-
公开(公告)号:CN118711001A
公开(公告)日:2024-09-27
申请号:CN202411206528.4
申请日:2024-08-30
申请人: 成都理工大学 , 中国科学院武汉岩土力学研究所
IPC分类号: G06V10/764 , G06V10/30 , G06N3/04 , G06N3/08 , G06V10/26
摘要: 本发明属于地下水状态识别技术领域,具体公开了一种掌子面地下水状态智能解析方法,包括采集完整的掌子面图像,并对图像进行去噪处理;将去噪处理后的掌子面图像裁剪为局部图像,构建是否含水数据库与含水状态数据库;构建分类分割两步神经网络模型,并将数据库中的图像数据输入分类分割两步神经网络模型进行训练;利用训练好的分类分割两步神经网络模型进行是否含有地下水以及地下水状态的划定,并输出判定结果。本发明在标识掌子面图像中不同地下水状态方面表现出了较好的性能。解决了现有对地下水状态的判别方式难以实现全面描述和判断整个掌子面地下水状态,并且容易出现误差的问题。
-
公开(公告)号:CN116299684B
公开(公告)日:2023-07-21
申请号:CN202310557711.8
申请日:2023-05-17
申请人: 成都理工大学
IPC分类号: G01V1/28 , G06F18/24 , G06F18/214 , G06N3/04 , G06N3/08
摘要: 本发明涉及隧道与地下工程的勘察设计技术领域,涉及一种基于人工神经网络中双模态神经元的新型微震分类方法,包括:步骤一、采集深部隧道微震监测数据,从时域和频域两个角度观察微震数据的特征,建立数据集;步骤二、采用ST将时域信号转换为频域信号;随机将数据集分为90%的训练数据集和10%的测试数据集;步骤三、引入残余注意力、空间注意力、双卷积注意力来关注波形的突出特征;步骤四、创建双模态微震分类网,同时提取时域和频域特征,实现波形多分类;步骤五、引入k‑fold交叉验证来评估一些特殊或低质量特征对数据集的影响。本发明能较佳地进行微震分类。
-
公开(公告)号:CN116595335A
公开(公告)日:2023-08-15
申请号:CN202310600008.0
申请日:2023-05-25
申请人: 成都理工大学
IPC分类号: G06F18/20 , G06Q10/0635 , G06Q50/08
摘要: 本发明公开了岩爆微震预测技术领域的一种岩爆微震参数多元多时步输出预测模型,通过如下步骤构建:步骤1、在隧洞开挖过程中开展岩爆微震监测,获取岩爆孕育过程中的多参量的微震监测信息;步骤2、对已发生的岩爆进行地质踏勘和微震监测信息解译,确定岩爆等级;步骤3、建立不同等级的岩爆样本库和对应的微震监测信息样本库;步骤4、通过深度学习的方法构建预测模型;步骤5、对构建的预测模型进行训练;步骤6、使用岩爆微震参数多元多时步预测模型进行微震参数演化的预测,提前预测和推断岩爆风险。本发明,能够实现未来微震参数的准确预测,提升岩爆预警的时效性,为后续岩爆灾害动态预警提供数据基础和支撑。
-
公开(公告)号:CN116299684A
公开(公告)日:2023-06-23
申请号:CN202310557711.8
申请日:2023-05-17
申请人: 成都理工大学
IPC分类号: G01V1/28 , G06F18/24 , G06F18/214 , G06N3/04 , G06N3/08
摘要: 本发明涉及隧道与地下工程的勘察设计技术领域,涉及一种基于人工神经网络中双模态神经元的新型微震分类方法,包括:步骤一、采集深部隧道微震监测数据,从时域和频域两个角度观察微震数据的特征,建立数据集;步骤二、采用ST将时域信号转换为频域信号;随机将数据集分为90%的训练数据集和10%的测试数据集;步骤三、引入残余注意力、空间注意力、双卷积注意力来关注波形的突出特征;步骤四、创建双模态微震分类网,同时提取时域和频域特征,实现波形多分类;步骤五、引入k‑fold交叉验证来评估一些特殊或低质量特征对数据集的影响。本发明能较佳地进行微震分类。
-
公开(公告)号:CN116644342A
公开(公告)日:2023-08-25
申请号:CN202310497459.6
申请日:2023-05-05
申请人: 中国国家铁路集团有限公司 , 成都理工大学 , 中铁二院工程集团有限责任公司
发明人: 马春驰 , 严文金 , 徐正宣 , 李天斌 , 王栋 , 卢向前 , 扈森 , 马俊杰 , 代坤坤 , 张航 , 朱泳标 , 杨科 , 林之恒 , 张夏临 , 邹杨 , 方振华 , 李天雨 , 王波
IPC分类号: G06F18/241 , G06F18/2415 , G06N3/0464 , G06N3/048 , G06N3/0985
摘要: 本发明公开了一种基于高分辨率网络的隧道围岩智能分级方法,包括:建立分级指标体系并对指标进行评价;采用独热编码方法对围岩分级指标进行数值离散化,建立围岩分级样本库;构建高分辨率网络,通过贝叶斯优化高分辨率网络的超参数;选择围岩分级指标,作为高分辨率网络的输入:通过所述高分辨率网络的迭代,并应用对应围岩分级训练集训练学习得到的网络权重参数,输出围岩对应分级评定;再根据所得到的围岩分级评定,返回隧道掌子面对应的围岩分级评定结果;本发明基于深度学习的围岩分级方法可以通过训练深度神经网络自动学习特征,从而实现对围岩进行智能分级,减少了人工操作,降低了成本,提高了分级效率和准确度。
-
公开(公告)号:CN115758792A
公开(公告)日:2023-03-07
申请号:CN202211549803.3
申请日:2022-12-05
申请人: 成都理工大学
IPC分类号: G06F30/20 , G06F111/10 , G06F119/14
摘要: 本发明实施例提供了一种基于数字数值一体化的地质灾害评估方法及装置,本发明首先基于收集的地质信息数据,建立评估区域的三维地质模型以及地质信息模型,然后将所述三维地质模型数值化得到数值模型,通过所述数值模型计算得到评估区域的应力场,再将所述应力场添加到所述地质信息模型,得到数字数值一体化地质信息模型,最后基于所述数字数值一体化地质信息模型对不同地质灾害进行评估,得到评估结果。本发明实施例提供的基于数字数值一体化的地质灾害评估方法,将三维地质模型的数据简便应用在数值模拟处理过程中,结合了EVS强大的三维地质建模能力和FLAC3D数值模拟强大的计算能力,使得对地质灾害的评估更加简便、准确。
-
-
-
-
-