CN112712484B - 一种采用模糊数学理论圈定采空区电阻率影像异常的方法 - Google Patents
一种采用模糊数学理论圈定采空区电阻率影像异常的方法 Download PDFInfo
- Publication number
- CN112712484B CN112712484B CN202011417602.9A CN202011417602A CN112712484B CN 112712484 B CN112712484 B CN 112712484B CN 202011417602 A CN202011417602 A CN 202011417602A CN 112712484 B CN112712484 B CN 112712484B
- Authority
- CN
- China
- Prior art keywords
- goaf
- resistivity
- abnormal
- image
- image data
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000002159 abnormal effect Effects 0.000 claims abstract description 67
- 230000005856 abnormality Effects 0.000 claims abstract description 37
- 238000011156 evaluation Methods 0.000 claims abstract description 33
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000011158 quantitative evaluation Methods 0.000 claims abstract description 12
- 238000012795 verification Methods 0.000 claims abstract description 8
- 238000005553 drilling Methods 0.000 claims abstract description 6
- 238000007619 statistical method Methods 0.000 claims abstract description 6
- 238000011157 data evaluation Methods 0.000 claims abstract description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 21
- 238000009933 burial Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 6
- 238000013139 quantization Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 230000001965 increasing effect Effects 0.000 claims description 3
- 238000010972 statistical evaluation Methods 0.000 abstract 1
- 238000004519 manufacturing process Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 10
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 8
- 238000001514 detection method Methods 0.000 description 8
- 239000002184 metal Substances 0.000 description 6
- 229910052751 metal Inorganic materials 0.000 description 6
- 206010063385 Intellectualisation Diseases 0.000 description 4
- 229910052742 iron Inorganic materials 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 239000004020 conductor Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
-
- 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
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/168—Segmentation; Edge detection involving transform domain methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20052—Discrete cosine transform [DCT]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- Geophysics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Environmental & Geological Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及一种采用模糊数学理论圈定采空区电阻率影像异常的方法，包括通过电阻率法采集的采空区电阻率影像数据，其特征在于，对于数据的处理包括如下步骤：1)数据评估，构建剖面数据量计算公式，数据直方图统计分析评价；2)数据增强，确定采空区电阻率影像异常是否存在的量化评价指标DR、DT和DH；3)DR的提取和赋值运算；4)DT的提取和赋值运算；5)DH的提取和赋值运算；6)DR、DT和DH的综合评价；7)采空区电阻率影像异常区域的定量评价及采空区异常范围的定量圈定，供潜孔钻钻探实时验证。本发明的优点是：利用模糊数学理论，使采空区异常圈定定量化和智能化，实现了海量地球物理异常数据的快速定量评价。
Description
技术领域
本发明属于金属矿山安全生产领域，具体涉及一种采用模糊数学理论圈定采空区电阻率影像异常的方法。
背景技术
在金属矿山安全生产领域，特别是露天金属矿山，经常会出现一些由于不明采空区的变形、沉降和塌陷引发的生产安全事故，轻则造成设备损失，重则造成人员伤亡，严重影响矿山的安全生产作业，成为时刻威胁露天金属矿山生产安全的主要难题。为了解决这些不明采空区存在诱发的生产安全技术难题，科研院所和生产单位采用多种技术方法和手段探测采空区，且主要是大量采用高效快捷的地球物理探测方法，尤其是其中的高密度电阻率法。电阻率法以其成本低、方便快捷高效和无损，是非接触的地质CT探测技术方法，属于超前的“绿色探测”，适应于对面积性露天采场区域内的不明采空区异常快速扫面筛查和定位。但电阻率法成果显示采空区异常具有间接性、多解性和圈定指标不确定性，这往往也成为物探成果难以及时服务生产的一大限制因素和缺陷，使得采空区的成果解译变成了“有”或“无”的难以判定，这使得探测成果的解译和应用必须要有丰富经验的地质与地球物理专家级的人才联合参与，从而严重制约地球物理这种快捷高效技术方法的推广与应用。与此同时，面临的现实情况是在露天矿山快速持续不断的平台作业生产中，每天采集的大量电阻率法影像数据却难以得到具有丰富经验的专家级人才及时处理，致使采矿作业平台采空区异常边界得不到及时准确圈定，造成钻探验证和采空区安全处理严重滞后，在制约矿山正常生产的同时威胁矿山安全，使得大量不明采空区分布区的铁矿资源被禁锢，无法安全开采与释放。这一切问题的关键在于，如何使物探解译成果的模型化和智能化，最大限度的摆脱专家人力解译缓慢和滞后性，从而实现计算机自动处理。
为此，面对上述应用地球物理问题仅依靠专家经验解决的局限性，本发明基于模糊数学理论、采空区异常模型和计算机科学技术的进步发展，特别是目前深凹露天金属矿山面临充水型采空区的安全威胁，提出了一种基于模糊数学理论的充水型采空区电阻率法异常定量圈定方法。该方法主要基于多年的BIF型铁矿山采空区探测技术成果支撑，特别是不明充水型采空区的地球物理特征研究成果的总结，应用模糊数学理论研究和模型评价的方法，基于GIS平台构建的采空区空间地球物理异常影像快速处理与定量评价模型，实现金属矿山不明采空区地球物理异常圈定的模型化和智能化。
发明内容
本发明的目的在于提供一种采用模糊数学理论圈定采空区电阻率影像异常的方法，该方法可以快速高效的评价采空区电阻率影像异常，及时准确高效圈出生产区域内的采空区异常，供潜孔钻钻探验证，而后安全处理，全力保障矿山生产安全。
本发明的的目的是通过以下技术方案实现的：
本发明的一种采用模糊数学理论圈定采空区电阻率影像异常的方法，包括通过高密度电阻率法测量仪采集的采空区电阻率影像数据，其特征在于，对于采空区电阻率影像数据的处理包括如下步骤：
步骤1、电阻率影像数据评估
对利用高密度电阻率法测量仪采集到的电阻率剖面影像数据，利用测量电极布设数和数据采集层数来构建电阻率影像数据可采总量公式，对单个剖面采集到的R个电阻率数据进行直方图统计分析，在其影像数据分布符合正态分布或对数正态分布时方可进入下一步骤进行影像数据处理；
步骤2、电阻率影像数据增强，确定采空区电阻率影像异常是否存在的三个量化评价指标
对电阻率影像数据进行矩阵中值滤波降噪增强和数据反演计算，根据计算结果提出确定采空区电阻率影像异常是否存在的三个量化综合评价指标，分别为采空区电阻率影像异常高低评价指标DR、采空区电阻率影像异常空间变化梯度评价指标DT和采空区电阻率影像异常埋深条件指标DH；
步骤3、电阻率影像异常高低评价指标DR的提取和模糊数学理论概率赋值运算
求出单个剖面电阻率法R个影像数据的均值和标准差SR，取/>为充水型采空区电阻率异常的上限值xS，利用Jenks自然间断点分级法进行归一化10级空间分类，利用模糊较小值计算模型/>计算后得到采空区电阻率影像异常高低评价指标DR的概率影像数据；
步骤4、采空区电阻率影像异常空间变化梯度评价指标DT的提取和模糊数学理论概率赋值运算
对单个剖面的电阻率法R个影像数据采用离散傅里叶变换垂向求导获得负向梯度值圈闭区域，并使其全面正值化；利用Jenks自然间断点分级法进行归一化10级空间分类，利用模糊数学理论中的模糊高斯模型进行计算，获得采空区电阻率影像异常空间变化梯度评价指标DT的概率影像数据；
步骤5、采空区电阻率影像异常埋深条件指标DH的提取和模糊数学理论概率赋值运算
对单个剖面R个影像数据点所在的深度由浅到深进行Jenks自然间断点分级法的归一化10级空间分类；DH采用模糊数学理论中的模糊高斯模型进行计算，获得采空区电阻率影像异常埋深条件指标DH的概率影像数据；
步骤6、采空区电阻率影像异常的三个量化指标综合评价
采用模糊数学中的FuzzyAnd模型FuzzyAnd＝min(arg1,...,argn)对DR、DT和DH进行综合评价，评价结果输出采空区电阻率影像异常的概率分布影像图DG；
步骤7、采空区电阻率影像异常区域的定量评价及采空区异常范围的定量圈定
依据上述采空区电阻率影像异常的三个量化评价指标的选取原则，为了无遗漏采空区异常，最大限度保证安全生产，在采空区电阻率影像异常的概率分布影像图DG上选取概率大于0.5的区域为采空区存在引起的电阻率影像异常区域，即可以以概率0.5为边界，向内概率值逐渐增大，定量化圈出采空区异常范围，供潜孔钻钻探实时验证。
另外，在步骤1中，获取的高密度电阻率法数据必须进行直方图统计分析和采空区异常降噪增强；在步骤2～步骤6中，对于提取充水型采空区电阻率影像异常的三个定量评价指标DR、DT、DH和采空区电阻率影像异常的概率分布影像图DG，全程采用模糊数学评价理论和方法运算，以便降低人工干预，从而实现采空区电阻率影像异常评价的定量化、自动化和智能化。
与现有技术相比，本发明的优点是：
(1)提取了充水型采空区探测过程中电阻率值大小、空间分布和变化所隐含的采空区异常信息，实现了采空区地球物理异常信息的挖掘。
(2)把采空区定性解译过程中的专家经验和依据的采空区地球物理特征信息量化，实现了采空区数据的重构和归一化处理。
(3)利用模糊数学理论，使采空区异常圈定定量化和智能化，可以实现海量地球物理异常数据的快速定量评价。
附图说明
图1、电阻率法测线G-1原始数据图。
图2、电阻率法测线G-1的矩阵降噪滤波和数据反演成果图。
图3、电阻率法测线G-1电阻率异常高低评价指标DR的概率影像数据。
图4、电阻率法测线G-1电阻率异常空间变化梯度评价指标DT的概率影像数据。
图5电阻率法测线G-1电阻率异常埋深条件指标DH的概率影像数据。
图6电阻率法测线G-1中充水型采空区电阻率异常的概率分布影像图DG。
具体实施方式
下面结合附图对本发明作进一步说明。
具体实施方式为对某一露天铁矿的充水型采空区电阻率影像异常定量圈定。
如图1～图6所示，本发明的一种采用模糊数学理论圈定采空区电阻率影像异常的方法，包括通过高密度电阻率法测量仪采集某一露天铁矿的充水型采空区电阻率影像数据，其特征在于，对于采空区电阻率影像数据的处理包括如下步骤：
步骤1、电阻率影像数据评估
对利用高密度电阻率法测量仪采集到的电阻率剖面影像数据，依据单条测线的测量电极布设数DJn和影像数据采集层数Cn，可知获取了R个影像数据(R＝((DJn-3)+(DJn-3Cn))*Cn/2)，如图1显示的电阻率法测线G-1为60个测量电极和19层数据采集，则其采集影像数据量为570个。然后对单条测线剖面中的R个电阻率影像数据(x1，x2，……，xi)进行直方图统计分析，如果其影像数据分布符合正态分布或对数正态分布，说明采集的影像数据可靠，则可进入下一步骤进行影像数据处理。
步骤2、电阻率影像数据增强，确定采空区电阻率影像异常是否存在的三个量化评价指标
对上述可靠的电阻率影像数据进行3×3的矩阵中值滤波降噪增强和数据反演，通过电阻率法测线G-1的处理(见图2)，明显突出了潜在的充水型采空区异常及其边界，然后根据充水型采空区存在的地球物理异常特征，提出决定采空区电阻率影像异常是否存在的三个量化指标如下：分别是采空区电阻率异常高低评价指标DR、采空区电阻率异常空间变化梯度评价指标DT和采空区电阻率异常埋深条件指标DH。
步骤3、电阻率异常高低评价指标DR的异常提取和模糊数学理论概率赋值运算
首先求出一个测线剖面R个电阻率影像数据的均值和标准差SR，/> 取/>为充水型采空区电阻率影像异常的上限值xS，小于xS的电阻率值均可认为是潜在的充水型采空区异常，利用Jenks自然间断点分级法对整个测线剖面影像数据进行归一化10级空间分类，选出xS值所在分类为充水型采空区存在的最小可能采空区存在异常，利用模糊较小值计算模型/>(式中，x为输入计算值，y1为定义采空区异常边界宽度的展开参数(本次取值3)，y2为定义起算中点，用于设定采空区异常边界位置(起算中点取值为0.5，也就是xS所在的分级值，输入值越小计算后得到的是采空区异常的概率越高，以0.5为边界，大于和小于起算中点的输入值在计算后差距会拉大)计算，利用模型计算后得到采空区电阻率影像异常高低评价指标DR的概率影像数据。对上述的测线G-1进行处理，可以得到图3。
步骤4、采空区电阻率影像异常空间变化梯度评价指标DT的提取和模糊数学理论概率赋值运算
充水型采空区地球物理特征上为典型负向梯度值圈闭，即从充水型采空区异常的边界到核心，电阻率逐渐减少，对测线剖面的电阻率数据采用离散傅里叶变换垂向求导获得负向梯度值圈闭区域，并使其全面正值化。利用Jenks自然间断点分级法对负向梯度数据进行归一化10级空间分类，指定xS值所在区域的分类值为起算中点y2，起算概率为1，小于或大于起算中点其概率均较低，此模型可以有效消除地表良导体引起的负梯度值超大“采空区异常”，也可以规避负梯度值过低的采空区异常边界过渡区确定为采空区异常，利用模糊数学理论中的模糊高斯模型进行计算(x为输入计算值，y1为定义采空区边界宽度的展开参数(本次取值3)，y2为定义起算中点，用于设定为采空区异常时输入值的大小，与起算中点差值越小，计算后得到的是采空区异常的概率越高，反之则越低)，获得采空区电阻率影像异常空间变化梯度评价指标DT的概率影像数据。对上述的测线G-1进行处理，可以得到图4。
步骤5、采空区电阻率影像异常埋深条件指标DH的提取和模糊数学理论概率赋值运算
该条件指标可以有效地将浅部接触不良导致的异常影像数据和可信度低的深边部探测影像数据有效筛除，以降低采空区异常误判概率，对R个影像数据点所在的深度由浅到深进行Jenks自然间断点分级法的归一化10级空间分类。DH可以采用模糊数学理论中的模糊高斯模型进行计算，并依据多年的电阻率法探测研究和钻探验证成果，把有效探测影像数据深度区间的中心深度值所代表的分类值为起算中点y2，赋权概率为1，对于展开参数y1则同上，而浅部或深部异常影像数据为采空区的概率均较低，获得采空区电阻率影像异常埋深条件指标DH的概率影像数据。对上述的测线G-1进行处理，可以得到图5。
步骤6、采空区电阻率影像异常的三个量化指标综合评价
采用模糊数学中的FuzzyAnd模型FuzzyAnd＝min(arg1,...,argn)对DR、DT和DH进行综合评价，评价结果输出充水型采空区电阻率影像异常的概率分布影像图DG。对上述的测线G-1进行处理，可以得到图6。
步骤7、采空区电阻率影像异常区域的定量评价及采空区异常范围的定量圈定
依据上述采空区电阻率影像异常的三个量化评价指标指标的选取原则，为了无遗漏采空区异常，最大限度保证安全生产，可以依据电阻率异常高低评价指标DR的概率取值原则得到成果判定表(表1)。可在图6上选取概率大于0.5的区域为采空区存在引起的电阻率影像异常区域，即可以以概率0.5为边界，向内概率值逐渐增大，定量化圈出采空区异常范围，并依据表1开展进一步工作。
表1充水型采空区电阻率影像异常判定表
由图6可确定具体采空区异常范围的大小。图6一共圈出两处采空区电阻率影像异常，左侧影像异常明显小于右侧影像异常，且左侧采空区异常概率在0.5-0.7之间，集中于0.6，属于二级采空区异常，需要钻孔验证；右侧采空区异常概率在0.5-0.95，集中于0.8，属于一级采空区异常，需要钻孔重点验证和树立警示牌。
另外，在步骤1中，获取的高密度电阻率法数据必须进行直方图统计分析和采空区异常降噪增强；在步骤2～步骤6中，对于提取充水型采空区电阻率影像异常的三个定量评价指标DR、DT、DH和采空区电阻率影像异常的概率分布影像图DG，全程采用模糊数学评价理论和方法运算，以便降低人工干预，从而实现采空区电阻率影像异常评价的定量化、自动化和智能化。
本发明提取了充水型采空区探测过程中电阻率值大小、空间分布和变化所隐含的采空区异常信息，实现了采空区地球物理异常信息的深度挖掘；而且把采空区定性解译过程中的专家经验和依据的采空区地球物理特征信息量化，实现了采空区数据的重构和归一化处理。另外，本发明利用模糊数学理论，使采空区异常圈定定量化、自动化和智能化，可以实现海量地球物理异常数据的快速定量评价。
Claims (1)
1.一种采用模糊数学理论圈定采空区电阻率影像异常的方法，包括通过高密度电阻率法测量仪采集的采空区电阻率影像数据，其特征在于，对于采空区电阻率影像数据的处理包括如下步骤：
步骤1、电阻率影像数据评估
对利用高密度电阻率法测量仪采集到的电阻率剖面影像数据，利用测量电极布设数和数据采集层数来构建电阻率影像数据可采总量公式，对单个剖面采集到的R个电阻率数据进行直方图统计分析，在其影像数据分布符合正态分布或对数正态分布时方可进入下一步骤进行影像数据处理；
步骤2、电阻率影像数据增强，确定采空区电阻率影像异常是否存在的三个量化评价指标
对电阻率影像数据进行矩阵中值滤波降噪增强和数据反演计算，根据计算结果提出确定采空区电阻率影像异常是否存在的三个量化综合评价指标，分别为采空区电阻率影像异常高低评价指标DR、采空区电阻率影像异常空间变化梯度评价指标DT和采空区电阻率影像异常埋深条件指标DH；
步骤3、电阻率影像异常高低评价指标DR的提取和模糊数学理论概率赋值运算
求出单个剖面电阻率法R个影像数据的均值和标准差SR，取/>为充水型采空区电阻率异常的上限值xS，利用Jenks自然间断点分级法进行归一化10级空间分类，利用模糊较小值计算模型/>计算后得到采空区电阻率影像异常高低评价指标DR的概率影像数据；
步骤4、采空区电阻率影像异常空间变化梯度评价指标DT的提取和模糊数学理论概率赋值运算
对单个剖面的电阻率法R个影像数据采用离散傅里叶变换垂向求导获得负向梯度值圈闭区域，并使其全面正值化；利用Jenks自然间断点分级法进行归一化10级空间分类，利用模糊数学理论中的模糊高斯模型进行计算，获得采空区电阻率影像异常空间变化梯度评价指标DT的概率影像数据；
步骤5、采空区电阻率影像异常埋深条件指标DH的提取和模糊数学理论概率赋值运算
对单个剖面R个影像数据点所在的深度由浅到深进行Jenks自然间断点分级法的归一化10级空间分类；DH采用模糊数学理论中的模糊高斯模型进行计算，获得采空区电阻率影像异常埋深条件指标DH的概率影像数据；
步骤6、采空区电阻率影像异常的三个量化指标综合评价
采用模糊数学中的FuzzyAnd模型FuzzyAnd＝min(arg1,...,argn)对DR、DT和DH进行综合评价，评价结果输出采空区电阻率影像异常的概率分布影像图DG；
步骤7、采空区电阻率影像异常区域的定量评价及采空区异常范围的定量圈定
依据上述采空区电阻率影像异常的三个量化评价指标指标的选取原则，为了无遗漏采空区异常，在采空区电阻率影像异常的概率分布影像图DG上选取概率大于0.5的区域为采空区存在引起的电阻率影像异常区域，即可以以概率0.5为边界，向内概率值逐渐增大，定量化圈出采空区异常范围，供潜孔钻钻探实时验证。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011417602.9A CN112712484B (zh) | 2020-12-07 | 2020-12-07 | 一种采用模糊数学理论圈定采空区电阻率影像异常的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011417602.9A CN112712484B (zh) | 2020-12-07 | 2020-12-07 | 一种采用模糊数学理论圈定采空区电阻率影像异常的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112712484A CN112712484A (zh) | 2021-04-27 |
| CN112712484B true CN112712484B (zh) | 2023-10-17 |
Family
ID=75542598
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011417602.9A Active CN112712484B (zh) | 2020-12-07 | 2020-12-07 | 一种采用模糊数学理论圈定采空区电阻率影像异常的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112712484B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104866940A (zh) * | 2014-02-26 | 2015-08-26 | 中国石油化工股份有限公司 | 一种地质风险评价随机模拟方法 |
| CN108573328A (zh) * | 2017-03-07 | 2018-09-25 | 辽宁工程技术大学 | 一种矿山采空区稳定性评价方法 |
| CN110610285A (zh) * | 2019-07-22 | 2019-12-24 | 中南大学 | 一种地下金属矿采空区危险度分级评价方法 |
-
2020
- 2020-12-07 CN CN202011417602.9A patent/CN112712484B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104866940A (zh) * | 2014-02-26 | 2015-08-26 | 中国石油化工股份有限公司 | 一种地质风险评价随机模拟方法 |
| CN108573328A (zh) * | 2017-03-07 | 2018-09-25 | 辽宁工程技术大学 | 一种矿山采空区稳定性评价方法 |
| CN110610285A (zh) * | 2019-07-22 | 2019-12-24 | 中南大学 | 一种地下金属矿采空区危险度分级评价方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于DSP和在线FCE高压容性设备绝缘性能在线监测装置;刘志坚;赵浩益;梁宁;何蔚;;电子技术应用(第07期);第1-4页 * |
| 基于模糊数学的露天铁矿采空区地球物理探测评价研究;贾三石;付建飞;王恩德;郭凯;门业凯;;金属矿山(第01期);第1-3页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112712484A (zh) | 2021-04-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3399143A1 (en) | Method and device for determining dissolution degree of karst reservoir | |
| Pérez et al. | Verifying the high-order consistency of training images with data for multiple-point geostatistics | |
| KR101148835B1 (ko) | 물리검층 자료의 통계분석을 이용한 오일샌드 저류층 암상 예측방법 및 이를 구현하는 시스템 | |
| Wang et al. | An extended local gap statistic for identifying geochemical anomalies | |
| Huang et al. | Edge detection of ore and rock on the surface of explosion pile based on improved Canny operator | |
| CN109447493A (zh) | 一种基于物源活动强度的震后泥石流危险性评价方法 | |
| CA2873816C (en) | Systems and methods for processing geophysical data | |
| CN111507972A (zh) | 结合卷积神经网络和支持向量机的隧道表面缺陷检测方法 | |
| Zhang et al. | Research on coal and rock type recognition based on mechanical vision | |
| Zhang et al. | Deep learning‐based automatic detection of muck types for earth pressure balance shield tunneling in soft ground | |
| CN110968840A (zh) | 一种基于大地电磁测深电阻率判定隧围岩等级的方法 | |
| CN114818076A (zh) | 一种基于机器学习的断层封闭烃柱高度评价方法 | |
| CN112712484B (zh) | 一种采用模糊数学理论圈定采空区电阻率影像异常的方法 | |
| Maity et al. | A Systematic Interpretation of Subsurface Proppant Concentration from Drilling Mud Returns: Case Study from Hydraulic Fracturing Test Site (HFTS-2) in Delaware Basin | |
| CN116992522A (zh) | 深基坑围护结构变形预测方法、装置、设备及存储介质 | |
| CN110552693A (zh) | 一种基于深度神经网络的感应测井曲线的层界面识别方法 | |
| CN112285773B (zh) | 一种隐伏断层二元结构定量表征方法 | |
| CN114996830A (zh) | 盾构隧道下穿既有隧道的可视化安全评估方法及设备 | |
| Elyasi et al. | Weighted photolineaments factor (WPF): an enhanced method to generate a predictive structural evidential map with low uncertainty, a case study in Chahargonbad Area, Iran | |
| Liu et al. | Intelligent recognition and identification of fracture types and parameters for borehole images based on developed convolutional neural networks and post-processing | |
| CN114462323A (zh) | 一种基于多属性场融合的油藏流场表征方法 | |
| Qu et al. | Mining Engineering Image Recognition Method Based on Simulated Annealing Algorithm | |
| CN117214958B (zh) | 一种基于长距离水平定向钻超前地质探测感知预报系统 | |
| CN116011234B (zh) | 一种融合地质力学和贝叶斯的压前套变风险等级判识方法 | |
| US20230095763A1 (en) | System and method for fracture dynamic hydraulic properties estimation and reservoir simulation |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |