候气象与人类活动对植被碳汇影响。本发明对研究区土地进行精细分类，开展基于层次支持向量机的对照区选取，结合光能利用率和气候潜在模型构建潜在碳汇补偿值，精确获取矿区人类活动对植被碳汇的影响，进而实现矿区植被碳汇影响因子贡献的定量计算与分析，为矿区决策提供科学的数据支撑。
-
公开(公告)号：CN115170979B
公开(公告)日：2023-02-24
申请号：CN202210769160.7
申请日：2022-06-30
Applicant: 国家能源投资集团有限责任公司 , 北京低碳清洁能源研究院 , 中国矿业大学(北京) , 国家能源集团新疆能源有限责任公司
IPC: G06V20/13 , G06V20/10 , G06V20/70 , G06V10/80 , G06V10/44 , G06V10/54 , G06V10/58 , G06V10/764 , G06V10/771 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种多源数据融合的矿区精细用地分类方法，首先获取多源数据进行预处理并多尺度分割得到影像对象，并对影像对象裁剪高分影像块用于深度特征提取；然后，多分支卷积神经网络模型自动提取特征列向量和深度语义特征；利用多源特征深度融合模块进行特征融合并利用特征重要性权重计算模块计算多源数据深度特征重要性权重，实现有效信息的自适应融合；最后通过随机森林分类器利用深度融合特征进行矿区地物精细分类，得到矿区用地精细分类结果。本发明提供一种多源数据融合的矿区精细用地分类方法，实现了矿区精细用地分类，为矿区用地监测、管理和矿区生态环境保护提供基础数据支持，对于矿区用地监测管理与生态环境保护具有重要意义。
-
公开(公告)号：CN115546649A
公开(公告)日：2022-12-30
申请号：CN202211306355.4
申请日：2022-10-24
Applicant: 中国矿业大学(北京)
Abstract: 本发明公开了一种单视遥感影像高度估计和语义分割多任务预测方法，其方法包括：A、构建多任务网络模型；B、采集高分辨率光学遥感影像样本并得到样本数据集；C、将样本数据集中的光谱空间特征影像块输入多任务网络模型中；D、采集待预测的高分辨率光学遥感影像并裁剪成光谱空间特征影像块输入训练后的多任务网络模型，分别加权计算得到高度估计预测结果DSM和语义分割预测结果SS。本发明多尺度残差及可变形卷积网络能够实现多尺度特征提取，并能克服各类地物的复杂、异质和尺度差异大等问题，DSM与语义分割生成网络分别利用混合特征和优选特征进行DSM估计与语义分割，最终得到高精度的地物DSM估计结果与语义分割结果。
-
公开(公告)号：CN115128107B
公开(公告)日：2022-12-13
申请号：CN202210715474.9
申请日：2022-06-22
Applicant: 北京低碳清洁能源研究院 , 中国矿业大学(北京)
IPC: G01N23/046 , G01N23/20 , G01N24/08
Abstract: 本发明公开了一种水浸前后煤岩体孔隙结构与矿物成分重构表征方法，其方法如下：分别制备煤岩体样品A、煤岩体样品B，对煤岩体干燥样A、煤岩体干燥样B进行扫描；对煤岩体干燥样A、煤岩体干燥样B进行饱和浸水处理并分别进行扫描；将煤岩体饱水样B磨成粉通过X射线衍射仪得到矿物成分比重数据；采用核磁共振分析仪得出煤岩体饱水样A的孔隙与孔径比重数据；对煤岩体干燥样A、煤岩体饱水样A进行对比分析得到孔隙与孔径变化数据和矿物成分变化数据。本发明能够实现煤岩体在浸水前后的孔隙演变情况及矿物成分演变情况进行综合研究，能够精确表征出水岩作用下孔隙结构与矿物成分的变化数据，对煤岩体的结构性能研究具有重要意义。
-
-
-
-
-
-
-
-
-
Search Results
150
records
(took 0.034 seconds)
