CN107167852A - 基于多源信息融合的隧道地质综合超前预报方法 - Google Patents
基于多源信息融合的隧道地质综合超前预报方法 Download PDFInfo
- Publication number
- CN107167852A CN107167852A CN201710318950.2A CN201710318950A CN107167852A CN 107167852 A CN107167852 A CN 107167852A CN 201710318950 A CN201710318950 A CN 201710318950A CN 107167852 A CN107167852 A CN 107167852A
- Authority
- CN
- China
- Prior art keywords
- evidence
- correction factor
- forecast
- probability value
- geology
- 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
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
一种基于多源信息融合的隧道地质综合超前预报方法,包括如下步骤:(1)资料准备:信号预处理和特征参数提取,(2)根据宏观地质预报结果构造可能出现的不良地质识别框架,(3)将单一预报方法的预报结果视为证据,对每个证据赋基本概率值,(4)通过引入修正系数,来对证据源进行修正,(5)根据登普斯特证据合成法则融合修正后的各证据源,得出多个证据联合作用下的组合概率值,(6)根据信度占优准则确定最终的预报结论。本发明能融合多方面信息,模拟多专家分析决策过程而不降低预测结果准确性,能够最大限度消除单一预报方法的多解性,提高隧道综合地质预报精度。
Description
技术领域
本发明涉及隧道地质领域,特别是涉及一种基于多源信息融合的隧道地质综合超前预报方法。
背景技术
隧道地质灾害严重制约着隧道的设计、施工、工期和造价。如何准确预报隧道施工过程中是否会存在富水带、断层破碎带及溶洞暗河等不良地质,已成为隧道施工过程中亟待解决的关键问题,它将对减少隧道施工过程中的盲目性,实现安全快速施工有着重要指导作用。
综合超前地质预报思想早已提出,但大部分情况下还是停留在常用预报方法简单组合混搭阶段。隧道地质综合超前预报过程,实际上是根据已经获取的大量多元信息,即地质信息、物探资料,对隧道未开挖的地质情况进行预报,为此人们逐渐探索能够融合多方面信息的综合预报方法,但目前仍处于初级阶段。当前综合预报过程依然属于经验预报,过度依赖于专业预报人员,缺乏其内在联系和作用协调机制,未针对隧道洞身不良地质预测建立科学综合分析体系。
发明内容
为了克服上述现有技术的不足,本发明提供了一种基于多源信息融合的隧道地质综合超前预报方法,它能融合宏观地质分析、洞内地质调查、TSP法、陆地声呐法、瞬变电磁法、地质雷达法多种单一预报方法结果,模拟多专家分析决策过程。
为实现上述目的,本发明采用的技术方案是:一种基于多源信息融合的隧道地质综合超前预报方法,包括以下步骤:
(1)资料准备:信号预处理和特征参数提取,
(2)根据宏观地质预报结果构造可能出现的不良地质识别框架,
(3)将单一预报方法的预报结果视为证据,对每个证据赋基本概率值,
所述构造单一证据赋基本概率值的方法包括将模式识别结果转换为基本概率值、由领域专家主观赋值、引入基于区间数的欧氏距离得到各证据的基本概率值,
所述将模式识别结果转换为基本概率值具体是指将典型岩溶不良地质体探地雷达预报结果的模式识别测度值归一化后转换为基本概率值,
所述由领域专家主观赋值具体包括两种方式:第一种为将宏观地质预报专家系统推理结论的可信度转换为基本概率值,第二种为在实测数据的基础上借助专家经验得到证据基本概率值,
(4)通过引入修正系数来对证据源进行修正,所述引入修正系数来对证据源进行修正包括根据已有先验知识获取、由证据间相似度换算,
所述根据已有先验知识确定修正系数是指综合考虑了每种预报方法特点、现场探测条件、解译方法及预报人员水平四方面因素后给出的修正系数,
(5)根据登普斯特证据合成法则,按“宏观预报→洞内地质分析→长距离物探→短距物探”步骤,逐层合成修正后的各证据源,得出多个证据联合作用下的组合概率值。
(6)根据信度占优准则确定成最终的预报结论,
所述信度占优准则具体指:首先根据多个证据联合作用下的组合概率值,得到组合证据源对识别框架Θ中所有可能出现的不良地质情况的信度区间[Belj,plj],以及证据源的不确定度Wm(Θ),然后按以下规则确定最终预报结论Fc:
规则1:
规则2:Wm(Θ)<ε1
规则3:Bel(Fc)-Bel(Fj)>ε2
规则4:Bel(Fc)>Wm(Θ)
参数ε1,ε2需要根据实际情况合理选择。
所述单一预报方法具体指:宏观地质分析、洞内地质调查、TSP法、陆地声呐法、瞬变电磁法、地质雷达法。
所述单一预报方法的基本概率值修正系数确定标准如下:
宏观地质分析法,一般情况下修正系数取值范围为0.5~0.7,与地质分析人员水平以及地质资料完备程度因素有关,当为隧道地质专家且已有地质资料十分完备时修正系数取大值;
TSP法或陆地声呐法,一般情况下修正系数取值范围为0.6~0.8,与探测解译技术人员水平以及现场探测环境因素有关,当技术人员为领域专家且现场探测环境好时修正系数取大值。当采用洞内外探测或其他辅助方法相互验证时,修正系数取值可进一步提高;
瞬变电磁法,一般情况下修正系数取值范围为0.6~0.8,与探测解译技术人员水平以及现场探测环境因素有关,当技术人员为领域专家且现场探测环境好时修正系数取大值。当采用洞内外探测或洞内加密探测等方法相互验证时,修正系数取值可进一步提高。当现场干扰强烈,且并未采取有效措施消除干扰时,结果不可信;
探地雷达法,一般情况下修正系数取值范围为0.7~0.9,与现场探测环境以及探测解译方法因素有关,当探测环境好且采用先进解译方法时修正系数取大值。
本发明的突出优点在于:
针对目前隧道地质预报中存在的大量不确定性问题,根据目前隧道地质综合预报方法特点,引入登普斯特-谢弗证据理论,实现了一种基于证据理论的隧道地质预报多源信息融合方法,能够融合多方面信息,模拟多专家分析决策过程而不降低预测结果准确性,能够最大限度消除单一预报方法的多解性,提高隧道综合地质预报精度。
附图说明
图1为本发明所述的基于证据理论的隧道地质预报多源信息融合方法的总流程图。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步说明。
如图1所示,本发明所述的基于证据理论的隧道地质预报多源信息融合方法,具体操作步骤和控制条件如下:
A.资料准备、信号预处理及特征参数提取,即对每种预报方法所获得的初始资料进行整理、归类,提取各自相应的预测参数指标。如隧道宏观地质预报基本地质信息主要来源为已有勘察设计成果、区域地质资料及地表地质补充调查结果,首先应从其中提取地层岩性、地质构造、地形地貌、气候条件及地表水系特征五个预测指标。
B.根据宏观地质预报结果构造可能出现的不良地质识别框架,构建识别框架是针对具体问题而言的,如预测围岩富水等级时,识别框架为:强富水、中强富水、中等富水及弱富水4个焦元;而本发明应用实施例中要预测断层破碎带内具体地质体类型时,则识别框架为:较完整围岩、破碎带岩体夹泥带、无充填物空腔、软塑-流塑状断层泥充填空腔4个焦元。
C.根据每种预报方法原理及相应的解译标准得到单一预报方法各自的结果,将每种预报方法的预报结果视为证据,对每个证据赋基本概率值,每个证据都从一个独立侧面反映隧道地质情况。
隧道地质综合预报涉及地质分析与多种物探手段,各种手段原理各不相同,根据不同方法特点需要采用不同基本概率赋值方法。本发明采用以下三种方法:
①将模式识别结果转换为基本概率值。如采用探地雷达识别典型岩溶不良地质体,首先从实测地质雷达数据中提取相应的属性参数,然后采用模式识别方法得到识别框架中不良地质体的识别测度值,最后将识别测度值归一化处理后转换为基本概率值。
②由领域专家主观赋值,具体包括两种方式。第一种为将宏观地质预报专家系统推理结论的可信度转换为基本概率值,由于专家系统集成了多位专家经验以及大量理论成果,因此获得的基本概率分配准确率也相对较高,实际上这种方式属于间接的领域专家主观赋值。第二种为在实测数据的基础上借助专家经验得到证据基本概率值,如TSP、瞬变电磁法以及陆地声呐法解译结果难以量化表示,且人工智能方法难以应用,此时往往需要相关领域专家根据实测数据进行解译,并给出相应解译结果,然后再将其转换为基本概率值,此种方式获得的基本概率值受专家主观影响较大。一般来说专家不直接给出基本概率赋值,而是给出出现某种结果的可能性大小等定性评语,本发明将可能性大小划分为五个等级:u={可能性小,可能性较小,有可能出现,可能性较大,可能性大},其相应的概率取值范围为:p={0~0.2,0.2~ 0.4,0.4~0.6,0.6~0.8,0.8~1.0},最后将识别框架的概率归一化后即可得到相应的基本概率赋值。
③引入基于区间数的欧氏距离建立各证据体基本概率分配函数。相应计算过程为:设第j 条证据的量化取值结果为证据体子空间对应第i个预测结果Fi的赋值区间为根据欧氏距离的定义,区间数和区间数的欧氏距离为:
由上式可知,两区间数的欧氏距离越小,则说明第j个证据对预测结果Fi的支持度越大。通过上式可求得第j个证据体与各种可能预测结果的欧氏距离,根据欧氏距离大小可反映证据体对预测结果的支持度这一特征,可以进一步确定第j个证据体对应预测结果的基本概率值分配函数:
式中n为识别框架中单元素焦元数。
D.若由步骤C得出的各个证据源高度冲突,则通过引入修正系数来对证据源进行修正。即根据已有先验知识获取修正系数或由证据源间相似度换算成可信度得出修正系数。
根据已有先验知识确定修正系数是指综合考虑了每种预报方法特点、现场探测条件、解译方法及预报人员水平四方面因素后给出的修正系数,实际操作时由综合分析人员根据实际情况确定。本发明根据大量文献及工程实例,总结本发明所涉及的预报方法的基本概率值修正系数确定标准如下:
宏观地质分析法,一般情况下修正系数取值范围为0.5~0.7,与地质分析人员水平以及地质资料完备程度因素有关,当为隧道地质专家且已有地质资料十分完备时修正系数取大值;
TSP法或陆地声呐法,一般情况下修正系数取值范围为0.6~0.8,与探测解译技术人员水平以及现场探测环境因素有关,当技术人员为领域专家且现场探测环境好时修正系数取大值。当采用洞内外探测或其他辅助方法相互验证时,修正系数取值可进一步提高;
瞬变电磁法,一般情况下修正系数取值范围为0.6~0.8,与探测解译技术人员水平以及现场探测环境因素有关,当技术人员为领域专家且现场探测环境好时修正系数取大值。当采用洞内外探测或洞内加密探测等方法相互验证时,修正系数取值可进一步提高。当现场干扰强烈,且并未采取有效措施消除干扰时,结果不可信;
探地雷达法,一般情况下修正系数取值范围为0.7~0.9,与现场探测环境以及探测解译方法因素有关,当探测环境好且采用先进解译方法时修正系数取大值。
由证据间相似度换算的算法步骤如下:
①引入测度的概念,综合考虑证据之间的包容性和差异性,计算基本概率值函数为m1和 m2的两个证据源相似度,计算公式为:
式中Ai为一条证据的焦元,相似度的取值范围为[0,1],取值越大表明两条证据之间相似度越大、冲突越小。
②采用上述方法,分别计算所有证据两两之间的相似度,然后计算其它证据对某条证据 i的支持度:
最后证据源的可信度,即修正系数,通过将各证据的支持度归一化后获得。
③获得修正系数后,则需要对原来的基本概率值函数mi进行修正,修正后新的基本概率值函数表达式为:
式中Credi为证据i的可信度,即修正系数。计算出各证据新的基本概率值后,就可以采用登普斯特法则来进行隧道超前地质预报多证据信息融合,得到各个证据的组合概率值。
E.根据登普斯特证据合成法则,按“宏观预报→洞内地质分析→长距离物探→短距物探”步骤,逐层合成各证据源,得出多个证据联合作用下的组合概率值。随着证据越来越充分,不良地质信息也越来越清晰,最后缩小到具体位置上,从而实现隧道洞身不良地质预测。本发明所包含的长距离物探方法指TSP法和陆地声呐法、短距物探方法指瞬变电磁法、地质雷达法,其他的物探方法也可采用类似的方式纳入本发明。
所述根据登普斯特合成法则逐层合成修正后的各证据源,具体方法如下:
设有两个相互独立证据,其焦元分别为Bi和Ci(i=1,2,…,m;j=1,2,…,n),m和n分别表示这两个证据焦元的个数。Bel1和Bel2分别是两个证据的信度函数,m1和m2分别是其对应的两个基本概率值,则合成后的基本概率赋值函数m⊕:2Θ→[0,1]表达式为:
式中,为组合标志符,为冲突系数,当证据数量超过两个时,登普斯特法则满足结合律和交换律,可以按上式逐一组合。
F.根据融合后证据源的似然函数和信任函数得出不确定度和信度区间,按照综合预报规则形成最终的预报结论。即,首先根据多个证据联合作用下的组合概率值,得到组合证据源对识别框架Θ中所有可能出现的不良地质情况的信度区间[Belj,plj],以及证据源的不确定度 Wm(Θ),然后按以下规则确定最终预报结论Fc:
规则1:
规则2:Wm(Θ)<ε1
规则3:Bel(Fc)-Bel(Fj)>ε2
规则4:Bel(Fc)>Wm(Θ)
参数ε1,ε2需要根据实际情况合理选择。
应用实施例
以广西岑水高速岭脚隧道左线地质预报为实例说明本发明应用效果:
隧道FK18+330~FK18+175里程段各种预报方法定性预报结果汇总,如表1所示。
表1
采用本发明所提出的基于多源信息融合的隧道地质综合超前预报方法来对隧道FK18+330~FK18+175段地质情况进行综合预测。根据宏观地质预报结果,识别框架可表示为:Θ={A,B,C,D},式中A为较完整围岩,B为破碎带岩体夹泥带,C为无充填物空腔, D为软塑-流塑状断层泥充填空腔。
按照本发明所述的方法,将每种预报方法的结果视为证据,对每个证据赋基本概率值,并对各证据源进行修正。表2为本实例中六处典型位置,每种方法预报结果修正后的基本概率值列表。
表2
采用登普斯特-谢弗证据合成规则,对上述六处异常分别进行证据融合,然后根据本发明所述信度占优判断准则判断地质体类型,融合后的组合概率值及预报结果如表3所示。
表3
经实际开挖后对比发现,预报结果与开挖结果吻合良好。进一步体现本方法的优越性。
Claims (2)
1.一种基于多源信息融合的隧道地质综合超前预报方法,其特征在于,该方法包括以下步骤:
(1)资料准备:信号预处理和特征参数提取,
(2)根据宏观地质预报结果构造可能出现的不良地质识别框架,
(3)将单一预报方法的预报结果视为证据,对每个证据赋基本概率值,
所述构造单一证据赋基本概率值的方法包括将模式识别结果转换为基本概率值、由领域专家主观赋值、引入基于区间数的欧氏距离得到各证据的基本概率值,
所述将模式识别结果转换为基本概率值具体是指将典型岩溶不良地质体探地雷达预报结果的模式识别测度值归一化后转换为基本概率值,
所述由领域专家主观赋值具体包括两种方式:第一种为将宏观地质预报专家系统推理结论的可信度转换为基本概率值,第二种为在实测数据的基础上借助专家经验得到证据基本概率值,
(4)通过引入修正系数来对证据源进行修正,所述引入修正系数来对证据源进行修正包括根据已有先验知识获取、由证据间相似度换算,
所述根据已有先验知识确定修正系数是指综合考虑了每种预报方法特点、现场探测条件、解译方法及预报人员水平四方面因素后给出的修正系数,
(5)根据登普斯特证据合成法则,按“宏观预报→洞内地质分析→长距离物探→短距物探”步骤,逐层合成修正后的各证据源,得出多个证据联合作用下的组合概率值。
(6)根据信度占优准则确定成最终的预报结论,
所述信度占优准则具体指:首先根据多个证据联合作用下的组合概率值,得到组合证据源对识别框架Θ中所有可能出现的不良地质情况的信度区间[Belj,plj],以及证据源的不确定度Wm(Θ),然后按以下规则确定最终预报结论Fc:
规则1:
规则2:Wm(Θ)<ε1
规则3:Bel(Fc)-Bel(Fj)>ε2
规则4:Bel(Fc)>Wm(Θ)
参数ε1,ε2需要根据实际情况合理选择。
2.根据权利要求1所述的基于多源信息融合的隧道地质综合超前预报方法,其特征在于,所述单一预报方法具体指:宏观地质分析、洞内地质调查、TSP法、陆地声呐法、瞬变电磁法、地质雷达法,
所述单一预报方法的基本概率值修正系数确定标准如下:
宏观地质分析法,一般情况下修正系数取值范围为0.5~0.7,与地质分析人员水平以及地质资料完备程度因素有关,当为隧道地质专家且已有地质资料十分完备时修正系数取大值;
TSP法或陆地声呐法,一般情况下修正系数取值范围为0.6~0.8,与探测解译技术人员水平以及现场探测环境因素有关,当技术人员为领域专家且现场探测环境好时修正系数取大值。当采用洞内外探测或其他辅助方法相互验证时,修正系数取值可进一步提高;
瞬变电磁法,一般情况下修正系数取值范围为0.6~0.8,与探测解译技术人员水平以及现场探测环境因素有关,当技术人员为领域专家且现场探测环境好时修正系数取大值。当采用洞内外探测或洞内加密探测等方法相互验证时,修正系数取值可进一步提高。当现场干扰强烈,且并未采取有效措施消除干扰时,结果不可信;
探地雷达法,一般情况下修正系数取值范围为0.7~0.9,与现场探测环境以及探测解译方法因素有关,当探测环境好且采用先进解译方法时修正系数取大值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710318950.2A CN107167852A (zh) | 2017-05-08 | 2017-05-08 | 基于多源信息融合的隧道地质综合超前预报方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710318950.2A CN107167852A (zh) | 2017-05-08 | 2017-05-08 | 基于多源信息融合的隧道地质综合超前预报方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107167852A true CN107167852A (zh) | 2017-09-15 |
Family
ID=59813645
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710318950.2A Pending CN107167852A (zh) | 2017-05-08 | 2017-05-08 | 基于多源信息融合的隧道地质综合超前预报方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107167852A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108802816A (zh) * | 2018-04-11 | 2018-11-13 | 中石化石油工程技术服务有限公司 | 城市地下空间勘探方法及系统 |
CN112130216A (zh) * | 2020-08-19 | 2020-12-25 | 中国地质大学(武汉) | 基于卷积神经网络多物探法耦合的地质超前精细预报方法 |
CN113687303A (zh) * | 2021-08-24 | 2021-11-23 | 嘉兴中科声学科技有限公司 | 甲板定位系统与主系统 |
CN114839696A (zh) * | 2022-07-04 | 2022-08-02 | 武九铁路客运专线湖北有限责任公司 | 一种多源数据融合传感三维隧道不良地质探测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020109622A1 (en) * | 1999-12-22 | 2002-08-15 | Hot/Shot Radar Inspections, Llc | Radar cross-section measurement system for analysis of insulative structures |
CN102928877A (zh) * | 2012-11-14 | 2013-02-13 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | 基于d-s证据理论的地震属性融合方法 |
CN103513293A (zh) * | 2013-10-12 | 2014-01-15 | 广西大学 | 隧道地质综合超前预报专家系统及其实现方法 |
-
2017
- 2017-05-08 CN CN201710318950.2A patent/CN107167852A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020109622A1 (en) * | 1999-12-22 | 2002-08-15 | Hot/Shot Radar Inspections, Llc | Radar cross-section measurement system for analysis of insulative structures |
CN102928877A (zh) * | 2012-11-14 | 2013-02-13 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | 基于d-s证据理论的地震属性融合方法 |
CN103513293A (zh) * | 2013-10-12 | 2014-01-15 | 广西大学 | 隧道地质综合超前预报专家系统及其实现方法 |
Non-Patent Citations (4)
Title |
---|
ZONGHUI LIU .ET AL: "Research on multisource information fusion of tunnel geological prediction based on evidence theory", 《CIVIL,ARCHITECTURE AND ENVIRONMENTAL ENGINEERING》 * |
周东 等: "综合超前地质预报技术在岭脚隧道的应用研究", 《现代隧道技术》 * |
梁昌勇 等: "Dempster-Shafer合成法则悖论的一种消除方法", 《系统工程理论与实践》 * |
魏守智 等: "主客观证据融合模型及其应用研究", 《计算机工程与应用》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108802816A (zh) * | 2018-04-11 | 2018-11-13 | 中石化石油工程技术服务有限公司 | 城市地下空间勘探方法及系统 |
CN112130216A (zh) * | 2020-08-19 | 2020-12-25 | 中国地质大学(武汉) | 基于卷积神经网络多物探法耦合的地质超前精细预报方法 |
CN113687303A (zh) * | 2021-08-24 | 2021-11-23 | 嘉兴中科声学科技有限公司 | 甲板定位系统与主系统 |
CN114839696A (zh) * | 2022-07-04 | 2022-08-02 | 武九铁路客运专线湖北有限责任公司 | 一种多源数据融合传感三维隧道不良地质探测方法 |
CN114839696B (zh) * | 2022-07-04 | 2022-09-13 | 武九铁路客运专线湖北有限责任公司 | 一种多源数据融合传感三维隧道不良地质探测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Automated recognition model of geomechanical information based on operational data of tunneling boring machines | |
CN107167852A (zh) | 基于多源信息融合的隧道地质综合超前预报方法 | |
CN100465998C (zh) | 基于三维建模的立方体预测模型找矿方法 | |
CN102918423B (zh) | 用于地震烃体系分析的方法 | |
CN110490100A (zh) | 基于深度学习的岩土自动识别定名方法及系统 | |
Chen et al. | Landslide susceptibility mapping using feature fusion-based CPCNN-ML in Lantau Island, Hong Kong | |
CN112130216B (zh) | 基于卷积神经网络多物探法耦合的地质超前精细预报方法 | |
CN104181597B (zh) | 一种基于叠前地震数据的地震相分析方法 | |
CN113779880B (zh) | 一种基于超前钻探数据的隧道围岩二维质量评价方法 | |
CN117576581B (zh) | 基于图像处理的地质勘探遥感监测方法 | |
CN105467449B (zh) | 基于地震分级敏感属性融合的深层薄互储层定量表征方法 | |
CN102243628A (zh) | 成矿案例推理模型与方法 | |
CN107193001B (zh) | 基于探地雷达的岩溶隧道不良地质预报专家系统及实现方法 | |
Zhao et al. | A spatial case-based reasoning method for regional landslide risk assessment | |
Hu et al. | 3D characteristic analysis-based targeting of concealed Kiruna-type Fe oxide-apatite mineralization within the Yangzhuang deposit of the Zhonggu orefield, southern Ningwu volcanic basin, middle-lower Yangtze River metallogenic Belt, China | |
Qi et al. | Application of seismic multi-attribute fusion method based on DS evidence theory in prediction of CBM-enriched area | |
CN112199886A (zh) | 一种prb数据深度学习地质图预测模型的处理方法 | |
CN118037979B (zh) | 天地融合多维巨型古滑坡地质构造-属性一体化三维模型构建及形变监测方法 | |
Gao et al. | Hierarchical shrinkage multiscale network for hyperspectral image classification with hierarchical feature fusion | |
CN107798340A (zh) | 基于空间约束多自编码器的多元地球化学异常识别方法 | |
CN118196671B (zh) | 基于地理空间信息的水工环测绘数据采集方法及系统 | |
CN118191967B (zh) | 煤层顶板水害风险全空间立体监测智能预警系统及方法 | |
CN109447158A (zh) | 一种基于不平衡数据的Adaboost有利储层发育区预测方法 | |
CN106443822A (zh) | 基于重磁电震三维联合反演下的地质综合识别方法及装置 | |
CN104598705A (zh) | 用于识别地下物质层的方法和装置 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170915 |