CN107093002A - 一种基于云计算的钻孔封闭质量分类及危险性评价系统 - Google Patents

一种基于云计算的钻孔封闭质量分类及危险性评价系统 Download PDF

Info

Publication number
CN107093002A
CN107093002A CN201710120957.3A CN201710120957A CN107093002A CN 107093002 A CN107093002 A CN 107093002A CN 201710120957 A CN201710120957 A CN 201710120957A CN 107093002 A CN107093002 A CN 107093002A
Authority
CN
China
Prior art keywords
mrow
msubsup
msub
mfrac
module
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710120957.3A
Other languages
English (en)
Inventor
张建国
吕有厂
高明忠
王满
孙矩正
陈召繁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan University
Pingdingshan Tianan Coal Mining Co Ltd
China Pingmei Shenma Energy and Chemical Group Co Ltd
Original Assignee
Sichuan University
Pingdingshan Tianan Coal Mining Co Ltd
China Pingmei Shenma Energy and Chemical Group Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sichuan University, Pingdingshan Tianan Coal Mining Co Ltd, China Pingmei Shenma Energy and Chemical Group Co Ltd filed Critical Sichuan University
Priority to CN201710120957.3A priority Critical patent/CN107093002A/zh
Publication of CN107093002A publication Critical patent/CN107093002A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)

Abstract

本发明公开了一种基于云计算的钻孔封闭质量分类及危险性评价系统，包括查询终端和云计算服务器，查询终端由微处理器、显示模块、警示模块、输入模块和供电模块构成；云计算服务器的输出端分别与外存储器、应急方案制定模块、分类模块、危险性评价模块和查询模块的输入端电性连接；云计算服务器分别与RAM存储器、MRAM存储器和数据库电性连接；云计算服务器的输出端通过GPRS网络与云端存储器的输入端连接；分类模块的输出端分别与第一闪存卡和第二闪存卡的输入端电性连接，该发明的有益效果是钻孔封闭质量分析、分类和危险性评价效率高，相关数据存储安全，可以迅速导出钻孔封闭质量不合格的原因以及制定相应的应急措施。

Description

一种基于云计算的钻孔封闭质量分类及危险性评价系统
技术领域
本发明属于煤矿生产领域，尤其涉及一种基于云计算的钻孔封闭质量分类及危险性评价系统。
背景技术
封闭不良钻孔是导致煤矿突(涌)水事故的一个重要影响因素。在不同历史时期施工的钻孔，由于各种原因导致一些钻孔存在封闭质量问题，给煤矿开采带来了重大隐患。封闭不良钻孔可以导通地表水、含水层水、老空水、也可以导通煤层或者老空中瓦斯或者有害气体，还可以引起煤层自燃。废气钻孔隐蔽性强，垂向深度大，生产中很难防范，而由于钻孔平面上影响范围小，往往容易被忽视，因此导致重大事故。
但是现有的钻孔封闭质量分类及危险性评价系统的本地数据存储不够安全，导致数据的丢失，由于采用简单的存储方式会产生大量重复或者无效的数据，这对数据的存储、挖掘和分析造成额外负担；另一方面现有的钻孔封闭质量分类及危险性评价系统不具备钻孔不合格所采用的应急措施功能，使得系统的实用性能大大降低。
发明内容
本发明的目的在于提供一种基于云计算的钻孔封闭质量分类及危险性评价系统，旨在解决是现有的钻孔封闭质量分类及危险性评价系统的本地数据存储不够安全，导致数据的丢失，由于采用简单的存储方式会产生大量重复或者无效的数据，这对数据的存储、挖掘和分析造成额外负担；另一方面现有的钻孔封闭质量分类及危险性评价系统不具备钻孔不合格所采用的应急措施功能，使得系统的实用性能大大降低的问题。
本发明是这样实现的，一种基于云计算的钻孔封闭质量分类及危险性评价系统，包括查询终端和云计算服务器，所述查询终端由微处理器、显示模块、警示模块、输入模块和供电模块构成；
所述微处理器的输出端分别与显示模块和警示模块的输入端电性连接；所述微处理器的输入端分别与输入模块和供电模块的输出端电性连接；
所述微处理器通过以太网与数据交换机连接；
所述云计算服务器通过以太网与数据交换机连接；
所述云计算服务器的输入端与数据更新模块的输出端电性连接；
所述云计算服务器的输出端分别与外存储器、应急方案制定模块、分类模块、危险性评价模块和查询模块的输入端电性连接；
所述云计算服务器的输出端通过采集数据分析模块与数据处理模块的输入端电性连接；
所述云计算服务器分别与RAM存储器、MRAM存储器和数据库电性连接；
所述云计算服务器的输出端通过GPRS网络与云端存储器的输入端连接；
所述分类模块的输出端分别与第一闪存卡和第二闪存卡的输入端电性连接；
所述查询终端的外壳采用防爆材料构件制成，所述显示模块具体为防爆LED显示屏，所述警示模块具体为LED闪烁灯，所述外存储器的输出端与数据更新模块的输入端电性连接。该系统通过以下方法实现钻孔封闭质量分类及危险性评价；
所述基于云计算的钻孔封闭质量分类及危险性评价系统的基于云计算的钻孔封闭质量分类及危险性评价方法包括：
步骤一、根据钻孔基本信息数据库、钻孔封闭用料体积和质量数据库以及钻孔煤层信息数据库三部分，确定钻孔目标储层中水平段中地质突变的预测区域；
步骤二、根据矩形成像器件的边长以及当前待检测区域的周视角和俯仰角，调整全景镜头在焦平面上所成圆形全景像，使得所述全景镜头在焦平面上所成圆形全景像的直径大于矩形成像器件的短边长度；
步骤三、生成具有约束条件的地面模型及钻井轨道模型,建立通用的靶平面方程以及靶点坐标系与井口坐标系之间的坐标转换关系，以适用于各种井型的靶平面；
步骤四、将钻孔基本信息数据实时上传云计算中心；
步骤五、初始化钻孔基本信息数据的种群规模，并且设置种群最大迭代次数；
步骤六、按照编码规则随机生成染色体，将云任务抽象为染色体的编码输入，染色体中的每个基因为该云任务中的子任务，染色体的位序号表示每个子任务代表分配到虚拟机的号码；然后判断染色体是否满足预期的Qos，若满足，则将该染色体加入到初始种群中，若不满足，则丢弃该染色体，直到达到初始种群的规模；
步骤七、对接收到的用户存储服务请求进行判断，如果不符合服务要求则返回错误信息；符合服务要求则由全局资源调度器为存储服务请求分配资源；
步骤八、基于实钻轨迹最后两测点的测斜数据，计算末测段的轨迹特征参数，所述测斜数据为井深、井斜角、方位角，所述轨迹特征参数用于表征最后测段的轨迹形状；
步骤九、将全景原始图像进行色度补偿以得到补偿后图像，将该补偿后的图像与轨迹特征参数进行拼接，从多个拼接图像中定义供处理的一组图像，使该组图像内的至少一个成分对齐，通过对一个或者更多个图像进行剪裁、调整大小和旋转来变换经过对齐的图像中的一个或者更多个以产生一系列经过变换的图像；
步骤十、钻孔封闭质量分类评价方法从钻孔图像、钻孔封孔材料的用量、钻孔封闭段距三个方面分别对钻孔的封闭质量进行分类定量评价，至少两方面评价结果合格则判定为该钻孔的封闭质量合格，否则，则判定其为封闭不良钻孔；
步骤十一、封闭不良钻孔导水危险性评价由各个引发钻孔导水危险性影响因素的影响指数计算和BP人工神经网络模块预测两部分组成；
钻孔基本信息数据库又包含钻孔基本信息，钻孔封闭信息、第四系及泥灰岩含水层信息；其中基本信息包括钻孔序号、名称、纬距、经距、孔口标高、钻孔深度、终孔层位；钻孔封闭信息包括封闭钻孔结构、钻孔封闭起止深度、封孔材料及用量、封孔概况及取样质量；第四系及泥灰岩含水层信息包括第四系含水层底板标高，泥灰岩底板标高及厚度；
钻孔封闭用料体积和质量数据库包含了钻孔结构信息和封闭段距信息，钻孔结构信息包括孔径，起始深度和终止深度，封闭段距信息包括钻孔封闭段距的起始深度、终止深度、水泥用量和砂用量；
钻孔煤层信息数据库包含了钻孔所穿切的各煤层的底板标高，煤层厚度，以及封孔段距的起始和终止高度，孔口标高和最高水位；
导水危险性影响因素包括充水水源、地质构造、采掘活动，充水水源又包含第四系含水层、泥岩含水层以及老空水三个子因素，地质构造包含断层、褶皱，采掘活动包括导水裂隙带发育高度以及底板破坏深度，通过系统计算各个影响因素的导水危险性影响指数；BP人工神经网络预测模块包括各个参数设置、样本训练和样本预测。
将全景原始图像由原始封闭钻孔图像拼接而成，生成经过拼接的图像的数据矩阵，并对数据矩阵进行中心化或标准化，计算中心化或标准化后的所述数据矩阵的方差矩阵，将方差矩阵的特征多项式转换为高次特征多项式，根据下式对所述数据矩阵进行标准化：
式中：
得到：
A＝(Aij)m×n；
m为数据矩阵的行数，n为数据矩阵的列数，i＝1,2,…,m，j＝1,2,…,n；Xij为数据矩阵中第i行第j列的数据。
进一步，所述微处理器设置有分布式功率控制模块，所述分布式功率控制模块基于有限差分算法求解上述哈密顿-雅可比-贝尔曼方程和福克-普朗克-柯尔莫戈洛夫方程，从而得出干扰感知功率控制策略；
所述哈密顿-雅可比-贝尔曼方程为：
其中
所述福克-普朗克-柯尔莫戈洛夫方程为：
进一步，所述分布式功率控制模块的分布式功率控制方法包括以下步骤：
步骤一，初始化，并将时间间隔，主干扰源的状态空间和一般干扰的状态空间进行离散化；所述时间间隔，主干扰源的状态空间和一般干扰的状态空间将被离散化为X×Y×Z的空间，时间，能量，干扰空间的迭代步长为：
步骤二，判断是否符合迭代条件，若是进行下一步，否则停止迭代；所述迭代条件是指是t,o,i同时符合t＝1:s,o＝1:Y且i＝1:Z，符合条件时进行下一步，否则停止迭代；其中s、Y和Z的值在初始化时给出；
步骤三，升级干扰平均场，并判断功率水平是否为零，如果是则进一步升级干扰平均场，如果否则干扰平均场为零；所述升级干扰平均场时使用公式：
其中是离散网格中任一点(t,o,i)处的平均场值，和分别是主干扰源和一般干扰的方差，so和si分别是主干扰源o和一般用户的i的状态动力学，δo和δi是迭代步长，其中
步骤四，更新拉格朗日算子和功率水平，根据迭代条件，重复步骤二到步骤四；更新拉格朗日算子时使用式：
其中和分别是离散网格中任一点(t,o,i)处的平均场值和成本函数值，和分别是主干扰源和一般干扰的方差，so和si分别是主干扰源o和一般用户的i的状态动力学，δo、δi和δt是迭代步长，其中
主干扰源o的功率水平的更新使用如下方式：
其中和分别是离散网格中任一点(t,o,i)处的平均场值和成本函数值，so和si分别是主干扰源o和一般用户的i的状态动力学，是主干扰源的发射功率，δo和δi是迭代步长，其中
一般用户i的功率水平的更新使用如下方式：
其中各字母的含义参考如上，是一般用户主干扰源的发射功率。
本发明提供的基于云计算的钻孔封闭质量分类及危险性评价系统，通过采集数据分析模块和数据处理模块对输入数据进行分析处理，钻孔封闭质量分析、分类和危险性评价效率高；RAM存储器、MRAM存储器和数据库的配合使用，可对数据的信息进行对比，采样和查询；第一闪存卡、第二闪存卡和云端存储器的使用，使得相关数据存储安全，不会出现混乱和遗漏的问题；应急方案制定模块可以迅速判断导致钻孔封闭质量不合格的原因以及制定相应的应急措施。钻孔封闭质量分类评价方法从钻孔图像、钻孔封孔材料的用量、钻孔封闭段距三个方面分别对钻孔的封闭质量进行分类定量评价，至少两方面评价结果合格则判定为该钻孔的封闭质量合格，否则，则判定其为封闭不良钻孔；封闭不良钻孔导水危险性评价由各个引发钻孔导水危险性影响因素的影响指数计算和BP人工神经网络模块预测两部分组成。全面评估各个钻孔对煤层开采的影响程度，得出钻孔封闭质量分类评价结果，确保了安全生产，可为煤矿封闭钻孔的调查及治理提供可借鉴的经验。
附图说明
图1是本发明实施例提供的基于云计算的钻孔封闭质量分类及危险性评价系统结构示意图。
图中：1、查询终端；2、微处理器；3、显示模块；4、警示模块；5、输入模块；6、供电模块；7、以太网；8、数据交换机；9、云计算服务器；10、数据更新模块；11、外存储器；12、应急方案制定模块；13、分类模块；14、危险性评价模块；15、查询模块；16、采集数据分析模块；17、数据处理模块；18、RAM存储器；19、MRAM存储器；20、数据库；21、GPRS网络；22、云端存储器；23、第一闪存卡；24、第二闪存卡。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图对本发明的应用原理作详细的描述。
下面结合图1对本发明的结构作详细的描述。
本发明实施例提供的基于云计算的钻孔封闭质量分类及危险性评价系统，包括查询终端1和云计算服务器9，所述查询终端1由微处理器2、显示模块3、警示模块4、输入模块5和供电模块6构成；所述微处理器2的输出端分别与显示模块3和警示模块4的输入端电性连接；所述微处理器2的输入端分别与输入模块5和供电模块6的输出端电性连接；所述微处理器2通过以太网7与数据交换机8连接；所述云计算服务器9通过以太网7与数据交换机8连接；所述云计算服务器9的输入端与数据更新模块10的输出端电性连接；所述云计算服务器9的输出端分别与外存储器11、应急方案制定模块12、分类模块13、危险性评价模块14和查询模块15的输入端电性连接；所述云计算服务器9的输出端通过采集数据分析模块16与数据处理模块17的输入端电性连接；所述云计算服务器9分别与RAM存储器18、MRAM存储器19和数据库20电性连接；所述云计算服务器9的输出端通过GPRS网络21与云端存储器22的输入端连接；所述分类模块13的输出端分别与第一闪存卡23和第二闪存卡24的输入端电性连接。
进一步，所述查询终端1的外壳采用防爆材料构件制成。
进一步，所述显示模块3具体为防爆LED显示屏。
进一步，所述警示模块4具体为LED闪烁灯。
进一步，所述外存储器11的输出端与数据更新模块10的输入端电性连接。
进一步，所述微处理器设置有分布式功率控制模块，所述分布式功率控制模块基于有限差分算法求解上述哈密顿-雅可比-贝尔曼方程和福克-普朗克-柯尔莫戈洛夫方程，从而得出干扰感知功率控制策略；
所述哈密顿-雅可比-贝尔曼方程为：
其中
所述福克-普朗克-柯尔莫戈洛夫方程为：
进一步，所述分布式功率控制模块的分布式功率控制方法包括以下步骤：
步骤一，初始化，并将时间间隔，主干扰源的状态空间和一般干扰的状态空间进行离散化；所述时间间隔，主干扰源的状态空间和一般干扰的状态空间将被离散化为X×Y×Z的空间，时间，能量，干扰空间的迭代步长为：
步骤二，判断是否符合迭代条件，若是进行下一步，否则停止迭代；所述迭代条件是指是t,o,i同时符合t＝1:s,o＝1:Y且i＝1:Z，符合条件时进行下一步，否则停止迭代；其中s、Y和Z的值在初始化时给出；
步骤三，升级干扰平均场，并判断功率水平是否为零，如果是则进一步升级干扰平均场，如果否则干扰平均场为零；所述升级干扰平均场时使用公式：
其中是离散网格中任一点(t,o,i)处的平均场值，和分别是主干扰源和一般干扰的方差，so和si分别是主干扰源o和一般用户的i的状态动力学，δo和δi是迭代步长，其中
步骤四，更新拉格朗日算子和功率水平，根据迭代条件，重复步骤二到步骤四；更新拉格朗日算子时使用式：
其中和分别是离散网格中任一点(t,o,i)处的平均场值和成本函数值，和分别是主干扰源和一般干扰的方差，so和si分别是主干扰源o和一般用户的i的状态动力学，δo、δi和δt是迭代步长，其中
主干扰源o的功率水平的更新使用如下方式：
其中和分别是离散网格中任一点(t,o,i)处的平均场值和成本函数值，so和si分别是主干扰源o和一般用户的i的状态动力学，是主干扰源的发射功率，δo和δi是迭代步长，其中
一般用户i的功率水平的更新使用如下方式：
其中各字母的含义参考如上，是一般用户主干扰源的发射功率。
本发明的实施例提供了基于云计算的钻孔封闭质量分类及危险性评价方法包括以下步骤：
步骤一、根据钻孔基本信息数据库、钻孔封闭用料体积和质量数据库以及钻孔煤层信息数据库三部分，确定钻孔目标储层中水平段中地质突变的预测区域；
步骤二、根据矩形成像器件的边长以及当前待检测区域的周视角和俯仰角，调整全景镜头在焦平面上所成圆形全景像，使得所述全景镜头在焦平面上所成圆形全景像的直径大于矩形成像器件的短边长度；
步骤三、生成具有约束条件的地面模型及钻井轨道模型,建立通用的靶平面方程以及靶点坐标系与井口坐标系之间的坐标转换关系，以适用于各种井型的靶平面；
步骤四、将钻孔基本信息数据实时上传云计算中心；
步骤五、初始化钻孔基本信息数据的种群规模，并且设置种群最大迭代次数；
步骤六、按照编码规则随机生成染色体，将云任务抽象为染色体的编码输入，染色体中的每个基因为该云任务中的子任务，染色体的位序号表示每个子任务代表分配到虚拟机的号码；然后判断染色体是否满足预期的Qos，若满足，则将该染色体加入到初始种群中，若不满足，则丢弃该染色体，直到达到初始种群的规模；
步骤七、对接收到的用户存储服务请求进行判断，如果不符合服务要求则返回错误信息；符合服务要求则由全局资源调度器为存储服务请求分配资源；
步骤八、基于实钻轨迹最后两测点的测斜数据，计算末测段的轨迹特征参数，所述测斜数据为井深、井斜角、方位角，所述轨迹特征参数用于表征最后测段的轨迹形状；
步骤九、将全景原始图像进行色度补偿以得到补偿后图像，将该补偿后的图像与轨迹特征参数进行拼接，从多个拼接图像中定义供处理的一组图像，使该组图像内的至少一个成分对齐，通过对一个或者更多个图像进行剪裁、调整大小和旋转来变换经过对齐的图像中的一个或者更多个以产生一系列经过变换的图像；
步骤十、钻孔封闭质量分类评价方法从钻孔图像、钻孔封孔材料的用量、钻孔封闭段距三个方面分别对钻孔的封闭质量进行分类定量评价，至少两方面评价结果合格则判定为该钻孔的封闭质量合格，否则，则判定其为封闭不良钻孔；
步骤十一、封闭不良钻孔导水危险性评价由各个引发钻孔导水危险性影响因素的影响指数计算和BP人工神经网络模块预测两部分组成。
进一步，钻孔基本信息数据库又包含钻孔基本信息，钻孔封闭信息、第四系及泥灰岩含水层信息；其中基本信息包括钻孔序号、名称、纬距、经距、孔口标高、钻孔深度、终孔层位；钻孔封闭信息包括封闭钻孔结构、钻孔封闭起止深度、封孔材料及用量、封孔概况及取样质量；第四系及泥灰岩含水层信息包括第四系含水层底板标高，泥灰岩底板标高及厚度；
钻孔封闭用料体积和质量数据库包含了钻孔结构信息和封闭段距信息，钻孔结构信息包括孔径，起始深度和终止深度，封闭段距信息包括钻孔封闭段距的起始深度、终止深度、水泥用量和砂用量；
钻孔煤层信息数据库包含了钻孔所穿切的各煤层的底板标高，煤层厚度，以及封孔段距的起始和终止高度，孔口标高和最高水位。
进一步，导水危险性影响因素包括充水水源、地质构造、采掘活动，充水水源又包含第四系含水层、泥岩含水层以及老空水三个子因素，地质构造包含断层、褶皱，采掘活动包括导水裂隙带发育高度以及底板破坏深度，通过系统计算各个影响因素的导水危险性影响指数；BP人工神经网络预测模块包括各个参数设置、样本训练和样本预测。
进一步，将全景原始图像由原始封闭钻孔图像拼接而成，生成经过拼接的图像的数据矩阵，并对数据矩阵进行中心化或标准化，计算中心化或标准化后的所述数据矩阵的方差矩阵，将方差矩阵的特征多项式转换为高次特征多项式，根据下式对所述数据矩阵进行标准化：
式中：
得到：
A＝(Aij)m×n；
m为数据矩阵的行数，n为数据矩阵的列数，i＝1,2,…,m，j＝1,2,…,n；Xij为数据矩阵中第i行第j列的数据。
工作原理：该基于云计算的钻孔封闭质量分类及危险性评价系统，工作人员通过输入模块5将钻孔封闭的相关数据输入到查询终端1中的微处理器2中，微处理器2通过以太网7和数据交换机8将数据发送云计算服务器9中，云计算服务器9利用采集数据分析模块16和数据处理模块17将数据进行双重分析处理，RAM存储器18、MRAM存储器19和数据库20的配合使用，可对钻孔的相关数据进行对比、采样和查询，通过分类模块13分别将合格和不合格的钻孔封闭质量情况存储到第一闪存卡23和第二闪存卡24中，利用外存储器11可将信息进行导出，同时利用外存储器11和数据更新模块10及时更新相关的地质情况和参数，云计算服务器9通过GPRS网络21将所有的数据存储到云端存储器22中，进一步的保证数据的安全存储，通过危险性评价模块14对钻孔的封闭质量情况进行危险性评价，并通过应急方案制定模块12迅速导出导致钻孔封闭质量不合格的原因以及制定相应的应急措施，并将钻孔封闭的质量情况和应急措施通过以太网7和数据交换机8发送到微处理器2中，微处理器2将相关信息通过显示模块3显示出来，并通过警示模块4发出警示讯号提醒工作人员，供电模块6为查询终端1提供电源，云计算服务器9利用查询模块15可以查询以往的钻孔封闭信息。
钻孔封闭质量分类评价方法从钻孔图像、钻孔封孔材料的用量、钻孔封闭段距三个方面分别对钻孔的封闭质量进行分类定量评价，至少两方面评价结果合格则判定为该钻孔的封闭质量合格，否则，则判定其为封闭不良钻孔；封闭不良钻孔导水危险性评价由各个引发钻孔导水危险性影响因素的影响指数计算和BP人工神经网络模块预测两部分组成。全面评估各个钻孔对煤层开采的影响程度，得出钻孔封闭质量分类评价结果，确保了安全生产，可为煤矿封闭钻孔的调查及治理提供可借鉴的经验。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种基于云计算的钻孔封闭质量分类及危险性评价系统，其特征在于，包括查询终端和云计算服务器，所述查询终端由微处理器、显示模块、警示模块、输入模块和供电模块构成；
所述微处理器的输出端分别与显示模块和警示模块的输入端电性连接；所述微处理器的输入端分别与输入模块和供电模块的输出端电性连接；
所述微处理器通过以太网与数据交换机连接；
所述云计算服务器通过以太网与数据交换机连接；
所述云计算服务器的输入端与数据更新模块的输出端电性连接；
所述云计算服务器的输出端分别与外存储器、应急方案制定模块、分类模块、危险性评价模块和查询模块的输入端电性连接；
所述云计算服务器的输出端通过采集数据分析模块与数据处理模块的输入端电性连接；
所述云计算服务器分别与RAM存储器、MRAM存储器和数据库电性连接；
所述云计算服务器的输出端通过GPRS网络与云端存储器的输入端连接；
所述分类模块的输出端分别与第一闪存卡和第二闪存卡的输入端电性连接；
所述查询终端的外壳采用防爆材料构件制成，所述显示模块具体为防爆LED显示屏，所述警示模块具体为LED闪烁灯，所述外存储器的输出端与数据更新模块的输入端电性连接；
所述基于云计算的钻孔封闭质量分类及危险性评价系统的基于云计算的钻孔封闭质量分类及危险性评价方法包括：
步骤一、根据钻孔基本信息数据库、钻孔封闭用料体积和质量数据库以及钻孔煤层信息数据库三部分，确定钻孔目标储层中水平段中地质突变的预测区域；
步骤二、根据矩形成像器件的边长以及当前待检测区域的周视角和俯仰角，调整全景镜头在焦平面上所成圆形全景像，使得所述全景镜头在焦平面上所成圆形全景像的直径大于矩形成像器件的短边长度；
步骤三、生成具有约束条件的地面模型及钻井轨道模型,建立通用的靶平面方程以及靶点坐标系与井口坐标系之间的坐标转换关系，以适用于各种井型的靶平面；
步骤四、将钻孔基本信息数据实时上传云计算中心；
步骤五、初始化钻孔基本信息数据的种群规模，并且设置种群最大迭代次数；
步骤六、按照编码规则随机生成染色体，将云任务抽象为染色体的编码输入，染色体中的每个基因为该云任务中的子任务，染色体的位序号表示每个子任务代表分配到虚拟机的号码；然后判断染色体是否满足预期的Qos，若满足，则将该染色体加入到初始种群中，若不满足，则丢弃该染色体，直到达到初始种群的规模；
步骤七、对接收到的用户存储服务请求进行判断，如果不符合服务要求则返回错误信息；符合服务要求则由全局资源调度器为存储服务请求分配资源；
步骤八、基于实钻轨迹最后两测点的测斜数据，计算末测段的轨迹特征参数，所述测斜数据为井深、井斜角、方位角，所述轨迹特征参数用于表征最后测段的轨迹形状；
步骤九、将全景原始图像进行色度补偿以得到补偿后图像，将该补偿后的图像与轨迹特征参数进行拼接，从多个拼接图像中定义供处理的一组图像，使该组图像内的至少一个成分对齐，通过对一个或者更多个图像进行剪裁、调整大小和旋转来变换经过对齐的图像中的一个或者更多个以产生一系列经过变换的图像；
步骤十、钻孔封闭质量分类评价方法从钻孔图像、钻孔封孔材料的用量、钻孔封闭段距三个方面分别对钻孔的封闭质量进行分类定量评价，至少两方面评价结果合格则判定为该钻孔的封闭质量合格，否则，则判定其为封闭不良钻孔；
步骤十一、封闭不良钻孔导水危险性评价由各个引发钻孔导水危险性影响因素的影响指数计算和BP人工神经网络模块预测两部分组成；
钻孔基本信息数据库又包含钻孔基本信息，钻孔封闭信息、第四系及泥灰岩含水层信息；其中基本信息包括钻孔序号、名称、纬距、经距、孔口标高、钻孔深度、终孔层位；钻孔封闭信息包括封闭钻孔结构、钻孔封闭起止深度、封孔材料及用量、封孔概况及取样质量；第四系及泥灰岩含水层信息包括第四系含水层底板标高，泥灰岩底板标高及厚度；
钻孔封闭用料体积和质量数据库包含了钻孔结构信息和封闭段距信息，钻孔结构信息包括孔径，起始深度和终止深度，封闭段距信息包括钻孔封闭段距的起始深度、终止深度、水泥用量和砂用量；
钻孔煤层信息数据库包含了钻孔所穿切的各煤层的底板标高，煤层厚度，以及封孔段距的起始和终止高度，孔口标高和最高水位；
导水危险性影响因素包括充水水源、地质构造、采掘活动，充水水源又包含第四系含水层、泥岩含水层以及老空水三个子因素，地质构造包含断层、褶皱，采掘活动包括导水裂隙带发育高度以及底板破坏深度，通过系统计算各个影响因素的导水危险性影响指数；BP人工神经网络预测模块包括各个参数设置、样本训练和样本预测；
将全景原始图像由原始封闭钻孔图像拼接而成，生成经过拼接的图像的数据矩阵，并对数据矩阵进行中心化或标准化，计算中心化或标准化后的所述数据矩阵的方差矩阵，将方差矩阵的特征多项式转换为高次特征多项式，根据下式对所述数据矩阵进行标准化：
<mrow> <msub> <mi>A</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>=</mo> <mfrac> <mrow> <msub> <mi>X</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msub> <mover> <mi>X</mi> <mo>&amp;OverBar;</mo> </mover> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> </mrow> <msub> <mi>S</mi> <mi>j</mi> </msub> </mfrac> <mo>;</mo> </mrow>
式中：
<mrow> <msub> <mover> <mi>X</mi> <mo>&amp;OverBar;</mo> </mover> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>=</mo> <mfrac> <mn>1</mn> <mi>m</mi> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </munderover> <msub> <mi>X</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>;</mo> </mrow>
<mrow> <msub> <mi>S</mi> <mi>j</mi> </msub> <mo>=</mo> <msqrt> <mrow> <mfrac> <mn>1</mn> <mrow> <mi>m</mi> <mo>-</mo> <mn>1</mn> </mrow> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mi>=</mi> <mn>1</mn> </mrow> <mi>m</mi> </munderover> <msup> <mrow> <mo>(</mo> <msub> <mi>X</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msub> <mover> <mi>X</mi> <mo>&amp;OverBar;</mo> </mover> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> <mo>;</mo> </mrow>
得到：
A＝(Aij)m×n；
m为数据矩阵的行数，n为数据矩阵的列数，i＝1,2,…,m，j＝1,2,…,n；Xij为数据矩阵中第i行第j列的数据。
2.如权利要求1所述基于云计算的钻孔封闭质量分类及危险性评价系统，其特征在于，所述微处理器设置有分布式功率控制模块，所述分布式功率控制模块基于有限差分算法求解上述哈密顿-雅可比-贝尔曼方程和福克-普朗克-柯尔莫戈洛夫方程，从而得出干扰感知功率控制策略；
所述哈密顿-雅可比-贝尔曼方程为：
<mrow> <msub> <mo>&amp;part;</mo> <mi>t</mi> </msub> <mi>u</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>,</mo> <mi>s</mi> <mo>)</mo> </mrow> <mo>+</mo> <mfrac> <msubsup> <mi>&amp;sigma;</mi> <mi>o</mi> <mn>2</mn> </msubsup> <mn>2</mn> </mfrac> <msub> <mi>&amp;Delta;</mi> <msub> <mi>s</mi> <mi>o</mi> </msub> </msub> <mi>u</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>,</mo> <mi>s</mi> <mo>)</mo> </mrow> <mo>+</mo> <mfrac> <msubsup> <mi>&amp;sigma;</mi> <mi>i</mi> <mn>2</mn> </msubsup> <mn>2</mn> </mfrac> <msub> <mi>&amp;Delta;</mi> <msub> <mi>s</mi> <mi>i</mi> </msub> </msub> <mi>u</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>,</mo> <mi>s</mi> <mo>)</mo> </mrow> <mo>=</mo> <mi>H</mi> <mrow> <mo>(</mo> <mi>c</mi> <mo>,</mo> <msub> <mo>&amp;dtri;</mo> <mi>s</mi> </msub> <mi>u</mi> <mo>(</mo> <mrow> <mi>t</mi> <mo>,</mo> <mi>s</mi> </mrow> <mo>)</mo> <mo>)</mo> </mrow> <mo>;</mo> </mrow>
其中
所述福克-普朗克-柯尔莫戈洛夫方程为：
<mrow> <msub> <mo>&amp;part;</mo> <mi>t</mi> </msub> <mi>m</mi> <mrow> <mo>(</mo> <mrow> <mi>t</mi> <mo>,</mo> <mi>s</mi> </mrow> <mo>)</mo> </mrow> <mo>+</mo> <mfrac> <msubsup> <mi>&amp;sigma;</mi> <mi>o</mi> <mn>2</mn> </msubsup> <mn>2</mn> </mfrac> <msub> <mi>&amp;Delta;</mi> <msub> <mi>s</mi> <mi>o</mi> </msub> </msub> <mi>m</mi> <mrow> <mo>(</mo> <mrow> <mi>t</mi> <mo>,</mo> <mi>s</mi> </mrow> <mo>)</mo> </mrow> <mo>+</mo> <mfrac> <msubsup> <mi>&amp;sigma;</mi> <mi>i</mi> <mn>2</mn> </msubsup> <mn>2</mn> </mfrac> <msub> <mi>&amp;Delta;</mi> <msub> <mi>s</mi> <mi>i</mi> </msub> </msub> <mi>m</mi> <mrow> <mo>(</mo> <mrow> <mi>t</mi> <mo>,</mo> <mi>s</mi> </mrow> <mo>)</mo> </mrow> <mo>-</mo> <mfrac> <mrow> <mo>&amp;part;</mo> <msub> <mi>s</mi> <mi>o</mi> </msub> </mrow> <mrow> <mo>&amp;part;</mo> <mi>t</mi> </mrow> </mfrac> <msub> <mo>&amp;dtri;</mo> <msub> <mi>s</mi> <mi>o</mi> </msub> </msub> <mi>m</mi> <mrow> <mo>(</mo> <mrow> <mi>t</mi> <mo>,</mo> <mi>s</mi> </mrow> <mo>)</mo> </mrow> <mo>-</mo> <mfrac> <mrow> <mo>&amp;part;</mo> <msub> <mi>s</mi> <mi>i</mi> </msub> </mrow> <mrow> <mo>&amp;part;</mo> <mi>t</mi> </mrow> </mfrac> <msub> <mo>&amp;dtri;</mo> <msub> <mi>s</mi> <mi>i</mi> </msub> </msub> <mi>m</mi> <mrow> <mo>(</mo> <mrow> <mi>t</mi> <mo>,</mo> <mi>s</mi> </mrow> <mo>)</mo> </mrow> <mo>=</mo> <mn>0.</mn> </mrow>
3.如权利要求2所述基于云计算的钻孔封闭质量分类及危险性评价系统，其特征在于，所述分布式功率控制模块的分布式功率控制方法包括以下步骤：
步骤一，初始化，并将时间间隔，主干扰源的状态空间和一般干扰的状态空间进行离散化；所述时间间隔，主干扰源的状态空间和一般干扰的状态空间将被离散化为X×Y×Z的空间，时间，能量，干扰空间的迭代步长为：
<mrow> <msub> <mi>&amp;delta;</mi> <mi>t</mi> </msub> <mo>=</mo> <mfrac> <mi>T</mi> <mi>X</mi> </mfrac> <mo>,</mo> <msub> <mi>&amp;delta;</mi> <mi>o</mi> </msub> <mo>=</mo> <mfrac> <msub> <mi>I</mi> <mrow> <mi>o</mi> <mo>,</mo> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> </msub> <mi>Y</mi> </mfrac> <mo>,</mo> <msub> <mi>&amp;delta;</mi> <mi>i</mi> </msub> <mo>=</mo> <mfrac> <msub> <mi>I</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> </msub> <mi>Z</mi> </mfrac> <mo>;</mo> </mrow>
步骤二，判断是否符合迭代条件，若是进行下一步，否则停止迭代；所述迭代条件是指是t,o,i同时符合t＝1:s,o＝1:Y且i＝1:Z，符合条件时进行下一步，否则停止迭代；其中s、Y和Z的值在初始化时给出；
步骤三，升级干扰平均场，并判断功率水平是否为零，如果是则进一步升级干扰平均场，如果否则干扰平均场为零；所述升级干扰平均场时使用公式：
<mrow> <mfrac> <msubsup> <mi>m</mi> <mrow> <mi>o</mi> <mo>,</mo> <mi>i</mi> </mrow> <mrow> <mi>t</mi> <mo>+</mo> <mn>1</mn> </mrow> </msubsup> <msub> <mi>&amp;delta;</mi> <mi>t</mi> </msub> </mfrac> <mo>=</mo> <msubsup> <mi>m</mi> <mrow> <mi>o</mi> <mo>,</mo> <mi>i</mi> </mrow> <mi>t</mi> </msubsup> <mrow> <mo>(</mo> <mfrac> <mn>1</mn> <msub> <mi>&amp;delta;</mi> <mi>t</mi> </msub> </mfrac> <mo>-</mo> <mfrac> <msubsup> <mi>&amp;sigma;</mi> <mi>o</mi> <mn>2</mn> </msubsup> <mrow> <mn>2</mn> <msub> <mi>&amp;delta;</mi> <mi>o</mi> </msub> </mrow> </mfrac> <mo>-</mo> <mfrac> <msubsup> <mi>&amp;sigma;</mi> <mi>i</mi> <mn>2</mn> </msubsup> <mrow> <mn>2</mn> <msub> <mi>&amp;delta;</mi> <mi>i</mi> </msub> </mrow> </mfrac> <mo>-</mo> <mn>2</mn> <mfrac> <msub> <mi>s</mi> <mi>o</mi> </msub> <msubsup> <mi>&amp;delta;</mi> <mi>o</mi> <mn>2</mn> </msubsup> </mfrac> <mo>-</mo> <mn>2</mn> <mfrac> <msub> <mi>s</mi> <mi>i</mi> </msub> <msubsup> <mi>&amp;delta;</mi> <mi>i</mi> <mn>2</mn> </msubsup> </mfrac> <mo>)</mo> </mrow> <mo>+</mo> <msubsup> <mi>m</mi> <mrow> <mi>o</mi> <mo>-</mo> <mn>1</mn> <mo>,</mo> <mi>i</mi> </mrow> <mi>t</mi> </msubsup> <mrow> <mo>(</mo> <mfrac> <msubsup> <mi>&amp;sigma;</mi> <mi>o</mi> <mn>2</mn> </msubsup> <mrow> <mn>2</mn> <msub> <mi>&amp;delta;</mi> <mi>o</mi> </msub> </mrow> </mfrac> <mo>+</mo> <mfrac> <msub> <mi>s</mi> <mi>o</mi> </msub> <msubsup> <mi>&amp;delta;</mi> <mi>o</mi> <mn>2</mn> </msubsup> </mfrac> <mo>)</mo> </mrow> <mo>+</mo> <msubsup> <mi>m</mi> <mrow> <mi>o</mi> <mo>,</mo> <mi>i</mi> <mo>-</mo> <mn>1</mn> </mrow> <mi>t</mi> </msubsup> <mrow> <mo>(</mo> <mfrac> <msubsup> <mi>&amp;sigma;</mi> <mi>i</mi> <mn>2</mn> </msubsup> <mrow> <mn>2</mn> <msub> <mi>&amp;delta;</mi> <mi>i</mi> </msub> </mrow> </mfrac> <mo>+</mo> <mfrac> <msub> <mi>s</mi> <mi>i</mi> </msub> <msubsup> <mi>&amp;delta;</mi> <mi>i</mi> <mn>2</mn> </msubsup> </mfrac> <mo>)</mo> </mrow> <mo>+</mo> <msubsup> <mi>m</mi> <mrow> <mi>o</mi> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>i</mi> </mrow> <mi>t</mi> </msubsup> <mfrac> <msub> <mi>s</mi> <mi>o</mi> </msub> <msubsup> <mi>&amp;delta;</mi> <mi>o</mi> <mn>2</mn> </msubsup> </mfrac> <mo>+</mo> <msubsup> <mi>m</mi> <mrow> <mi>o</mi> <mo>,</mo> <mi>i</mi> <mo>+</mo> <mn>1</mn> </mrow> <mi>t</mi> </msubsup> <mfrac> <msub> <mi>s</mi> <mi>i</mi> </msub> <msubsup> <mi>&amp;delta;</mi> <mi>i</mi> <mn>2</mn> </msubsup> </mfrac> </mrow>
其中是离散网格中任一点(t,o,i)处的平均场值，和分别是主干扰源和一般干扰的方差，so和si分别是主干扰源o和一般用户的i的状态动力学，δo和δi是迭代步长，其中
步骤四，更新拉格朗日算子和功率水平，根据迭代条件，重复步骤二到步骤四；更新拉格朗日算子时使用式：
<mrow> <mtable> <mtr> <mtd> <mrow> <msub> <mi>L</mi> <mi>d</mi> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>X</mi> <mo>+</mo> <mn>1</mn> </mrow> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>o</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>Y</mi> <mo>+</mo> <mn>1</mn> </mrow> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>Z</mi> <mo>+</mo> <mn>1</mn> </mrow> </munderover> <msubsup> <mi>c</mi> <mrow> <mi>o</mi> <mo>,</mo> <mi>i</mi> </mrow> <mi>t</mi> </msubsup> <msubsup> <mi>m</mi> <mrow> <mi>o</mi> <mo>,</mo> <mi>i</mi> </mrow> <mi>t</mi> </msubsup> <mo>+</mo> <msubsup> <mi>&amp;lambda;</mi> <mrow> <mi>o</mi> <mo>,</mo> <mi>i</mi> </mrow> <mi>t</mi> </msubsup> <mfrac> <mrow> <msubsup> <mi>m</mi> <mrow> <mi>o</mi> <mo>,</mo> <mi>i</mi> </mrow> <mrow> <mi>t</mi> <mo>+</mo> <mn>1</mn> </mrow> </msubsup> <mo>-</mo> <msubsup> <mi>m</mi> <mrow> <mi>o</mi> <mo>,</mo> <mi>i</mi> </mrow> <mi>t</mi> </msubsup> </mrow> <msub> <mi>&amp;delta;</mi> <mi>o</mi> </msub> </mfrac> <mo>+</mo> <mfrac> <msubsup> <mi>&amp;sigma;</mi> <mi>o</mi> <mn>2</mn> </msubsup> <mn>2</mn> </mfrac> <mfrac> <mrow> <msubsup> <mi>m</mi> <mrow> <mi>o</mi> <mo>,</mo> <mi>i</mi> </mrow> <mi>t</mi> </msubsup> <mo>-</mo> <msubsup> <mi>m</mi> <mrow> <mi>o</mi> <mo>-</mo> <mn>1</mn> <mo>,</mo> <mi>i</mi> </mrow> <mi>t</mi> </msubsup> </mrow> <msub> <mi>&amp;delta;</mi> <mi>o</mi> </msub> </mfrac> <mo>+</mo> <mfrac> <msubsup> <mi>&amp;sigma;</mi> <mi>i</mi> <mn>2</mn> </msubsup> <mn>2</mn> </mfrac> <mfrac> <mrow> <msubsup> <mi>m</mi> <mrow> <mi>o</mi> <mo>,</mo> <mi>i</mi> </mrow> <mi>t</mi> </msubsup> <mo>-</mo> <msubsup> <mi>m</mi> <mrow> <mi>o</mi> <mo>,</mo> <mi>i</mi> <mo>-</mo> <mn>1</mn> </mrow> <mi>t</mi> </msubsup> </mrow> <msub> <mi>&amp;delta;</mi> <mi>i</mi> </msub> </mfrac> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>-</mo> <msub> <mi>s</mi> <mi>o</mi> </msub> <mfrac> <mrow> <msubsup> <mi>m</mi> <mrow> <mi>o</mi> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>i</mi> </mrow> <mi>t</mi> </msubsup> <mo>-</mo> <mn>2</mn> <msubsup> <mi>m</mi> <mrow> <mi>o</mi> <mo>,</mo> <mi>i</mi> </mrow> <mi>t</mi> </msubsup> <mo>+</mo> <msubsup> <mi>m</mi> <mrow> <mi>o</mi> <mo>-</mo> <mn>1</mn> <mo>,</mo> <mi>i</mi> </mrow> <mi>t</mi> </msubsup> </mrow> <msubsup> <mi>&amp;delta;</mi> <mi>o</mi> <mn>2</mn> </msubsup> </mfrac> <mo>-</mo> <msub> <mi>s</mi> <mi>i</mi> </msub> <mfrac> <mrow> <msubsup> <mi>m</mi> <mrow> <mi>o</mi> <mo>,</mo> <mi>i</mi> <mo>+</mo> <mn>1</mn> </mrow> <mi>t</mi> </msubsup> <mo>-</mo> <mn>2</mn> <msubsup> <mi>m</mi> <mrow> <mi>o</mi> <mo>,</mo> <mi>i</mi> </mrow> <mi>t</mi> </msubsup> <mo>+</mo> <msubsup> <mi>m</mi> <mrow> <mi>o</mi> <mo>,</mo> <mi>i</mi> <mo>-</mo> <mn>1</mn> </mrow> <mi>t</mi> </msubsup> </mrow> <msubsup> <mi>&amp;delta;</mi> <mi>i</mi> <mn>2</mn> </msubsup> </mfrac> </mrow> </mtd> </mtr> </mtable> <mo>;</mo> </mrow>
其中和分别是离散网格中任一点(t,o,i)处的平均场值和成本函数值，和分别是主干扰源和一般干扰的方差，so和si分别是主干扰源o和一般用户的i的状态动力学，δo、δi和δt是迭代步长，其中
主干扰源o的功率水平的更新使用如下方式：
<mrow> <msubsup> <mi>m</mi> <mrow> <mi>o</mi> <mo>,</mo> <mi>i</mi> </mrow> <mi>t</mi> </msubsup> <mfrac> <mrow> <mo>&amp;part;</mo> <msubsup> <mi>c</mi> <mrow> <mi>o</mi> <mo>,</mo> <mi>i</mi> </mrow> <mi>t</mi> </msubsup> </mrow> <mrow> <mo>&amp;part;</mo> <msubsup> <mi>p</mi> <mi>o</mi> <mi>t</mi> </msubsup> </mrow> </mfrac> <mo>-</mo> <mfrac> <mrow> <mo>&amp;part;</mo> <msub> <mi>s</mi> <mi>o</mi> </msub> </mrow> <mrow> <mo>&amp;part;</mo> <msubsup> <mi>p</mi> <mi>o</mi> <mi>t</mi> </msubsup> </mrow> </mfrac> <mfrac> <mrow> <msubsup> <mi>&amp;lambda;</mi> <mrow> <mi>o</mi> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>i</mi> </mrow> <mi>t</mi> </msubsup> <mo>-</mo> <mn>2</mn> <msubsup> <mi>&amp;lambda;</mi> <mrow> <mi>o</mi> <mo>,</mo> <mi>i</mi> </mrow> <mi>t</mi> </msubsup> <mo>+</mo> <msubsup> <mi>&amp;lambda;</mi> <mrow> <mi>o</mi> <mo>-</mo> <mn>1</mn> <mo>,</mo> <mi>i</mi> </mrow> <mi>t</mi> </msubsup> </mrow> <msubsup> <mi>&amp;delta;</mi> <mi>o</mi> <mn>2</mn> </msubsup> </mfrac> <mo>-</mo> <mfrac> <mrow> <mo>&amp;part;</mo> <msub> <mi>s</mi> <mi>i</mi> </msub> </mrow> <mrow> <mo>&amp;part;</mo> <msubsup> <mi>p</mi> <mi>o</mi> <mi>t</mi> </msubsup> </mrow> </mfrac> <mfrac> <mrow> <msubsup> <mi>&amp;lambda;</mi> <mrow> <mi>o</mi> <mo>,</mo> <mi>i</mi> <mo>+</mo> <mn>1</mn> </mrow> <mi>t</mi> </msubsup> <mo>-</mo> <mn>2</mn> <msubsup> <mi>&amp;lambda;</mi> <mrow> <mi>o</mi> <mo>,</mo> <mi>i</mi> </mrow> <mi>t</mi> </msubsup> <mo>+</mo> <msubsup> <mi>&amp;lambda;</mi> <mrow> <mi>o</mi> <mo>,</mo> <mi>i</mi> <mo>-</mo> <mn>1</mn> </mrow> <mi>t</mi> </msubsup> </mrow> <msubsup> <mi>&amp;delta;</mi> <mi>i</mi> <mn>2</mn> </msubsup> </mfrac> <mo>=</mo> <mn>0</mn> </mrow>
其中和分别是离散网格中任一点(t,o,i)处的平均场值和成本函数值，so和si分别是主干扰源o和一般用户的i的状态动力学，是主干扰源的发射功率，δo和δi是迭代步长，其中
一般用户i的功率水平的更新使用如下方式：
<mrow> <msubsup> <mi>m</mi> <mrow> <mi>o</mi> <mo>,</mo> <mi>i</mi> </mrow> <mi>t</mi> </msubsup> <mfrac> <mrow> <mo>&amp;part;</mo> <msubsup> <mi>c</mi> <mrow> <mi>o</mi> <mo>,</mo> <mi>i</mi> </mrow> <mi>t</mi> </msubsup> </mrow> <mrow> <mo>&amp;part;</mo> <msubsup> <mi>p</mi> <mi>i</mi> <mi>t</mi> </msubsup> </mrow> </mfrac> <mo>-</mo> <mfrac> <mrow> <mo>&amp;part;</mo> <msub> <mi>s</mi> <mi>o</mi> </msub> </mrow> <mrow> <mo>&amp;part;</mo> <msubsup> <mi>p</mi> <mi>i</mi> <mi>t</mi> </msubsup> </mrow> </mfrac> <mfrac> <mrow> <msubsup> <mi>&amp;lambda;</mi> <mrow> <mi>o</mi> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>i</mi> </mrow> <mi>t</mi> </msubsup> <mo>-</mo> <mn>2</mn> <msubsup> <mi>&amp;lambda;</mi> <mrow> <mi>o</mi> <mo>,</mo> <mi>i</mi> </mrow> <mi>t</mi> </msubsup> <mo>+</mo> <msubsup> <mi>&amp;lambda;</mi> <mrow> <mi>o</mi> <mo>-</mo> <mn>1</mn> <mo>,</mo> <mi>i</mi> </mrow> <mi>t</mi> </msubsup> </mrow> <msubsup> <mi>&amp;delta;</mi> <mi>o</mi> <mn>2</mn> </msubsup> </mfrac> <mo>-</mo> <mfrac> <mrow> <mo>&amp;part;</mo> <msub> <mi>s</mi> <mi>i</mi> </msub> </mrow> <mrow> <mo>&amp;part;</mo> <msubsup> <mi>p</mi> <mi>i</mi> <mi>t</mi> </msubsup> </mrow> </mfrac> <mfrac> <mrow> <msubsup> <mi>&amp;lambda;</mi> <mrow> <mi>o</mi> <mo>,</mo> <mi>i</mi> <mo>+</mo> <mn>1</mn> </mrow> <mi>t</mi> </msubsup> <mo>-</mo> <mn>2</mn> <msubsup> <mi>&amp;lambda;</mi> <mrow> <mi>o</mi> <mo>,</mo> <mi>i</mi> </mrow> <mi>t</mi> </msubsup> <mo>+</mo> <msubsup> <mi>&amp;lambda;</mi> <mrow> <mi>o</mi> <mo>,</mo> <mi>i</mi> <mo>-</mo> <mn>1</mn> </mrow> <mi>t</mi> </msubsup> </mrow> <msubsup> <mi>&amp;delta;</mi> <mi>i</mi> <mn>2</mn> </msubsup> </mfrac> <mo>=</mo> <mn>0</mn> <mo>;</mo> </mrow>
其中各字母的含义参考如上，是一般用户主干扰源的发射功率。
CN201710120957.3A 2017-03-02 2017-03-02 一种基于云计算的钻孔封闭质量分类及危险性评价系统 Pending CN107093002A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710120957.3A CN107093002A (zh) 2017-03-02 2017-03-02 一种基于云计算的钻孔封闭质量分类及危险性评价系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710120957.3A CN107093002A (zh) 2017-03-02 2017-03-02 一种基于云计算的钻孔封闭质量分类及危险性评价系统

Publications (1)

Publication Number Publication Date
CN107093002A true CN107093002A (zh) 2017-08-25

Family

ID=59648793

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710120957.3A Pending CN107093002A (zh) 2017-03-02 2017-03-02 一种基于云计算的钻孔封闭质量分类及危险性评价系统

Country Status (1)

Country Link
CN (1) CN107093002A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107613554A (zh) * 2017-09-29 2018-01-19 西安电子科技大学 一种干扰感知分布式鲁棒下行功率控制方法
CN112966765A (zh) * 2021-03-18 2021-06-15 四川虹美智能科技有限公司 业务信息处理方法、装置及计算机可读介质
CN115178647A (zh) * 2022-09-14 2022-10-14 季华实验室 一种冲孔分类方法、系统、电子设备及存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201594171U (zh) * 2009-08-28 2010-09-29 杭州普维光电技术有限公司 一种全景成像调整装置以及全景成像装置
CN102077570A (zh) * 2008-06-24 2011-05-25 皇家飞利浦电子股份有限公司 图像处理
CN104469374A (zh) * 2014-12-24 2015-03-25 广东省电信规划设计院有限公司 图像压缩方法
CN104463416A (zh) * 2014-11-04 2015-03-25 山东科技大学 一种钻孔封闭质量分类及危险性评价系统
CN104811491A (zh) * 2015-04-17 2015-07-29 华南理工大学 一种基于遗传算法的云计算资源调度方法
CN105577760A (zh) * 2015-12-16 2016-05-11 南京邮电大学 云计算分级管理方法及系统
CN106169004A (zh) * 2016-07-15 2016-11-30 西南石油大学 一种自动防碰钻井系统
CN106445874A (zh) * 2016-11-07 2017-02-22 衢州学院 一种新型串行总线数据分析仪
CN106455032A (zh) * 2016-09-14 2017-02-22 西安电子科技大学 一种超密集网络中面向主干扰源的分布式功率控制方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102077570A (zh) * 2008-06-24 2011-05-25 皇家飞利浦电子股份有限公司 图像处理
CN201594171U (zh) * 2009-08-28 2010-09-29 杭州普维光电技术有限公司 一种全景成像调整装置以及全景成像装置
CN104463416A (zh) * 2014-11-04 2015-03-25 山东科技大学 一种钻孔封闭质量分类及危险性评价系统
CN104469374A (zh) * 2014-12-24 2015-03-25 广东省电信规划设计院有限公司 图像压缩方法
CN104811491A (zh) * 2015-04-17 2015-07-29 华南理工大学 一种基于遗传算法的云计算资源调度方法
CN105577760A (zh) * 2015-12-16 2016-05-11 南京邮电大学 云计算分级管理方法及系统
CN106169004A (zh) * 2016-07-15 2016-11-30 西南石油大学 一种自动防碰钻井系统
CN106455032A (zh) * 2016-09-14 2017-02-22 西安电子科技大学 一种超密集网络中面向主干扰源的分布式功率控制方法
CN106445874A (zh) * 2016-11-07 2017-02-22 衢州学院 一种新型串行总线数据分析仪

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107613554A (zh) * 2017-09-29 2018-01-19 西安电子科技大学 一种干扰感知分布式鲁棒下行功率控制方法
CN107613554B (zh) * 2017-09-29 2019-10-25 西安电子科技大学 一种干扰感知分布式鲁棒下行功率控制方法
CN112966765A (zh) * 2021-03-18 2021-06-15 四川虹美智能科技有限公司 业务信息处理方法、装置及计算机可读介质
CN115178647A (zh) * 2022-09-14 2022-10-14 季华实验室 一种冲孔分类方法、系统、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN109242291A (zh) 河湖流域水环境智慧管理方法
CN106205061B (zh) 一种地质灾害预测系统
CN103234883B (zh) 一种基于道路交通流量实时估算中心城区pm2.5浓度的方法
CN107093002A (zh) 一种基于云计算的钻孔封闭质量分类及危险性评价系统
CN111553000A (zh) 钻爆法隧道智能建造方法
CN104317637A (zh) 基于多智能体的虚拟矿工安全行为建模及应急仿真系统
CN105096532A (zh) 一种地质灾害预测系统
CN109145445A (zh) 一种水电工程智能化建设管理系统
CN110858334A (zh) 道路安全评估方法、装置及道路安全预警系统
CN104794298A (zh) 一种铀尾矿库核素对库区地下水污染风险评价的方法
CN107012883B (zh) 一种山区高压输电铁塔塔基稳定性判断方法及系统
Wang et al. Panzhihua airport landslide (Oct. 3rd 2009) and an emergency monitoring and warning system based on the internet of things
Xia et al. Slope stability analysis based on group decision theory and fuzzy comprehensive evaluation
CN112505699A (zh) 融合InSAR和PSO反演地下采空区位置参数的方法
CN103487566A (zh) 一种用于沟坡重力侵蚀现场试验的观测方法
Faulds et al. Discovering Blind Geothermal Systems in the Great Basin Region: An Integrated Geologic and Geophysical Approach for Establishing Geothermal Play Fairways: All Phases
Zhou Safety management of karst construction in railway tunnels and tunnel farming as compared to traditional farming
CN113464197B (zh) 一种矿井水害应急管理方法和系统
Zou et al. Intelligent Control of Smooth Blasting Quality in Rock Tunnels Using BP‐ANN, ENN, and ANFIS
Epting Thermal management of urban subsurface resources-Delineation of boundary conditions
Yuan et al. Joint Investigation and 3D Visual Evaluation of Rock Mass Quality
Vincenzi et al. Parametric and numerical modeling tools to forecast hydrogeological impacts of a tunnel
Delmas et al. Solar potential in extreme climate conditions: comparative analysis of two district case studies in Norway and Reunion Island
Xu Cultural Heritage Modeling Based on Spatial Information Technology
Bradley QuakeCoRE Research Accomplishments

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170825