-
公开(公告)号:CN119558634A
公开(公告)日:2025-03-04
申请号:CN202510128123.1
申请日:2025-02-05
Applicant: 中国矿业大学(北京)
IPC: G06Q10/0631 , G06Q10/047 , G06Q50/02 , G06N3/006
Abstract: 本发明提供了一种露天矿山运输调度方法及装置,涉及运输调度技术领域,本发明能够获取目标矿区的工程数据,根据工程数据和以总运输费用最低为目标构建的目标函数,采用基于梯度优化器的全局搜索算法,对目标矿区中各运输路线的运输次数进行迭代优化,得到目标运输次数方案,进而确定目标矿区的车辆调度方案。这样在确定目标矿区的车辆调度方案时,采用了基于梯度优化器的全局搜索算法,通过梯度搜索规则和局部逃逸操作符,可以避免粒子群类型方法对于多维优化问题运算效率低以及容易过早收敛的问题,能够更好的平衡前期勘探能力和后期开发能力,快速、准确的得出最优调度方案。
-
公开(公告)号:CN118501941B
公开(公告)日:2024-10-29
申请号:CN202410762673.4
申请日:2024-06-13
Applicant: 中国矿业大学(北京)
Abstract: 本发明公开了一种基于AIC与对数累积变化率的地震初至联合拾取方法,属于地球探测与信息技术领域,包括地震数据预处理;估算稳定因子;计算各时间样点的对数累积变化率;计算AIC值大小;对AIC进行排序并与参考道初至进行比较,确定最终初至时间。本发明采用上述的一种基于AIC与对数累积变化率的地震初至联合拾取方法,该方法通过联合AIC与对数累积变化率实现强噪音环境中能快速准确地拾取地震初至信息,具有计算效率高、抗噪性强、识别精度高且易于操作的优点,解决了低信噪比地震资料拾取效率和准确度较低的问题,在实际中具有较强的实用性及创新性。
-
公开(公告)号:CN118707591A
公开(公告)日:2024-09-27
申请号:CN202410762667.9
申请日:2024-06-13
Applicant: 中国矿业大学(北京)
Abstract: 本发明公开了一种地震面波多模态频散曲线自动拾取方法,属于地球探测与信息技术领域,包括对地震面波数据进行非归一化频散能量成像;对频散能量图分割并求取各个部分的最大值点;采用时间序列预测算法估算下一个频散曲线点;采用惩罚函数以预测点为中心进行上下搜索;向前向后搜索提取所有频散曲线点;采用评价函数选择最优频散曲线;当前模态置零后重新搜索下一个模态频散曲线。本发明采用上述的一种地震面波多模态频散曲线自动拾取方法,能够为后续面波反演提供准确、可靠的频散曲线数据,有助于地质灾害探测、工程地质勘察等方面,解决了频散曲线人工拾取效率低的问题,在实际中具有较强的实用性及创新性。
-
公开(公告)号:CN118136143B
公开(公告)日:2024-09-03
申请号:CN202410253563.5
申请日:2024-03-06
Applicant: 中国矿业大学(北京)
Abstract: 本发明提供了一种土壤水分蒸发损失率的确定方法、装置和电子设备,涉及水文技术领域,包括:确定目标区域内土壤水分的氢同位素含量初始值和氧同位素含量初始值;测定指定监测深度处土壤水分的氢同位素含量实际值和氧同位素含量实际值;利用预设同位素分馏模型对目标同位素含量实际值和目标同位素含量初始值进行处理,得到所述指定监测深度处土壤水分中目标同位素的蒸发损失率,以作为指定监测深度的土壤水分蒸发损失率。该方法操作简单,与传统方法相比,大大降低了人力物力投入。并且,该方法是对指定监测深度处进行原位土壤水分提取,可以有效避免土壤水稳定同位素的蒸发分馏,有利于长期监测土壤剖面的蒸发损失率变化。
-
公开(公告)号:CN118547014A
公开(公告)日:2024-08-27
申请号:CN202410933430.2
申请日:2024-07-12
Applicant: 中国矿业大学
Abstract: 本发明涉及新能源技术领域,具体涉及一种生物氢‑锂共轭提纯方法,采用如下步骤:S10:将生物发酵制氢过程中产生的伴生气体CO2作为粗Li2CO3提纯的工艺原料;S20:在28±2℃的温度范围和产氢菌发酵产生的生物压力条件下,完成CO2从生物反应器到锂提纯反应器的转移,借助Li2CO3低温高溶解度的特性,使Li2CO3在低温下与生物CO2反应生成水溶性LiHCO3,形成高纯度LiHCO3水溶液,同时在此过程中消耗掉从从生物反应器转移的的CO2,实现CO2从生物发酵端到锂提纯端的持续转移,实现生物氢与电池级碳酸锂的共轭提纯;它借助生物发酵自形成压力,在常温或略高温度下完成CO2的转移和锂的提纯,实现了生物氢和电池级碳酸锂的共轭提纯。
-
公开(公告)号:CN118152114A
公开(公告)日:2024-06-07
申请号:CN202410095730.8
申请日:2024-01-23
Applicant: 中国矿业大学(北京)
Abstract: 本发明实施例公开一种煤矿地学大数据处理系统及方法,涉及煤矿地学数字化技术领域,能够实现煤矿地学大数据的高效处理。所述系统包括:接收单元,用于接收煤矿地学大数据处理任务;处理单元,用于将所述煤矿地学大数据处理任务按照预设条件分配存储节点和/或计算节点完成煤矿地学大数据处理任务;其中,所述处理单元,包括:资源层,用于对存储层和计算层各节点进行管理;存储层,用于分析煤矿地学大数据任务的存储需求,满足煤矿地学大数据的存储和访问需求;计算层,用于满足煤矿地学大数据任务的计算和处理需求;调度层,用于煤矿地学大数据处理任务的调度和管理,实现任务的高效执行和资源的最优利用。本发明可用于煤矿行业。
-
公开(公告)号:CN118037804A
公开(公告)日:2024-05-14
申请号:CN202311438708.0
申请日:2023-11-01
Applicant: 中国矿业大学(北京)
IPC: G06T7/60
Abstract: 本发明涉及一种基于人工神经网络的煤岩层位快速校正方法,目的是实现煤岩层位测量厚度的快速校正,降低层位厚度的测量误差,提高煤岩层位测量精度。该方法步骤包括:1.在对原始数据进行预处理后,通过层位追踪算法,得到“空气‑煤”界面曲线和“煤‑岩”界面曲线,从而计算得到空气层和煤层厚度的测量值;2.用尺子进行实际测量,得到每一个空气层厚度和煤层厚度的真实值;3.基于空气层的真实值及测量值构建空气层厚度快速校正数据集;4.基于空气层和煤层厚度的真实值及测量值构建煤层厚度快速校正数据;5.基于空气层厚度快速校正数据集,进行人工神经网络构建和训练;6.基于煤层厚度快速校正数据集,进行人工神经网络构建和训练;7.利用步骤5中训练后的神经网络模型进行空气层厚度的校正;8.利用步骤6中训练后的神经网络模型进行煤层厚度的校正。
-
公开(公告)号:CN117590470B
公开(公告)日:2024-04-05
申请号:CN202410081061.9
申请日:2024-01-19
Applicant: 中国矿业大学(北京)
Abstract: 本发明公开了基于多重同步压缩变换的面波群速度频散能量成像方法,属于地球探测与信息技术领域,包括:输入地震数据进行增益、去噪及切除后得到增强的面波信号,对该面波数据每道进行多重同步压缩变换到时间‑频率域,将每道的时间‑频率域数据合并到一起产生一个三维时频数据体;对三维时频数据体提取共频率切片数据;对共频率切片数据采用相似系数法倾斜扫描叠加的方式计算面波群速度区间内不同速度的叠加能量;将不同频率不同面波群速度下的叠加能量合并在一起作为最终的面波频散能量图。本发明采用上述的基于多重同步压缩变换的面波群速度频散能量成像方法,显著提高了面波群速度频散谱的分辨率及抗噪性,并具有较高的计算效率。
-
公开(公告)号:CN117371209A
公开(公告)日:2024-01-09
申请号:CN202311321884.6
申请日:2023-10-12
Applicant: 中国矿业大学(北京)
IPC: G06F30/20 , G06F30/10 , G06F17/16 , G06F119/14
Abstract: 本发明提供了一种储层参数确定方法、装置和电子设备,涉及地质勘探的技术领域,包括:获取目标工区的地震角道集数据、层位信息、初始岩石物理模型和目标工区内指定测井的储层参数;确定目标工区的储层参数初始模型,包括:岩石物理参数的第一初始模型和弹性参数的第二初始模型;对初始岩石物理模型进行正演校准,得到目标工区的岩石物理正演表达函数;构建用于对目标工区内的储层参数进行反演的目标函数,对目标函数中的正则化参数进行优化调整,基于目标工区的地震角道集数据和储层参数初始模型对调整后的目标函数进行迭代求解,得到目标工区的储层参数。本发明采用弹性参数和岩石物理参数同时反演的方案,避免了误差积累,提高了反演精度。
-
公开(公告)号:CN116930869A
公开(公告)日:2023-10-24
申请号:CN202310689122.5
申请日:2023-06-12
Applicant: 中国矿业大学(北京)
Abstract: 本发明公开了一种少样本条件下的三维探地雷达空洞智能识别算法。结合三维探地雷达一次探测获得纵向、横向和水平三个切片的探测特点,提出了一种基于模型迁移的三维探地雷达空洞智能识别模型,首先通过正演模拟获得大量带有空洞病害的城市道路模型的三维探地雷达数据,分别在三个切片上对空洞检测数据进行智能识别模型预训练,再通过模型迁移的方式使用少量真实地下空洞数据加快模型训练的收敛速度,优化结构参数。本发明突破了三维雷达探测空洞数量样本不足对智能学习模型参数优化训练限制,提高了识别精确度。
-
-
-
-
-
-
-
-
-