CN111259517A - 一种隧道爆破设计方法、装置及设备 - Google Patents
一种隧道爆破设计方法、装置及设备 Download PDFInfo
- Publication number
- CN111259517A CN111259517A CN202010018983.7A CN202010018983A CN111259517A CN 111259517 A CN111259517 A CN 111259517A CN 202010018983 A CN202010018983 A CN 202010018983A CN 111259517 A CN111259517 A CN 111259517A
- Authority
- CN
- China
- Prior art keywords
- blasting
- neural network
- parameters
- layout
- blasted
- 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
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F42—AMMUNITION; BLASTING
- F42D—BLASTING
- F42D3/00—Particular applications of blasting techniques
- F42D3/04—Particular applications of blasting techniques for rock blasting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Abstract
本申请属于爆破领域,公开了一种隧道爆破设计方法、装置及设备,能够预先根据专家设计的隧道爆破方案,以及历史中的隧道爆破成功案例,对神经网络系统进行学习训练,得到爆破神经网络模型,通过该模型能够根据待爆破区域的地质信息确定隧道爆破需要的目标布置参数,进而得出对应的爆破布置图。由于神经网络自我学习能力较强,能够非常有效的对历史爆破数据进行学习训练,确定出的布置参数更加精确,并且无需人工进行参与,节省了人力资源,同时还能提高爆破设计速率,加快隧道爆破的进度。
Description
技术领域
本申请涉及爆破技术领域,特别是涉及一种隧道爆破设计方法、装置及设备。
背景技术
在隧道开挖方法的选取中,相对于机械开挖法,钻爆法开挖速度快、设备投资小、组装运输方便,更适合我国国情。所以,钻爆法是公路隧道施工采用的主要方法。由于近年来爆破施工的综合机械化水平快速提高,并能根据爆破技术、工艺、地质地形条件和机械装备综合考虑进行爆破优化设计,使得隧道爆破技术越来越成熟。
目前在隧道爆破设计与施工方面仍然存在一系列亟待解决的问题,主要表现为以下几个方面:
(1)设计人员凭经验选取爆破参数,有时误差较大;
(2)难以确定最合理的掏槽类型及参数;
(3)手工布置炮孔,调整困难;
(4)手工绘图,不容易修改设计;
(5)手工计算工作量大、速度慢;
(6)数据管理困难,不方便查询;
(7)不能有效借鉴以往爆破效果指导后续设计;
(8)对爆破效果难以做出合理定性定量评价;
(10)费时费钱费人力。
发明内容
有鉴于此,本申请提供了一种隧道爆破设计方法、装置及设备。主要目的在于解决目前人工进行隧道爆破设计速率较慢,误差较大,费时费钱费人力的技术问题。
基于上述技术问题,本发明的第一方面提出了一种隧道爆破设计方法,所述方法的步骤包括:
获取待爆破区域的地质信息;
将所述待爆破区域的地质信息输入至爆破神经网络模型中进行处理,输出待爆破区域需要的目标布置参数,其中,所述爆破神经网络模型是利用预定数量的隧道爆破历史数据对神经网络系统进行学习训练得到的;
根据所述目标布置参数进行绘图形成爆破布置图,将爆破布置图进行显示。
进一步地,在将所述待爆破区域的地质信息输入至爆破神经网络模型中进行处理,输出待爆破区域需要的目标布置参数之前,所述方法还包括:
构建神经网络系统;
获取预定数量的历史地质信息及专家对应设计的历史布置参数;
将每个历史地质信息输入至所述神经网络系统;
所述神经网络系统经过各层的神经元处理之后输出待纠正的布置参数;
将所述待纠正的布置参数与对应的历史布置参数进行比对,若相同,则将下一个历史地质信息输入至神经网络系统进行处理,若不同,则对神经网络系统的各层系数进行调整,直至神经网络系统输出的待纠正的布置参数与对应的历史布置参数相同;
所述神经网络系统对所有历史地质信息全部处理完成后,得到爆破神经网络模型。
进一步地,根据所述目标布置参数进行绘图形成爆破布置图,将爆破布置图进行显示,具体包括:
提取所述目标布置参数中的炮孔位置参数,根据所述炮孔位置参数绘制炮孔立体图;
根据所述炮孔立体图,获取炮孔平面图和炮孔剖视图;
提取所述目标布置参数中的装药参数,根据所述装药参数绘制装药结构图;
提取所述目标布置参数中的起爆参数,绘制起爆系统图;
将所述炮孔平面图、所述炮孔剖视图、所述装药结构图和所述起爆系统图进行显示。
进一步地,在将所述炮孔平面图、所述炮孔剖视图、所述装药结构图和所述起爆系统图进行显示之前,所述方法包括:
为所述炮孔平面图和所述炮孔剖视图中的各类炮孔标注对应的设计尺寸;
为所述装置结构图中的各类装药器标注对应的结构及使用流程;
根据所述起爆系统图中使用的各种炸药,标注对应的起爆方式和起爆顺序。
进一步地,在输出待爆破区域需要的目标布置参数之后,所述方法还包括:
获取参数调整命令;
将所述目标布置参数进行陈列,并设置成可修改状态;
接收用户输入的至少一个参数修改命令;
根据所述至少一个参数修改命令对所述目标布置参数进行修改;
则,根据所述目标布置参数进行绘图形成爆破布置图,将爆破布置图进行显示,具体为:
根据修改后的目标布置参数进行绘图形成新的爆破布置图,将新的爆破布置图进行显示。
进一步地,在根据修改后的目标布置参数进行绘图形成新的爆破布置图,将新的爆破布置图进行显示之后,所述方法还包括:
接收到用户发来的爆破成功指令后,对爆破神经网络模型的各层系数进行调整,其中,用户按照新的爆破布置图对待爆破区域进行布置后,对待爆破区域成功爆破,用户触发爆破成功按键,发送爆破成功指令;
利用调整后的爆破神经网络模型对所述待爆破区域的地质信息进行处理;
若输出的处理结果与修改后的目标布置参数不同,则对所述爆破神经网络模型的各层系数进行再次调整,直至调整后的爆破神经网络模型输出的处理结果与修改后的目标布置参数相同,则得到新的爆破神经网络模型。
进一步地,预先存储各类炸药成本a、各种零部件成本b、各类施工流程成本c以及每天的人工成本d;
则,在输出待爆破区域需要的目标布置参数之后,所述方法包括:
统计所述目标布置参数中的各类炸药所需的重量A、各种零部件的数量B、施工流程C、人工处理天数D;
计算隧道爆破总成本P=A*a+B*b+C*c+D*d。
本发明的第二方面提出了一种隧道爆破设计装置,包括:获取模块、神经网络处理模块和绘图模块依次连接;
所述获取模块,用于获取待爆破区域的地质信息;
所述神经网络处理模块,用于将所述待爆破区域的地质信息输入至爆破神经网络模型中进行处理,输出待爆破区域需要的目标布置参数,其中,所述爆破神经网络模型是利用预定数量的隧道爆破历史数据对神经网络系统进行学习训练得到的;
所述绘图模块,用于根据所述目标布置参数进行绘图形成爆破布置图,将爆破布置图进行显示。
进一步地,所述装置还包括:
神经网络构建模块,用于构建神经网络系统;
所述获取模块,还用于获取预定数量的历史地质信息及专家对应设计的历史布置参数;
输入模块,用于将每个历史地质信息输入至所述神经网络系统;
训练模块,用于所述神经网络系统经过各层的神经元处理之后输出待纠正的布置参数;将所述待纠正的布置参数与对应的历史布置参数进行比对,若相同,则将下一个历史地质信息输入至神经网络系统进行处理,若不同,则对神经网络系统的各层系数进行调整,直至神经网络系统输出的待纠正的布置参数与对应的历史布置参数相同;
模型生成模块,用于所述神经网络系统对所有历史地质信息全部处理完成后,得到爆破神经网络模型。
进一步地,绘图模块具体包括:
炮孔绘制单元,用于提取所述目标布置参数中的炮孔位置参数,根据所述炮孔位置参数绘制炮孔立体图;根据所述炮孔立体图,获取炮孔平面图和炮孔剖视图;
装药绘制单元,用于提取所述目标布置参数中的装药参数,根据所述装药参数绘制装药结构图;
起爆绘制单元,用于提取所述目标布置参数中的起爆参数,绘制起爆系统图;
显示单元,用于将所述炮孔平面图、所述炮孔剖视图、所述装药结构图和所述起爆系统图进行显示。
进一步地,绘图模块还包括:
炮孔标注单元,用于为所述炮孔平面图和所述炮孔剖视图中的各类炮孔标注对应的设计尺寸;
装药器标注单元,用于为所述装置结构图中的各类装药器标注对应的结构及使用流程;
起爆标注单元,用于根据所述起爆系统图中使用的各种炸药,标注对应的起爆方式和起爆顺序。
进一步地,所述装置还包括:
命令获取模块,用于获取参数调整命令;
参数状态调整模块,用于将所述目标布置参数进行陈列,并设置成可修改状态;
所述命令获取模块,还用于接收用户输入的至少一个参数修改命令;
参数修改模块,用于根据所述至少一个参数修改命令对所述目标布置参数进行修改;
则所述绘图模块具体用于:根据修改后的目标布置参数进行绘图形成新的爆破布置图,将新的爆破布置图进行显示。
进一步地,所述训练模块,还用于接收到用户发来的爆破成功指令后,对爆破神经网络模型的各层系数进行调整,其中,用户按照新的爆破布置图对待爆破区域进行布置后,对待爆破区域成功爆破,用户触发爆破成功按键,发送爆破成功指令;利用调整后的爆破神经网络模型对所述待爆破区域的地质信息进行处理;若输出的处理结果与修改后的目标布置参数不同,则对所述爆破神经网络模型的各层系数进行再次调整,直至调整后的爆破神经网络模型输出的处理结果与修改后的目标布置参数相同,则得到新的爆破神经网络模型。
进一步地,预先存储各类炸药成本a、各种零部件成本b、各类施工流程成本c以及每天的人工成本d;
则,所述装置包括:
统计模块,用于统计所述目标布置参数中的各类炸药所需的重量A、各种零部件的数量B、施工流程C、人工处理天数D;
成本计算模块,用于计算隧道爆破总成本P=A*a+B*b+C*c+D*d。
依据本申请的第三方面,提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现第一方面所述的隧道爆破设计方法的步骤。
依据本申请的第四方面,提供了一种计算机存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现第一方面所述的隧道爆破设计方法的步骤。
借由上述技术方案,本申请提供的一种隧道爆破设计方法、装置及设备,能够预先根据专家设计的隧道爆破方案,以及历史中的隧道爆破成功案例,对神经网络系统进行学习训练,得到爆破神经网络模型,通过该模型能够根据待爆破区域的地质信息确定隧道爆破需要的目标布置参数,进而得出对应的爆破布置图。由于神经网络自我学习能力较强,能够非常有效的对历史爆破数据进行学习训练,确定出的布置参数更加精确,并且无需人工进行参与,节省了人力资源,同时还能提高爆破设计速率,加快隧道爆破的进度。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本申请的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为本申请的隧道爆破设计方法的的流程图;
图2为本申请的隧道爆破设计装置的结构框图;
图3为本申请的隧道爆破设计装置的爆破设计总体构成框图;
图4为本申请的用户登录后进行爆破设计的数据经流的过程图;
图5为本申请的隧道爆破设计装置的系统图;
图6为本申请的存储数据库的结构框图;
图7为本申请的炮孔设计平面图;
图8为本申请的上台阶开爆的炮孔布置图;
图9为本申请的下台阶开爆的炮孔布置图;
图10为本申请的计算机设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
如图1所示,本申请的第一实施例提供了一种隧道爆破设计方法,包括如下步骤:
步骤101,获取待爆破区域的地质信息。
在该步骤中,用户首先输入身份相关信息,建立个人账户,然后登陆该个人账户,新建隧道爆破任务,然后弹出对应待爆破区域的地质信息录入窗口,用户从该窗口中输入待爆破区域的地质信息,例如,岩石的成分、山的高度、隧道打通的长度、周围是否有山涧/河流、以及山涧/河流的位置等。
然后,将用户输入的地质信息进行存储。
步骤102,将待爆破区域的地质信息输入至爆破神经网络模型中进行处理,输出待爆破区域需要的目标布置参数,其中,爆破神经网络模型是利用预定数量的隧道爆破历史数据对神经网络系统进行学习训练得到的。
在该步骤中,预先根据专家设计的隧道爆破方案,以及历史中的隧道爆破成功案例,对神经网络系统进行学习训练,得到爆破神经网络模型。然后再利用该爆破神经网络模型对存储的待爆破区域的地质信息进行处理。
爆破神经网络包括输入层、隐藏层和输出层,隐藏层中包括多层神经元,每层神经元对应设计一步的爆破方案,如果存储的待爆破区域的地质信息较复杂,则启动的隐藏层神经元层数较多(例如,根据某区域的地质信息需要50次爆破行动,则启用50层的隐藏层神经元),如果存储的待爆破区域的地质信息较简单,则启动的隐藏层神经元层数较少。
其中,爆破神经网络模型中隐藏层的层数,与训练过程中最复杂的历史隧道爆破成功案例的爆破行动次数相同。
步骤103,根据目标布置参数进行绘图形成爆破布置图,将爆破布置图进行显示。
在该步骤中,目标布置参数中包含布孔的位置参数、布孔型号、布孔尺寸、装药器型号、装药容量、以及对应炸药的型号、炸药的重量等等,将这些数据进行整合并绘制成爆破布置图。将绘制号的爆破布置图发送至显示屏上进行显示,以供用户进行参考。
通过上述方案,能够预先根据专家设计的隧道爆破方案,以及历史中的隧道爆破成功案例,对神经网络系统进行学习训练,得到爆破神经网络模型,通过该模型能够根据待爆破区域的地质信息确定隧道爆破需要的目标布置参数,进而得出对应的爆破布置图。由于神经网络自我学习能力较强,能够非常有效的对历史爆破数据进行学习训练,确定出的布置参数更加精确,并且无需人工进行参与,节省了人力资源,同时还能提高爆破设计速率,加快隧道爆破的进度。
在具体实施例中,在步骤102之前,方法还包括:
步骤1021,构建神经网络系统。
在该步骤中,神经网络系统包括:一个输入层、N个隐藏层、一个输出层,其中,根据专家对应设计的历史布置参数中完成爆破任务所需的最高爆破次数,作为隐藏层的数量。
步骤1022,获取预定数量的历史地质信息及专家对应设计的历史布置参数。
在该步骤中,用户将统计的专家针对每个历史地质信息设计的历史布置参数作为训练样本,训练样本的数量可以根据用户需要进行选定。数量越多训练得到的爆破神经网络模型的精度越高。
步骤1023,将每个历史地质信息输入至神经网络系统。
在该步骤中,将历史地质信息从输入层进行输入,然后经过隐藏层进行爆破布置处理,第一个隐藏层生成第一次爆破任务所需的爆破布置参数,并将生成的结果传送至第二个隐藏层进行处理。
第二个隐藏层判断第一层生成的结果是否能够完成爆破任务,若能够完成,则将第一层传送的结果直接传送至输出层,若不能完成,则在第一层传送的结果的基础上生成第二次爆破任务所需的爆破布置参数,并与第一层的结果进行组合后传送至第三层……
步骤1024,神经网络系统经过各层的神经元处理之后输出待纠正的布置参数。
在该步骤中,由于输出层接收的结果均是计算机语言代码,为了便于用户识别,输出层需要将得到的结果进行转换,转换成文字语言,将转换后的文字作为待纠正的布置参数进行输出。
步骤1025,将待纠正的布置参数与对应的历史布置参数进行比对,若相同,则将下一个历史地质信息输入至神经网络系统进行处理,若不同,则对神经网络系统的各层系数进行调整,直至神经网络系统输出的待纠正的布置参数与对应的历史布置参数相同。
在该步骤中,神经网络系统的每个隐藏层中均有对应的系数,当输出的待纠正的布置参数与对应的历史布置参数不同时,可以将隐藏层的系数增加或者减少设定值(具体数值用户可根据实际需要进行设定),直至二者相同。这样就完成了对一个训练样本的学习训练过程。然后按照上述步骤1023-1025的过程对下一个训练样本进行学习训练。
步骤1026,神经网络系统对所有历史地质信息全部处理完成后,得到爆破神经网络模型。
在该步骤中,当预定数量的训练样本全部学习训练完成之后,该神经网络系统即为爆破神经网络模型。
通过上述方案,利用神经网络系统根据爆破成功的历史案例对进行学习训练,能够得到根据地质信息进行爆破设计的爆破神经网络模型,该爆破神经网络模型的爆破设计准确度更高,并且还具有再学习的能力,可以不断根据各种地质信息进行学习,进而使得爆破设计更加合理准确。无需人工参与,节省人力资源。
在具体实施例中,步骤103具体包括:
步骤1031,提取目标布置参数中的炮孔位置参数,根据炮孔位置参数绘制炮孔立体图。
步骤1032,根据炮孔立体图,获取炮孔平面图和炮孔剖视图。
在该步骤中,得到的目标布置参数中,包含有每次爆破用到的各个炮孔位置参数,根据该炮孔位置绘制相应的炮孔立体图,但是由于炮孔立体图不适合打印,更不方便用户查看,因此将其转化成炮孔平面图,并按照中轴线进行切割得到相应的炮孔剖视图。
步骤1033,提取目标布置参数中的装药参数,根据装药参数绘制装药结构图。
在该步骤中,根据目标布置参数中,每个炮孔对应如何进行装药,使用装药器的型号和数量,进行装药布图,得到装药结构图。
步骤1034,提取目标布置参数中的起爆参数,绘制起爆系统图。
在该步骤,起爆参数包括:每个炮孔对应的起爆顺序、起爆方式,将这些进行整理绘制相应的起爆系统图。
步骤1034,将炮孔平面图、炮孔剖视图、装药结构图和起爆系统图进行显示。
通过上述方案,可以将爆破神经网络输出的目标布置参数转换成相应的图纸,这样用户可以根据炮孔平面图和炮孔剖视图进行炮孔布置,根据装药结构图安装合适的炸药,根据起爆系统图,进行爆破的启动,进而完成整个隧道爆破任务,使用方便。
另外,在现场操作过程中,用户可以根据实际的地形对各类图纸进行调整。
在具体实施例中,在步骤1034之前,方法包括:
步骤10341,为炮孔平面图和炮孔剖视图中的各类炮孔标注对应的设计尺寸。
步骤10342,为装置结构图中的各类装药器标注对应的结构及使用流程。
步骤10343,根据起爆系统图中使用的各种炸药,标注对应的起爆方式和起爆顺序。
在上述方案中,预先将各类炮孔的设计尺寸、各类装药器的结构及使用流程、各种炸药起爆方式及起爆顺序,等具体说明信息存储在数据库中,这样,当炮孔平面图、炮孔剖视图、装药结构图和起爆系统图生成之后,从数据库中将这些说明信息提取出来,并对应标注在各个图纸中,形成使用说明书,方便用户根据这些具有标注的说明书进行现场实际操作。
在具体实施例中,在步骤102之后,方法还包括:
步骤102A,获取参数调整命令。
步骤102B,将目标布置参数进行陈列,并设置成可修改状态。
步骤102C,接收用户输入的至少一个参数修改命令。
步骤102D,根据至少一个参数修改命令对目标布置参数进行修改。
则,步骤103为:根据修改后的目标布置参数进行绘图形成新的爆破布置图,将新的爆破布置图进行显示。
通过上述方案,用户如果觉得爆破神经网络模型输出的目标布置参数不合理,可以自己进行手动调整,触发对应的参数调整按键,目标布置参数中的所有参数全部变成闪烁的可修改状态,用户对需要调整的参数进行调整后,触发修改完成按键。然后就会将修改后的目标布置参数绘制成新的爆破布置图。这样,能够保证得到的爆破布置图,更符合用户的需要。
在具体实施例中,在步骤103之后,方法还包括:
步骤104,接收到用户发来的爆破成功指令后,对爆破神经网络模型的各层系数进行调整,其中,用户按照新的爆破布置图对待爆破区域进行布置后,对待爆破区域成功爆破,用户触发爆破成功按键,发送爆破成功指令。
步骤105,利用调整后的爆破神经网络模型对待爆破区域的地质信息进行处理。
步骤106,若输出的处理结果与修改后的目标布置参数不同,则对爆破神经网络模型的各层系数进行再次调整,直至调整后的爆破神经网络模型输出的处理结果与修改后的目标布置参数相同,则得到新的爆破神经网络模型。
通过上述方案,如果用户对输出的目标布置参数修改过,并且根据修改后的目标布置参数爆破成功了,则证明该爆破神经网络模型对爆破设计的不够合理,需要利用本次爆破任务,对该爆破神经网络模型按照上述步骤104-106进行再次学习训练,使得爆破神经网络模型能够不断提升爆破设计精度。
在具体实施例中,预先存储各类炸药成本a、各种零部件成本b、各类施工流程成本c以及每天的人工成本d。
则,在步骤102之后,方法包括:
步骤102E,统计目标布置参数中的各类炸药所需的重量A、各种零部件的数量B、施工流程C、人工处理天数D。
步骤102F,计算隧道爆破总成本P=A*a+B*b+C*c+D*d。
通过上述方案,能够根据目标布置参数计算隧道爆破的总成本,将总成本与上述步骤103中生成的爆破布置图一起进行显示,以供用户进行参考。这样,无需用户手动计算隧道爆破成本,方便用户做好资金准备。
进一步地,作为图1方法的具体实现,本申请实施例提供了一种隧道爆破设计装置,如图2所示,包括:获取模块、神经网络处理模块和绘图模块依次连接;
获取模块,用于获取待爆破区域的地质信息;
神经网络处理模块,用于将待爆破区域的地质信息输入至爆破神经网络模型中进行处理,输出待爆破区域需要的目标布置参数,其中,爆破神经网络模型是利用预定数量的隧道爆破历史数据对神经网络系统进行学习训练得到的;
绘图模块,用于根据目标布置参数进行绘图形成爆破布置图,将爆破布置图进行显示。
在具体实施例中,装置还包括:
神经网络构建模块,用于构建神经网络系统;
获取模块,还用于获取预定数量的历史地质信息及专家对应设计的历史布置参数;
输入模块,用于将每个历史地质信息输入至神经网络系统;
训练模块,用于神经网络系统经过各层的神经元处理之后输出待纠正的布置参数;将待纠正的布置参数与对应的历史布置参数进行比对,若相同,则将下一个历史地质信息输入至神经网络系统进行处理,若不同,则对神经网络系统的各层系数进行调整,直至神经网络系统输出的待纠正的布置参数与对应的历史布置参数相同;
模型生成模块,用于神经网络系统对所有历史地质信息全部处理完成后,得到爆破神经网络模型。
在具体实施例中,绘图模块具体包括:
炮孔绘制单元,用于提取目标布置参数中的炮孔位置参数,根据炮孔位置参数绘制炮孔立体图;根据炮孔立体图,获取炮孔平面图和炮孔剖视图;
装药绘制单元,用于提取目标布置参数中的装药参数,根据装药参数绘制装药结构图;
起爆绘制单元,用于提取目标布置参数中的起爆参数,绘制起爆系统图;
显示单元,用于将炮孔平面图、炮孔剖视图、装药结构图和起爆系统图进行显示。
在具体实施例中,绘图模块还包括:
炮孔标注单元,用于为炮孔平面图和炮孔剖视图中的各类炮孔标注对应的设计尺寸;
装药器标注单元,用于为装置结构图中的各类装药器标注对应的结构及使用流程;
起爆标注单元,用于根据起爆系统图中使用的各种炸药,标注对应的起爆方式和起爆顺序。
在具体实施例中,装置还包括:
命令获取模块,用于获取参数调整命令;
参数状态调整模块,用于将目标布置参数进行陈列,并设置成可修改状态;
命令获取模块,还用于接收用户输入的至少一个参数修改命令;
参数修改模块,用于根据至少一个参数修改命令对目标布置参数进行修改;
则绘图模块具体用于:根据修改后的目标布置参数进行绘图形成新的爆破布置图,将新的爆破布置图进行显示。
在具体实施例中,训练模块,还用于接收到用户发来的爆破成功指令后,对爆破神经网络模型的各层系数进行调整,其中,用户按照新的爆破布置图对待爆破区域进行布置后,对待爆破区域成功爆破,用户触发爆破成功按键,发送爆破成功指令;利用调整后的爆破神经网络模型对待爆破区域的地质信息进行处理;若输出的处理结果与修改后的目标布置参数不同,则对爆破神经网络模型的各层系数进行再次调整,直至调整后的爆破神经网络模型输出的处理结果与修改后的目标布置参数相同,则得到新的爆破神经网络模型。
在具体实施例中,预先存储各类炸药成本a、各种零部件成本b、各类施工流程成本c以及每天的人工成本d;
则,装置包括:
统计模块,用于统计目标布置参数中的各类炸药所需的重量A、各种零部件的数量B、施工流程C、人工处理天数D;
成本计算模块,用于计算隧道爆破总成本P=A*a+B*b+C*c+D*d。
在本申请的另一个实施例的隧道爆破设计装置中,如图3所示的系统总体构成框图。
1、系统管理
本模块对系统登录、智能知识库登录、用户登录、用户密码修改和系统管理员对各权限修改等进行管理。另外还可以对智能知识库进行修改以及对数据库中的爆破数据导出到磁盘保存等操作。
2、爆破设计
本模块是为了方便爆破数据的添加、修改、删除和查询等操作而专门抽出的一个模块,包括爆区地质、爆前数据和爆后数据。
3、布孔设计(常规、智能两种方式)
布孔设计模块包括单循环进尺设计,掏槽方式及其位置设计,掌子面上掏槽孔、辅助孔、掘进孔、周边孔的空间位置自适应确定及其布孔平面图的实现,与说明书编制,并给出孔网参数、单孔装药量和总装药量计算结果。
4、施工设计
施工设计模块包括孔位调整,装药结构设计,炮孔纵剖面图的实现,炮孔状态与装药类型的输入、标识,单循环掘进的单孔装药量及总装药量计算,起爆网路设计(网路连接形式、微差方式等)及其自动成图、雷管数量的分类统计计算,爆破设计说明书、爆破命令书编制。
5、施工信息管理系统
施工信息管理系统功能主要包括施工进度在线监测、设计与施工查询与相关数据统计、打印。
整个隧道爆破智能设计系统:主要有知识库、数据库、推理机、解释机构、知识获取机构和用户界面等六个组成部分。
要使隧道爆破设计计算机智能化,必须解决传统的爆破设计如何与计算机技术相结合的问题。要解决这个问题应从三个方面入手:一是如何实现用计算机代替人工进行隧道爆破设计;二是如何把爆破专家的经验知识应用于计算机爆破设计过程,以使设计人员能够轻而易举地获取最丰富的设计经验;三是如何把某些计算机化的爆破设计知识解释清楚。
对于第一个方面,为使计算机能够模拟人工思维进行隧道爆破设计即准确模拟人工设计,可先把爆破设计过程分解成若干个计算机可以识别的步骤,比如人工设计时的根据地质条件和隧道断面形状与几何尺寸选择爆破参数、根据爆破参数在隧道断面上布置炮孔、确定所有炮孔的起爆顺序等,然后用计算机语言描述并实现这些设计步骤和过程。例如,要根据地质和隧道条件使计算机自动选择爆破参数,就必须先把地质和隧道参数输入计算机中:要实现计算机输入功能,则首先应有输入界面即用户界面;要使计算机能够自动选择爆破参数则必须给定相应的法则,这些法则也要预先输入计算机中;要使计算机能够按爆破参数进行自适应布置炮孔,必须给定相应的布孔原则并告诉计算机如何按此原则进行推理布孔。
对于第二方面,为能在隧道爆破设计过程中可以借鉴爆破专家设计经验,可先把爆破专家经验知识输入到计算机预先创建的知识库中,在利用计算机进行隧道爆破设计时调用或搜索这些知识并加以合理处理再作为爆破设计参数,再以爆破专家经验和AI专家知识建立的推理机制进行炮孔布置等设计。
对于第三方面,要使在对某个参数的意义及如何确定其数值或不清楚设计流程或发生歧义时可向系统查询,应先把需要说明或解释的问题输入计算机中。在确定智能系统应解决的三个方面问题后,还需实现计算机如何具体解决办法。
隧道爆破设计是在己知地质条件基础上先选择爆破设计参数,然后进行布孔设计和施工设计。所以,在成功登录进入系统后,如图4所示数据经流过程如下:
1)经系统验证用户身份与权限成功登录后,打开或新建一个爆破设计。
2)进入爆区地质和爆前数据模块,在爆区地质模块输入或修改地质数据,在爆前数据模块中选取爆破设计参数。
3)进行布孔设计及修改,打印输出己完成布孔设计的炮孔平面图、布孔设计说明书。
4)根据设计结果进行现场炮孔布置并结合现场情况调整孔位,进行局部修改。
5)施工设计,打印输出已完成施工设计的炮孔平面图、装药结构图、起爆系统图、炮孔剖视图和设计说明书、爆破命令书等。
6)现场施工并根据钻凿炮孔的结果再进行孔位局部调整和爆破参数修改。
7)施工信息管理,可以得到或查询爆破所必需的图表,并可进行管理、打印、在线监测、统计分析。
如图5所示,以系统框架和各个完成功能的具体模块为主的用户界面为人机交互中心,用户(爆破设计人员)、领域专家(爆破专家)和AI专家均可通过用户界面进行相应的隧道爆破设计操作与管理,具体包括以下六个方面:
第一,爆破专家把隧道爆破设计所需如掏槽、周边、辅助、掘进炮孔孔网参数和炸药单耗等经验知识收集并分门别类列出,AI专家按规定的知识表示方法把这些爆破经验知识表示成为计算机可以识别和利用的知识,再通过知识获取机构即专家知识模块界面把专家知识输入并保存于知识库中。
第二,爆破专家和AI专家根据隧道爆破设计工艺和经验确定炮孔布置的推理机制。
第三,在解释机构即帮助或提示文档模块界面,把某些必须解释或说明的如操作完成上一步后下一步如何进行等信息输入并保存于数据库中,以便设计过程中查询。
第四,用户进行隧道爆破设计时,通过用户界面输入必需的地质资料和隧道断面参数,系统自动根据知识获取机构的搜索策略在知识库中搜索出最合理的爆破设计参数。
第五,系统根据推理机的推理机制在隧道断面上按照爆破参数实现炮孔自适应布置,根据布孔原则和方法将专家爆破设计过程模型化,并把爆破参数和布孔过程中得到的设计数据及其诸如炮孔平面布置图、掏槽设计图、起爆网路图等设计结果的相关参数保存于数据库中。
第六,设计完成后,在用户界面中打印输出爆破设计结果。由此,可实现用计算机准确模拟人工进行隧道爆破设计,并且在设计过程中可优化爆破参数和设计。
如图6所示,隧道爆破设计数据库:分为五个部分,即工程及用户管理信息、知识库数据、爆破设计数据、施工设计数据和统计信息等。
1、工程及用户管理信息,用于保存用户的相关信息,最基本的是用户名、密码和使用权限。使用权限是指由系统管理员给定用户的权限,不同的权限可以进行不同的操作。设计者有最低权限L(Low),可以对自己的设计进行增加、删除、修改和查询;知识专家拥有次高权限M(Middle),可以对专家知识库进行增加、删除、修改和查询以及包含设计者拥有的权限;系统管理员拥有最高权限S(Super),可以对用户名、密码和使用权限等其他用户信息进行增加、删除、修改和查询,并拥有知识专家和设计者拥有的所有权限。
2、知识库数据,用于管理爆破设计所需专家知识,当需要用到此知识时,系统自动在相应的专家数据表中搜索,从而获得知识。只有具有系统专家或以上(系统管理员)权限的用户才能对专家知识进行操作。
3爆破设计数据,用于保存的是隧道爆破设计所需的基本数据,包括施工方法、循环进尺、掏槽类型、掏槽位置、炸药类型、隧道断面参数等。
4、施工设计中设计图表包括布孔参数、装药结构、爆破设计说明书和爆破设计命令书等。
5、统计信息,主要是保存隧道爆破设计爆破前或爆破后的各项统计信息。
系统进行炮孔智能布置一般步骤为:智能识别隧道开挖轮廓面,然后按照掏槽孔、周边孔、底板孔、辅助孔和掘进孔的顺序进行布置并自动调整,如图7所示;布孔完成后允许用户根据实际情况进行相应调整,调整后将布孔设计图分为上台阶开爆和下台阶开爆两部分,分别如图8和9所示。
爆破设计输出主要包括爆破设计说明书、爆破任务书以及隧道爆破设计总图等,为实际隧道爆破施工提供必要的图表资料。
通过本实施例的方案,针对实际工程中各个具体情况,提出一个统一合理的解决方案,使得计算机能够自行进行爆破参数选取和炮孔布置,从而提高设计计算与绘图速度等问题。该系统的研究目标是将手工设计过程中的参数计算、隧道炮孔布置图绘制等工作由计算机来完成,以此来大幅度减少工作量,减少人为误差,大大节约设计与施工技术人员的劳动力,从而提高工作效率和经济效益。
基于上述隧道爆破方法和装置的实施例,为了实现上述目的,本申请实施例还提供了一种计算机设备,如图10所示,包括存储器和处理器,其中存储器和处理器均设置在总线上存储器存储有计算机程序,处理器执行计算机程序时实现图1所示的隧道爆破设计方法。
基于这样的理解,本申请的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储器(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施场景所述的方法。
可选地,该设备还可以连接用户接口、网络接口、摄像头、射频(Radio Frequency,RF)电路,传感器、音频电路、WI-FI模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard)等,可选用户接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如蓝牙接口、WI-FI接口)等。
本领域技术人员可以理解,本实施例提供的一种计算机设备的结构并不构成对该实体设备的限定,可以包括更多或更少的部件,或者组合某些部件,或者不同的部件布置。
基于上述如图1所示方法和图2-9所示装置的实施例,相应的,本申请实施例还提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述如图1所示的隧道爆破设计方法。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本申请可以借助软件加必要的通用硬件平台的方式来实现,也可以通过硬件实现。
通过应用本申请的技术方案,能够预先根据专家设计的隧道爆破方案,以及历史中的隧道爆破成功案例,对神经网络系统进行学习训练,得到爆破神经网络模型,通过该模型能够根据待爆破区域的地质信息确定隧道爆破需要的目标布置参数,进而得出对应的爆破布置图。由于神经网络自我学习能力较强,能够非常有效的对历史爆破数据进行学习训练,确定出的布置参数更加精确,并且无需人工进行参与,节省了人力资源,同时还能提高爆破设计速率,加快隧道爆破的进度。
本领域技术人员可以理解附图只是一个优选实施场景的示意图,附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中,也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
上述本申请序号仅仅为了描述,不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景,但是,本申请并非局限于此,任何本领域的技术人员能思之的变化都应落入本申请的保护范围。
Claims (10)
1.一种隧道爆破设计方法,其特征在于,所述方法的步骤包括:
获取待爆破区域的地质信息;
将所述待爆破区域的地质信息输入至爆破神经网络模型中进行处理,输出待爆破区域需要的目标布置参数,其中,所述爆破神经网络模型是利用预定数量的隧道爆破历史数据对神经网络系统进行学习训练得到的;
根据所述目标布置参数进行绘图形成爆破布置图,将爆破布置图进行显示。
2.根据权利要求1所述的方法,其特征在于,在将所述待爆破区域的地质信息输入至爆破神经网络模型中进行处理,输出待爆破区域需要的目标布置参数之前,所述方法还包括:
构建神经网络系统;
获取预定数量的历史地质信息及专家对应设计的历史布置参数;
将每个历史地质信息输入至所述神经网络系统;
所述神经网络系统经过各层的神经元处理之后输出待纠正的布置参数;
将所述待纠正的布置参数与对应的历史布置参数进行比对,若相同,则将下一个历史地质信息输入至神经网络系统进行处理,若不同,则对神经网络系统的各层系数进行调整,直至神经网络系统输出的待纠正的布置参数与对应的历史布置参数相同;
所述神经网络系统对所有历史地质信息全部处理完成后,得到爆破神经网络模型。
3.根据权利要求1所述的方法,其特征在于,根据所述目标布置参数进行绘图形成爆破布置图,将爆破布置图进行显示,具体包括:
提取所述目标布置参数中的炮孔位置参数,根据所述炮孔位置参数绘制炮孔立体图;
根据所述炮孔立体图,获取炮孔平面图和炮孔剖视图;
提取所述目标布置参数中的装药参数,根据所述装药参数绘制装药结构图;
提取所述目标布置参数中的起爆参数,绘制起爆系统图;
将所述炮孔平面图、所述炮孔剖视图、所述装药结构图和所述起爆系统图进行显示。
4.根据权利要求3所述的方法,其特征在于,在将所述炮孔平面图、所述炮孔剖视图、所述装药结构图和所述起爆系统图进行显示之前,所述方法包括:
为所述炮孔平面图和所述炮孔剖视图中的各类炮孔标注对应的设计尺寸;
为所述装置结构图中的各类装药器标注对应的结构及使用流程;
根据所述起爆系统图中使用的各种炸药,标注对应的起爆方式和起爆顺序。
5.根据权利要求1所述的方法,其特征在于,在输出待爆破区域需要的目标布置参数之后,所述方法还包括:
获取参数调整命令;
将所述目标布置参数进行陈列,并设置成可修改状态;
接收用户输入的至少一个参数修改命令;
根据所述至少一个参数修改命令对所述目标布置参数进行修改;
则,根据所述目标布置参数进行绘图形成爆破布置图,将爆破布置图进行显示,具体为:
根据修改后的目标布置参数进行绘图形成新的爆破布置图,将新的爆破布置图进行显示。
6.根据权利要求5所述的方法,其特征在于,在根据修改后的目标布置参数进行绘图形成新的爆破布置图,将新的爆破布置图进行显示之后,所述方法还包括:
接收到用户发来的爆破成功指令后,对爆破神经网络模型的各层系数进行调整,其中,用户按照新的爆破布置图对待爆破区域进行布置后,对待爆破区域成功爆破,用户触发爆破成功按键,发送爆破成功指令;
利用调整后的爆破神经网络模型对所述待爆破区域的地质信息进行处理;
若输出的处理结果与修改后的目标布置参数不同,则对所述爆破神经网络模型的各层系数进行再次调整,直至调整后的爆破神经网络模型输出的处理结果与修改后的目标布置参数相同,则得到新的爆破神经网络模型。
7.根据权利要求1所述的方法,其特征在于,预先存储各类炸药成本a、各种零部件成本b、各类施工流程成本c以及每天的人工成本d;
则,在输出待爆破区域需要的目标布置参数之后,所述方法包括:
统计所述目标布置参数中的各类炸药所需的重量A、各种零部件的数量B、施工流程C、人工处理天数D;
计算隧道爆破总成本P=A*a+B*b+C*c+D*d。
8.一种隧道爆破设计装置,其特征在于,包括:获取模块、神经网络处理模块和绘图模块依次连接;
所述获取模块,用于获取待爆破区域的地质信息;
所述神经网络处理模块,用于将所述待爆破区域的地质信息输入至爆破神经网络模型中进行处理,输出待爆破区域需要的目标布置参数,其中,所述爆破神经网络模型是利用预定数量的隧道爆破历史数据对神经网络系统进行学习训练得到的;
所述绘图模块,用于根据所述目标布置参数进行绘图形成爆破布置图,将爆破布置图进行显示。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的隧道爆破设计方法的步骤。
10.一种计算机存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的隧道爆破设计方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010018983.7A CN111259517A (zh) | 2020-01-08 | 2020-01-08 | 一种隧道爆破设计方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010018983.7A CN111259517A (zh) | 2020-01-08 | 2020-01-08 | 一种隧道爆破设计方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111259517A true CN111259517A (zh) | 2020-06-09 |
Family
ID=70951137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010018983.7A Pending CN111259517A (zh) | 2020-01-08 | 2020-01-08 | 一种隧道爆破设计方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111259517A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112084553A (zh) * | 2020-08-06 | 2020-12-15 | 重庆市市政设计研究院有限公司 | 一种用于隧道规划的勘测方法 |
CN112484589A (zh) * | 2020-11-02 | 2021-03-12 | 上海宝冶集团有限公司 | 在高架支墩下方进行隧道爆破的方法 |
CN113587755A (zh) * | 2021-08-15 | 2021-11-02 | 北京伊拜科技有限责任公司 | 一种矿用无线智能安全起爆管控系统 |
WO2022016207A1 (en) * | 2020-07-23 | 2022-01-27 | Orica Australia Pty Ltd | Blast design |
CN114140968A (zh) * | 2021-12-07 | 2022-03-04 | 四川智能建造科技股份有限公司 | 一种爆破品用量预警系统及方法 |
CN114427814A (zh) * | 2022-01-28 | 2022-05-03 | 北京理工大学 | 炮孔自动布置方法、系统及电子设备 |
CN114894052A (zh) * | 2021-12-03 | 2022-08-12 | 本钢板材股份有限公司 | 露天台阶爆破的精准设点方法 |
WO2022240049A1 (ko) * | 2021-05-11 | 2022-11-17 | 주식회사 한화 | 발파에 의한 진동 및 파쇄도 분석을 위한 발파 관리 시스템 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150241191A1 (en) * | 2014-02-21 | 2015-08-27 | Vale S.A. | Rock blasting method and system for adjusting a blasting plan in real time |
CN106650052A (zh) * | 2016-12-06 | 2017-05-10 | 武汉长江仪器自动化研究所有限公司 | 一种基于人工神经网络的配料爆破参数智能设计方法 |
CN107905797A (zh) * | 2017-10-27 | 2018-04-13 | 成都大学 | 一种隧道正硐爆破设计方法及智能系统 |
-
2020
- 2020-01-08 CN CN202010018983.7A patent/CN111259517A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150241191A1 (en) * | 2014-02-21 | 2015-08-27 | Vale S.A. | Rock blasting method and system for adjusting a blasting plan in real time |
CN106650052A (zh) * | 2016-12-06 | 2017-05-10 | 武汉长江仪器自动化研究所有限公司 | 一种基于人工神经网络的配料爆破参数智能设计方法 |
CN107905797A (zh) * | 2017-10-27 | 2018-04-13 | 成都大学 | 一种隧道正硐爆破设计方法及智能系统 |
Non-Patent Citations (1)
Title |
---|
陈琼;欧洪宁;姜群;张钦礼;刘伟军;: "基于RBF神经网络的爆破参数优选" * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022016207A1 (en) * | 2020-07-23 | 2022-01-27 | Orica Australia Pty Ltd | Blast design |
CN112084553A (zh) * | 2020-08-06 | 2020-12-15 | 重庆市市政设计研究院有限公司 | 一种用于隧道规划的勘测方法 |
CN112484589A (zh) * | 2020-11-02 | 2021-03-12 | 上海宝冶集团有限公司 | 在高架支墩下方进行隧道爆破的方法 |
WO2022240049A1 (ko) * | 2021-05-11 | 2022-11-17 | 주식회사 한화 | 발파에 의한 진동 및 파쇄도 분석을 위한 발파 관리 시스템 |
CN113587755A (zh) * | 2021-08-15 | 2021-11-02 | 北京伊拜科技有限责任公司 | 一种矿用无线智能安全起爆管控系统 |
CN114894052A (zh) * | 2021-12-03 | 2022-08-12 | 本钢板材股份有限公司 | 露天台阶爆破的精准设点方法 |
CN114894052B (zh) * | 2021-12-03 | 2023-11-07 | 本钢板材股份有限公司 | 露天台阶爆破的精准设点方法 |
CN114140968A (zh) * | 2021-12-07 | 2022-03-04 | 四川智能建造科技股份有限公司 | 一种爆破品用量预警系统及方法 |
CN114140968B (zh) * | 2021-12-07 | 2023-06-06 | 四川智能建造科技股份有限公司 | 一种爆破品用量预警系统及方法 |
CN114427814A (zh) * | 2022-01-28 | 2022-05-03 | 北京理工大学 | 炮孔自动布置方法、系统及电子设备 |
CN114427814B (zh) * | 2022-01-28 | 2022-10-14 | 北京理工大学 | 炮孔自动布置方法、系统及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111259517A (zh) | 一种隧道爆破设计方法、装置及设备 | |
CN111860952B (zh) | 一种突出煤层关键开采参数快速优选方法 | |
CN107590319B (zh) | 一种用于机械产品方案辅助设计的知识建模方法和系统 | |
CN110472060A (zh) | 题目推送方法、装置、计算机设备和存储介质 | |
CN103984788B (zh) | 一种煤巷锚杆支护自动智能设计与优化系统 | |
CN101615265A (zh) | 一种基于多Agent技术的智能决策仿真实验系统 | |
CN107480828B (zh) | 以建筑图纸优化数据库为基础进行流程引导的方法及系统 | |
CN110211173A (zh) | 一种基于深度学习的古生物化石定位和识别方法 | |
CN106529028A (zh) | 一种工艺规程的自动生成方法 | |
CN111859781A (zh) | 一种采动煤岩多场响应快速获取方法 | |
CN111831808A (zh) | 一种数据驱动的人工智能材料预测系统 | |
CN114372155A (zh) | 一种基于自扩展知识库和多模态画像的个性化学习平台 | |
Lam et al. | Integrating database, spreadsheet, graphics, GIS, statistics, simulation models and expert systems: Experiences with the raison system on microcomputers | |
CN107506831A (zh) | 爆破参数确定方法及系统 | |
CN108256688A (zh) | 改进萤火虫算法优化grnn的蒸汽驱开发效果预测方法 | |
CN113899268B (zh) | 隧道爆破断面炮眼布置优化施工方法 | |
CN111047011B (zh) | 一种基于机器学习模型的场景变量自动化深度挖掘引擎系统 | |
CN115050484A (zh) | 基于防疫布控场景建模的分析预判方法及系统 | |
CN113761634A (zh) | 一种基于多目标优化的建筑结构设计方法 | |
Willey | Approaches to computer-aided architectural sketch design | |
CN105930162B (zh) | 一种基于子图搜索的特征定位方法 | |
Kapageridis et al. | Integration of a neural ore grade estimation tool in a 3D resource modeling package | |
CN117610315B (zh) | 基于多元地质信息的隧道智能爆破设计系统 | |
Oliphant et al. | ASSIST: a computer-based advisory system for site investigations. | |
CN115439622A (zh) | 一种驱动三维地质模型自动更新方法 |
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 |