CN112052274A - 一种岩质地层地铁盾构施工地表沉降规律的数据挖掘方法 - Google Patents
一种岩质地层地铁盾构施工地表沉降规律的数据挖掘方法 Download PDFInfo
- Publication number
- CN112052274A CN112052274A CN202010761158.6A CN202010761158A CN112052274A CN 112052274 A CN112052274 A CN 112052274A CN 202010761158 A CN202010761158 A CN 202010761158A CN 112052274 A CN112052274 A CN 112052274A
- Authority
- CN
- China
- Prior art keywords
- settlement
- curve
- data
- ground surface
- rule
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)
Abstract
公开了一种岩质地层地铁盾构施工地表沉降规律的数据挖掘方法。该方法可以包括:收集现场地表沉降监测数据;确定目标数据集;针对目标数据集进行沉降值分类,获得数据子集;针对数据子集进行沉降值分类,获得沉降子区间;根据理论曲线,判断沉降子区间的沉降曲线的沉降规律;根据沉降子区间的沉降曲线的沉降规律,确定数据子集的沉降规律。本发明通过确定沉降子区间的沉降曲线的沉降规律,获取数据子集的沉降规律。
Description
技术领域
本发明涉及地铁施工数据处理领域,更具体地,涉及一种岩质地层地铁盾构施工地表沉降规律的数据挖掘方法。
背景技术
早在1969年Peck就对隧道开挖引起地表沉降进行了研究,认为隧道开挖后引起的地面瞬时沉降是在不排水情况下发生的,沉降槽体积应等于地层损失的体积,可采用高斯分布来描述,最终提出了Peck公式。对于这已有的地表沉降规律研究的方法,部分为基于类似工程实测数据的分析与归纳,未考虑不同的地质条件、周边环境等多因素的影响,分析的过程步骤缺乏系统性与规范性,分析的方法对于不同区段的地表沉降规律缺乏普适性。
因此,有必要开发一种岩质地层地铁盾构施工地表沉降规律的数据挖掘方法。
公开于本发明背景技术部分的信息仅仅旨在加深对本发明的一般背景技术的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
本发明提出了一种岩质地层地铁盾构施工地表沉降规律的数据挖掘方法,其能够通过确定沉降子区间的沉降曲线的沉降规律,获取数据子集的沉降规律。
本公开实施例提供了一种岩质地层地铁盾构施工地表沉降规律的数据挖掘方法,包括:收集现场地表沉降监测数据;确定目标数据集;针对所述目标数据集进行沉降值分类,获得数据子集;针对所述数据子集进行沉降值分类,获得沉降子区间;根据理论曲线,判断所述沉降子区间的沉降曲线的沉降规律;根据所述沉降子区间的沉降曲线的沉降规律,确定所述数据子集的沉降规律。
优选地,还包括:在研究区域的地表沉降数据进行筛选,获得所述目标数据集。
优选地,所述研究区域为具有岩质地层的区域。
优选地,还包括:在研究区域的地表沉降数据中删除数据缺失数量超过设定阈值的测点组,其他测点组组成目标数据集。
优选地,针对所述目标数据集进行沉降值分类包括:根据所述沉降值,将所述目标数据集进行初划分,获得数据子集。
优选地,根据所述沉降值,将所述目标数据集进行初划分包括:根据所述沉降值的最小值,将所述目标数据集进行初划分,分为大沉降数据子集与小沉降数据子集。
优选地,针对所述数据子集进行沉降值分类包括:在所述初划分的基础上进行细分,获得多个沉降子区间。
优选地,在初划分的基础上进行细分,获得多个沉降子区间包括:分别将所述大沉降数据子集与所述小沉降数据子集进行细分,获得多个沉降子区间。
优选地,根据理论曲线,判断所述沉降子区间的沉降曲线的沉降规律包括:将所述理论曲线与每一个沉降子区间的沉降曲线进行对比,根据所述理论曲线与所述沉降曲线的形态以及最大相对差值,判断所述沉降曲线是否为规律性显著。
优选地,根据所述理论曲线与所述沉降曲线的形态以及最大相对差值,判断所述沉降曲线是否为规律性显著包括:若沉降曲线与理论曲线的形态不相符或最大相对差值过小,则该沉降曲线为规律性不显著,否则则为规律性显著。
本发明的方法具有其它的特性和优点,这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的,或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述,这些附图和具体实施方式共同用于解释本发明的特定原理。
附图说明
通过结合附图对本发明示例性实施例进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显,其中,在本发明示例性实施例中,相同的参考标号通常代表相同部件。
图1为根据本发明的岩质地层地铁盾构施工地表沉降规律的数据挖掘方法的步骤的流程图。
图2为根据本发明的一个实施例的沉降曲线数据缺失50%的空间沉降曲线的示意图。
图3为根据本发明的一个实施例的[-1,+∞)mm沉降子区间的沉降曲线的示意图。
图4a为根据本发明的一个实施例的[-4,-1)mm沉降子区间中沉降曲线为规律性显著的示意图。
图4b为根据本发明的一个实施例的[-4,-1)mm沉降子区间中沉降曲线为规律性不显著的示意图。
图5a为根据本发明的一个实施例的[-10,-4)mm沉降子区间中沉降曲线为规律性显著的示意图。
图5b为根据本发明的一个实施例的[-10,-4)mm沉降子区间中沉降曲线为规律性不显著的示意图。
图6为根据本发明的一个实施例的[-20,-10)mm沉降子区间的沉降曲线的示意图。
图7为根据本发明的一个实施例的[-30,-20)mm沉降子区间的沉降曲线的示意图。
具体实施方式
下面将参照附图更详细地描述本发明。虽然附图中显示了本发明的优选实施例,然而应该理解,可以以各种形式实现本发明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使本发明更加透彻和完整,并且能够将本发明的范围完整地传达给本领域的技术人员。
图1为根据本发明的岩质地层地铁盾构施工地表沉降规律的数据挖掘方法的步骤的流程图。
在该实施例中,根据本发明的岩质地层地铁盾构施工地表沉降规律的数据挖掘方法可以包括:步骤101,收集现场地表沉降监测数据;步骤102,确定目标数据集;步骤103,针对目标数据集进行沉降值分类,获得数据子集;步骤104,针对数据子集进行沉降值分类,获得沉降子区间;步骤105,根据理论曲线,判断沉降子区间的沉降曲线的沉降规律;步骤106,根据沉降子区间的沉降曲线的沉降规律,确定数据子集的沉降规律。
在一个示例中,还包括:在研究区域的地表沉降数据进行筛选,获得目标数据集。
在一个示例中,研究区域为具有岩质地层的区域。
在一个示例中,还包括:在研究区域的地表沉降数据中删除数据缺失数量超过设定阈值的测点组,其他测点组组成目标数据集。
在一个示例中,针对目标数据集进行沉降值分类包括:根据沉降值,将目标数据集进行初划分,获得数据子集。
在一个示例中,根据沉降值,将目标数据集进行初划分包括:根据沉降值的最小值,将目标数据集进行初划分,分为大沉降数据子集与小沉降数据子集。
在一个示例中,针对数据子集进行沉降值分类包括:在初划分的基础上进行细分,获得多个沉降子区间。
在一个示例中,在初划分的基础上进行细分,获得多个沉降子区间包括:分别将大沉降数据子集与小沉降数据子集进行细分,获得多个沉降子区间。
在一个示例中,根据理论曲线,判断沉降子区间的沉降曲线的沉降规律包括:将理论曲线与每一个沉降子区间的沉降曲线进行对比,根据理论曲线与沉降曲线的形态以及最大相对差值,判断沉降曲线是否为规律性显著。
在一个示例中,根据理论曲线与沉降曲线的形态以及最大相对差值,判断沉降曲线是否为规律性显著包括:若沉降曲线与理论曲线的形态不相符或最大相对差值过小,则该沉降曲线为规律性不显著,否则则为规律性显著。
具体地,根据本发明的盾构施工地表沉降规律的数据挖掘方法可以包括:
收集现场地表沉降监测数据,通过施工区域沉降数据库,在研究区域的地表沉降数据进行筛选,删除数据缺失较多的测点组,其他测点组组成目标数据集,其中,研究区域为具有岩质地层的区域;
针对目标数据集中每一个测点组的沉降值最小值进行分类,先将目标数据集进行初划分,获得数据子集,包括大沉降数据子集与小沉降数据子集,然后分别将大沉降数据子集与小沉降数据子集进行细分,获得多个沉降子区间;
将理论曲线与每一个沉降子区间中的每一个测点组的沉降曲线进行对比,每一条沉降曲线表示某个监测时刻一个测点组的沉降曲线,根据理论曲线与沉降曲线的形态以及各条沉降曲线的最大相对差值,判断该沉降曲线是否为规律性显著,若沉降曲线与理论曲线的形态不相符或最大相对差值过小,则该沉降曲线为规律性不显著,否则则为规律性显著;
根据沉降子区间的沉降曲线的沉降规律,确定数据子集的沉降规律,若某分类中存在规律性不显著的沉降曲线,则该分类为规律性不显著。
本方法通过确定沉降子区间的沉降曲线的沉降规律,获取数据子集的沉降规律。
应用示例
为便于理解本发明实施例的方案及其效果,以下给出一个具体应用示例。本领域技术人员应理解,该示例仅为了便于理解本发明,其任何具体细节并非意在以任何方式限制本发明。
收集现场地表沉降监测数据,通过施工区域沉降数据库,在研究区域的地表沉降数据进行筛选,删除数据缺失较多的测点组,其他测点组组成目标数据集。
图2为根据本发明的一个实施例的沉降曲线数据缺失50%的空间沉降曲线的示意图。
在本实施例中,共计47组数据,以数据缺失率50%为限制,其中组内数据缺失50%及其以上的有5组,如图2所示,从地表沉降数据中剔除,获得目标数据集。
针对目标数据集中每一个测点组的沉降值最小值进行分类,先以沉降值最小值为10mm为界,将目标数据集进行初划分,获得数据子集,包括大沉降数据子集与小沉降数据子集,然后将大沉降数据子集分为[-20,-10)mm与[-30,-20)mm沉降子区间,将小沉降数据子集分为[-1,+∞)mm、[-4,-1)mm、[-10,-4)mm沉降子区间。
考虑现场其他因素影响而产生的误差,基于以下依据判断测点组的沉降曲线是否具有规律性显著:(1)测点组的沉降曲线整体上与理论曲线相似,各点幅值与理论曲线不吻合的数量不超过1个(含1个);(2)测点组的最大相对差值不小于2mm。
图3为根据本发明的一个实施例的[-1,+∞)mm沉降子区间的沉降曲线的示意图,每一条曲线表示一个测点组,共有7个测点组,7条曲线中,部分曲线最大相对差值小于1mm,部分曲线与理论曲线趋势不相似,根据前述规则,为规律性不显著。
图4a为根据本发明的一个实施例的[-4,-1)mm沉降子区间中沉降曲线为规律性显著的示意图,共有6个测点组,6组沉降曲线与理论曲线趋势相似,均满足前述规则,为规律性显著。
图4b为根据本发明的一个实施例的[-4,-1)mm沉降子区间中沉降曲线为规律性不显著的示意图,共有9个测点组,9组曲线均不满足前述规则,为规律性不显著,其中,曲线DX-279虽趋势符合理论曲线,但其相对差值小于1mm。
图5a为根据本发明的一个实施例的[-10,-4)mm沉降子区间中沉降曲线为规律性显著的示意图,共有5个测点组,5组沉降曲线与理论曲线趋势相似,均满足前述规则,为规律性显著。
图5b为根据本发明的一个实施例的[-10,-4)mm沉降子区间中沉降曲线为规律性不显著的示意图,共有5个测点组,5组曲线均不满足前述规则,为规律性不显著。
综上,小沉降数据子集的测点组共计有32组,整体上规律性不显著。
图6为根据本发明的一个实施例的[-20,-10)mm沉降子区间的沉降曲线的示意图,共有6个测点组,6组沉降曲线与理论曲线趋势相似,满足前述规则,为规律性显著。
图7为根据本发明的一个实施例的[-30,-20)mm沉降子区间的沉降曲线的示意图,共有4个测点组,4组沉降曲线与理论曲线趋势相似,满足前述规则,为规律性显著。
综上,大沉降数据子集的测点组共计有10组,整体上规律性显著。
综上所述,本发明通过确定沉降子区间的沉降曲线的沉降规律,获取数据子集的沉降规律。
本领域技术人员应理解,上面对本发明的实施例的描述的目的仅为了示例性地说明本发明的实施例的有益效果,并不意在将本发明的实施例限制于所给出的任何示例。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。
Claims (10)
1.一种岩质地层地铁盾构施工地表沉降规律的数据挖掘方法,其特征在于,包括:
收集现场地表沉降监测数据;
确定目标数据集;
针对所述目标数据集进行沉降值分类,获得数据子集;
针对所述数据子集进行沉降值分类,获得沉降子区间;
根据理论曲线,判断所述沉降子区间的沉降曲线的沉降规律;
根据所述沉降子区间的沉降曲线的沉降规律,确定所述数据子集的沉降规律。
2.根据权利要求1所述的岩质地层地铁盾构施工地表沉降规律的数据挖掘方法,其中,还包括:
在研究区域的地表沉降数据进行筛选,获得所述目标数据集。
3.根据权利要求2所述的岩质地层地铁盾构施工地表沉降规律的数据挖掘方法,其中,所述研究区域为具有岩质地层的区域。
4.根据权利要求2所述的岩质地层地铁盾构施工地表沉降规律的数据挖掘方法,其中,还包括:
在研究区域的地表沉降数据中删除数据缺失数量超过设定阈值的测点组,其他测点组组成目标数据集。
5.根据权利要求1所述的岩质地层地铁盾构施工地表沉降规律的数据挖掘方法,其中,针对所述目标数据集进行沉降值分类包括:
根据所述沉降值,将所述目标数据集进行初划分,获得数据子集。
6.根据权利要求5所述的岩质地层地铁盾构施工地表沉降规律的数据挖掘方法,其中,根据所述沉降值,将所述目标数据集进行初划分包括:
根据所述沉降值的最小值,将所述目标数据集进行初划分,分为大沉降数据子集与小沉降数据子集。
7.根据权利要求5所述的岩质地层地铁盾构施工地表沉降规律的数据挖掘方法,其中,针对所述数据子集进行沉降值分类包括:
在所述初划分的基础上进行细分,获得多个沉降子区间。
8.根据权利要求7所述的岩质地层地铁盾构施工地表沉降规律的数据挖掘方法,其中,在初划分的基础上进行细分,获得多个沉降子区间包括:
分别将所述大沉降数据子集与所述小沉降数据子集进行细分,获得多个沉降子区间。
9.根据权利要求1所述的岩质地层地铁盾构施工地表沉降规律的数据挖掘方法,其中,根据理论曲线,判断所述沉降子区间的沉降曲线的沉降规律包括:
将所述理论曲线与每一个沉降子区间的沉降曲线进行对比,根据所述理论曲线与所述沉降曲线的形态以及最大相对差值,判断所述沉降曲线是否为规律性显著。
10.根据权利要求9所述的岩质地层地铁盾构施工地表沉降规律的数据挖掘方法,其中,根据所述理论曲线与所述沉降曲线的形态以及最大相对差值,判断所述沉降曲线是否为规律性显著包括:
若沉降曲线与理论曲线的形态不相符或最大相对差值过小,则该沉降曲线为规律性不显著,否则则为规律性显著。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010761158.6A CN112052274A (zh) | 2020-07-31 | 2020-07-31 | 一种岩质地层地铁盾构施工地表沉降规律的数据挖掘方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010761158.6A CN112052274A (zh) | 2020-07-31 | 2020-07-31 | 一种岩质地层地铁盾构施工地表沉降规律的数据挖掘方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112052274A true CN112052274A (zh) | 2020-12-08 |
Family
ID=73601729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010761158.6A Pending CN112052274A (zh) | 2020-07-31 | 2020-07-31 | 一种岩质地层地铁盾构施工地表沉降规律的数据挖掘方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112052274A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113626906A (zh) * | 2021-07-07 | 2021-11-09 | 武汉轻工大学 | 基于数据挖掘与控制图的地下支护结构变形监控方法 |
CN117870626A (zh) * | 2024-03-11 | 2024-04-12 | 中铁七局集团广州工程有限公司 | 一种用于熔岩地区的打桩浇筑过程的监测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080154769A1 (en) * | 2006-12-21 | 2008-06-26 | Anderson Matthew V | Computer system and computer-implemented method for selecting invoice settlement options |
CN106096796A (zh) * | 2016-06-24 | 2016-11-09 | 绍兴文理学院 | 一种基于坐标复合指数映射的软土地基沉降过程预测方法 |
CN108663017A (zh) * | 2018-08-13 | 2018-10-16 | 伟志股份公司 | 一种监测城市地铁沿线地表沉降的方法 |
CN111259560A (zh) * | 2020-02-04 | 2020-06-09 | 武汉轻工大学 | 盾构施工地表沉降形态分类方法及系统 |
-
2020
- 2020-07-31 CN CN202010761158.6A patent/CN112052274A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080154769A1 (en) * | 2006-12-21 | 2008-06-26 | Anderson Matthew V | Computer system and computer-implemented method for selecting invoice settlement options |
CN106096796A (zh) * | 2016-06-24 | 2016-11-09 | 绍兴文理学院 | 一种基于坐标复合指数映射的软土地基沉降过程预测方法 |
CN108663017A (zh) * | 2018-08-13 | 2018-10-16 | 伟志股份公司 | 一种监测城市地铁沿线地表沉降的方法 |
CN111259560A (zh) * | 2020-02-04 | 2020-06-09 | 武汉轻工大学 | 盾构施工地表沉降形态分类方法及系统 |
Non-Patent Citations (2)
Title |
---|
孙成伟;范雨;姚旭朋;: "软土灰岩复合地层盾构隧道施工地表沉降规律研究", 建筑施工, no. 02, pages 146 - 149 * |
李炜明;柳雨叶;石旭东;丁敬文;吴政;姜艺;: "地铁施工地表沉降的空间规律与统计特征研究", 铁道工程学报, no. 03, pages 74 - 79 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113626906A (zh) * | 2021-07-07 | 2021-11-09 | 武汉轻工大学 | 基于数据挖掘与控制图的地下支护结构变形监控方法 |
CN113626906B (zh) * | 2021-07-07 | 2024-03-22 | 武汉轻工大学 | 基于数据挖掘与控制图的地下支护结构变形监控方法 |
CN117870626A (zh) * | 2024-03-11 | 2024-04-12 | 中铁七局集团广州工程有限公司 | 一种用于熔岩地区的打桩浇筑过程的监测方法 |
CN117870626B (zh) * | 2024-03-11 | 2024-05-07 | 中铁七局集团广州工程有限公司 | 一种用于熔岩地区的打桩浇筑过程的监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110458367B (zh) | 一种煤矿工作面瓦斯地质危险性评价方法 | |
CN112052274A (zh) | 一种岩质地层地铁盾构施工地表沉降规律的数据挖掘方法 | |
CN106988737B (zh) | 一种利用岩性组合识别沉积相的方法 | |
CN110568440B (zh) | 一种基于DS-InSAR技术监测复杂山区形变的方法 | |
CN109736784B (zh) | 沉积岩地层孔隙压力预测计算方法 | |
Karaman et al. | A comparative assessment of rock mass deformation modulus | |
CN110286416B (zh) | 一种基于物性函数的快速二维密度反演方法 | |
Kabiesz et al. | Application of rule-based models for seismic hazard prediction in coal mines. | |
CN114333257A (zh) | 一种滑坡变形速率临界值确定及滑坡预警方法 | |
CN110544286A (zh) | 一种大尺度范围的场地快速分类方法及构建场地分类图的装置 | |
CN115358285A (zh) | 待勘测区块关键地质参数的选取方法、装置、及设备 | |
CN111505733A (zh) | 一种地下工程裂隙岩体赋存特殊地质体多源异构信息融合分析与动态预测方法 | |
CN113011094B (zh) | 混合gbdt和随机森林算法的土压平衡盾构机渣土改良方法 | |
CN114219134A (zh) | 一种盾构施工引起地面沉降的预测方法及系统 | |
CN108805158A (zh) | 一种致密油储层成岩相划分方法 | |
Lin et al. | A machine learning method for soil conditioning automated decision-making of EPBM: Hybrid GBDT and Random Forest Algorithm | |
CN113687411B (zh) | 一种基于微地震的地应力方位预测方法 | |
CN115898442A (zh) | 基于盾构施工参数评定掘进中围岩等级的确定方法和系统 | |
CN115640996A (zh) | 一种富水复杂地层隧道突涌水灾害的评估方法 | |
CN114462185A (zh) | 隧道施工造成地表沉降槽空间形态五维演化的预估方法 | |
CN108319915B (zh) | 一种岩爆信号阈值动态调整的多时窗简化形式识别方法 | |
CN110795513B (zh) | 河流相源储异位型致密油气甜点区分布的预测方法 | |
Wang et al. | Machine learning–informed soil conditioning for mechanized shield tunneling | |
Nikkhah et al. | Application of pattern recognition analysis of rock acoustic emission for determination of Kaiser Effect | |
CN103809215B (zh) | 一种厚冲积层矿区土体沉陷响应的获取方法 |
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 |