LU502697B1 - Intelligent prediction method and system for ground pressure disasters of wall rock affected by mining - Google Patents
Intelligent prediction method and system for ground pressure disasters of wall rock affected by mining Download PDFInfo
- Publication number
- LU502697B1 LU502697B1 LU502697A LU502697A LU502697B1 LU 502697 B1 LU502697 B1 LU 502697B1 LU 502697 A LU502697 A LU 502697A LU 502697 A LU502697 A LU 502697A LU 502697 B1 LU502697 B1 LU 502697B1
- Authority
- LU
- Luxembourg
- Prior art keywords
- wall rock
- data
- stress
- mining
- affected
- Prior art date
Links
- 239000011435 rock Substances 0.000 title claims abstract description 184
- 238000005065 mining Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000011156 evaluation Methods 0.000 claims abstract description 29
- 238000010801 machine learning Methods 0.000 claims abstract description 22
- 238000012549 training Methods 0.000 claims description 14
- 238000012544 monitoring process Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000007774 longterm Effects 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 4
- 230000002035 prolonged effect Effects 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000002265 prevention Effects 0.000 abstract 1
- 230000035882 stress Effects 0.000 description 35
- 239000010438 granite Substances 0.000 description 12
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 10
- 229910052500 inorganic mineral Inorganic materials 0.000 description 10
- 239000011707 mineral Substances 0.000 description 10
- 235000010755 mineral Nutrition 0.000 description 10
- 230000006835 compression Effects 0.000 description 8
- 238000007906 compression Methods 0.000 description 8
- 230000007423 decrease Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 239000002245 particle Substances 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 239000010453 quartz Substances 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 229910052905 tridymite Inorganic materials 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 229910052626 biotite Inorganic materials 0.000 description 4
- 229910052906 cristobalite Inorganic materials 0.000 description 4
- 239000013078 crystal Substances 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000011034 rock crystal Substances 0.000 description 3
- VTYYLEPIZMXCLO-UHFFFAOYSA-L Calcium carbonate Chemical compound [Ca+2].[O-]C([O-])=O VTYYLEPIZMXCLO-UHFFFAOYSA-L 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N iron Substances [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000007725 thermal activation Methods 0.000 description 2
- 229910000789 Aluminium-silicon alloy Inorganic materials 0.000 description 1
- 101100452003 Caenorhabditis elegans ape-1 gene Proteins 0.000 description 1
- KWYUFKZDYYNOTN-UHFFFAOYSA-M Potassium hydroxide Chemical compound [OH-].[K+] KWYUFKZDYYNOTN-UHFFFAOYSA-M 0.000 description 1
- 241001122767 Theaceae Species 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 235000010216 calcium carbonate Nutrition 0.000 description 1
- 229910000019 calcium carbonate Inorganic materials 0.000 description 1
- WETINTNJFLGREW-UHFFFAOYSA-N calcium;iron;tetrahydrate Chemical compound O.O.O.O.[Ca].[Fe].[Fe] WETINTNJFLGREW-UHFFFAOYSA-N 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000005056 compaction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000005489 elastic deformation Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 229910052840 fayalite Inorganic materials 0.000 description 1
- 239000010433 feldspar Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- MHKWSJBPFXBFMX-UHFFFAOYSA-N iron magnesium Chemical compound [Mg].[Fe] MHKWSJBPFXBFMX-UHFFFAOYSA-N 0.000 description 1
- SZVJSHCCFOBDDC-UHFFFAOYSA-N iron(II,III) oxide Inorganic materials O=[Fe]O[Fe]O[Fe]=O SZVJSHCCFOBDDC-UHFFFAOYSA-N 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229940072033 potash Drugs 0.000 description 1
- BWHMMNNQKKPAPP-UHFFFAOYSA-L potassium carbonate Substances [K+].[K+].[O-]C([O-])=O BWHMMNNQKKPAPP-UHFFFAOYSA-L 0.000 description 1
- 235000015320 potassium carbonate Nutrition 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000003746 solid phase reaction Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000008646 thermal stress Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 229910052882 wollastonite Inorganic materials 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
- E21F17/18—Special adaptations of signalling or alarm devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Geophysics And Detection Of Objects (AREA)
Claims (15)
1. Intelligentes Vorhersageverfahren fiir Bodendruckgefahren in bergbaubedingten Wandgestein, dadurch gekennzeichnet, dass es die folgenden Schritte umfasst: S1. Datenerfassung: Anordnen einer Vielzahl von Sensormodulen in bergbaubedingten Wandgestein, wobei die Sensormodule ein Spannungs-Dehnungs- Erfassungsmodul und ein Umgebungserfassungsmodul umfassen und zur Erfassung von Wandgesteinsdaten und externen Umgebungsinformationen verwendet werden; S2. Datenvorverarbeitung: Konstruieren einer Spannungs-Dehnungskurve unter Verwendung der durch das Spannungs-Dehnungs-Erfassungsmodul gesammelten Wandgesteinsdaten; Extrahieren der Daten, bevor die Spannung des Wandgesteins die hochste Spannung erreicht, als Pre-Peak-Daten, und Extrahieren der Daten, nachdem die hôchste Spannung erreicht ist, als Post-Peak-Daten; S3. vorläufige Vorhersage von Gefahren: Ersetzen von aufeinanderfolgenden Pre-Peak-Daten und Post-Peak-Daten innerhalb einer Zeitspanne in einem maschinellen Lernmodell, um eine Warnung vor einer drohenden Gefahr durchzuführen und ein vorläufiges Vorhersageergebnis zu erhalten; S4. Ergebnisauswertung: Auswerten des vorläufigen Vorhersageergebnisses auf der Grundlage einer Wandgesteinsinstabilitidtstheorie und externer Umgebungsinformationen, die durch das Umgebungserfassungsmodul erfasst wurden, um ein Auswertungsergebnis zu erhalten; und SS. endgültige Entscheidung: Fertigstellen der endgültigen Entscheidung im Gefahrenfall auf der Grundlage des Auswertungsergebnisses.
2. Intelligentes Vorhersageverfahren fiir Bodendruckgefahren in bergbaubedingten Wandgestein nach Anspruch 1, dadurch gekennzeichnet, dass das Spannungs- Dehnungs-Erfassungsmodul einen Spannungssensor und einen Dehnungssensor umfasst, wobei das Umgebungserfassungsmodul einen Temperatursensor, einen Schallemissionssensor und einen Mikrobebensensor umfasst.
3. Intelligentes Vorhersageverfahren für Bodendruckgefahren in bergbaubedingten Wandgestein nach Anspruch 2, dadurch gekennzeichnet, dass Bohrlôcher in einer Oberfläche des bergbaubedingten Wandgesteins ausgebildet sind und die Sensoren innerhalb der Bohrlôcher angeordnet sind.
4. Intelligentes Vorhersageverfahren für Bodendruckgefahren in bergbaubedingten Wandgestein nach Anspruch 1, dadurch gekennzeichnet, dass die Ergebnisauswertung in der S4 insbesondere umfasst: S41: Bestimmen eines Verformungsstadiums des Wandgesteins gemäß einem vollständigen = Spannungs-Dehnungs-Kurvenmodell des Wandgesteins, und Analysieren und Vorhersagen der erfassten Wandgesteinsdaten auf der Grundlage des Wandgesteininsinstabilitätsmodus und der Instabilititsmechanismen verschiedener Teile des Wandgesteins in dem Verformungsstadium, um ein Zwischenvorhersageergebnis zu erhalten; S42: Anpassen des Zwischenvorhersageergebnisses in Kombination mit den erfassten externen Umgebungsinformationen, um ein neues Vorhersageergebnis zu erhalten; und S43: Vergleichen des neuen Vorhersageergebnisses mit dem vorläufigen Vorhersageergebnis, um ein Auswertungsergebnis zu erhalten.
5. Intelligentes Vorhersageverfahren fiir Bodendruckgefahren in bergbaubedingten Wandgestein nach Anspruch 4, dadurch gekennzeichnet, dass die externen Umgebungsinformationen Temperatur, Geräusch und Vibration umfassen.
6. Intelligentes Vorhersageverfahren fiir Bodendruckgefahren in bergbaubedingten 0060 Wandgestein nach Anspruch 1, dadurch gekennzeichnet, dass die vorläufige Vorhersage von Gefahren in der S3 insbesondere umfasst: S31: Vorläufiges Konstruieren eines maschinellen Lernmodells entsprechend den Merkmalen eines langfristigen Pre-Peak-Indexes einer Gefahr und eines drohenden Post-Peak-Indexes einer Gefahr; S32: Nehmen der langfristigen Pre-Peak-Daten und der drohenden Post-Peak- Daten in den bestehenden Gefahrendaten als Trainingssätze, um das vorläufige Training des maschinellen Lernmodells abzuschlieBen; S33: vorläufiges Analysieren und Vorhersagen der aufeinanderfolgenden Pre- Peak-Daten und/oder Post-Peak-Daten in S2 innerhalb einer Zeitspanne unter Verwendung des maschinellen Lernmodells; und S34: wenn die Anzahl der Pre-Peak-Daten und Post-Peak-Daten in S2 die Trainingsanforderungen erfüllt, werden die Pre-Peak-Daten und Post-Peak-Daten in S2 als neue Trainingssätze genommen, um die iterative Optimierung des maschinellen Lernmodells abzuschließen.
7. Intelligentes Vorhersageverfahren für Bodendruckgefahren in bergbaubedingten Wandgestein nach Anspruch 4 dadurch gekennzeichnet, dass das Auswertungsergebnis in der S43 insbesondere umfasst: direktes Nehmen des vorläufigen Vorhersageergebnisses als endgültiges Vorhersageergebnis der Gefahren, wenn das neue Vorhersageergebnisses wie das vorläufige Vorhersageergebnis ist; Verlängeren einer Zeitspanne in S3, Wiederholen der Schritte S3-S4, um erneut ein Auswertungsergebnis auszugeben, wenn sich das neue Vorhersageergebnisses von dem vorläufigen Vorhersageergebnis unterscheidet; Nehmen des neu erhaltene Vorhersageergebnisses als endgültiges Vorhersageergebnis der Gefahren, Trainieren und Optimieren des maschinellen Lernmodells in S3 unter SR Verwendung des neu erhaltene Vorhersageergebnisses und die Pre-Peak-Daten und/oder Post-Peak-Daten in der verlängerten Zeitspanne wenn sich das neu erhaltene Vorhersageergebnisses immer noch von dem vorläufigen Vorhersageergebnis unterscheidet.
8. Intelligentes Vorhersagesystem für Bodendruckgefahren in bergbaubedingten Wandgestein, das zur Durchführung des Vorhersageverfahrens nach einem der Ansprüche 1 bis 7 verwendet wird, dadurch gekennzeichnet, dass es eine Erfassungseinheit, eine Vorbehandlungseinheit, eine Vorhersageeinheit, eine Auswertungseinheit und eine Entscheidungseinheit umfasst, wobei die Erfassungseinheit zum Erfassen von Wandgesteinsdaten verwendet wird und ein Spannungs-Dehnungs-Frfassungsmodul und ein Umgebungserfassungsmodul umfasst; wobei das Spannungs-Dehnungs-Erfassungsmodul zum Erfassen einer Spannung und einer Dehnung des bergbaubedingten Wandgesteins in einem Bohrloch in Echtzeit verwendet wird; und wobei das Umgebungserfassungsmodul zum Erfassen einer Temperatur, eines Geräusches und einer Vibration des bergbaubedingten Wandgesteins in einem Bohrloch in Echtzeit verwendet wird; wobei die Vorbehandlungseinheit zum Empfangen der Wandgesteinsdaten und zum Vorbehandeln der Wandgesteinsdaten verwendet wird, wobei die Vorhersageeinheit zur vorläufigen Vorhersage des Auftretens von Gefahren dient; wobei die Auswertungseinheit zum Auswerten eines vorläufigen Vorhersageergebnisses auf der Grundlage einer Wandgesteinsinstabilitätstheorie und externer Umgebungsinformationen, die durch das Umgebungserfassungsmodul erfasst wurden, verwendet wird; und wobei die Entscheidungseinheit wird verwendet, um eine endgültige
Entscheidung im Gefahrenfall Fertigzustellen.
9. Intelligentes Vorhersagesystem für Bodendruckgefahren in bergbaubedingten Wandgestein nach Anspruch 8 dadurch gekennzeichnet, dass die Vorbehandlungseinheit eine Ubertragungsbasisstation und eine Bodenempfangs- Terminalplattform umfasst; wobei die Ubertragungsbasisstation die Wandgesteinsdaten verschlüsseln und in Stapeln an die Bodenempfangs- Terminalplattform übertragen kann.
10. Intelligentes Vorhersagesystem für Bodendruckgefahren in bergbaubedingten Wandgestein nach Anspruch 8, dadurch gekennzeichnet, dass das Spannungs- Dehnungs-Erfassungsmodul und das Umgebungserfassungsmodul gemeinsam am hinteren Ende eines Bohrlochs weit entfernt von einer Fahrbahn angeordnet sind.
11. Intelligentes Vorhersagesystem für Bodendruckgefahren in bergbaubedingten Wandgestein nach Anspruch 10, dadurch gekennzeichnet, dass sich das Bohrloch bis zu dem bergbaubedingten Wandgestein in einer Richtung senkrecht zu einer Seitenwand der Fahrbahn erstreckt und ein Verlängerungsteil und ein Überwachungsteil umfasst, wobei ein Ende des Verlängerungsteils mit der Fahrbahn verbunden ist und das andere Ende über das Überwachungsteil mit dem bergbaubedingten Wandgestein verbunden ist.
12. Intelligentes Vorhersagesystem für Bodendruckgefahren in bergbaubedingten Wandgestein nach Anspruch 11, dadurch gekennzeichnet, dass das Überwachungsteil einen ersten Aufnahmeraum, einen zweiten Aufnahmeraum und einen dritten Aufnahmeraum umfasst, die ihrerseits senkrecht zu einer Verlängerungsrichtung des Verlängerungsteils verbunden sind.
13. Intelligentes Vorhersagesystem für Bodendruckgefahren in bergbaubedingten Wandgestein nach Anspruch 12 dadurch gekennzeichnet, dass der Temperatursensor und der Schallemissionssensor sequentiell in einer Richtung senkrecht zur Verlängerungsrichtung des Verlängerungsteils angeordnet sind und beide in dem zweiten Aufnahmeraum angeordnet sind.
14. Intelligentes Vorhersagesystem für Bodendruckgefahren in bergbaubedingten Wandgestein nach Anspruch 12, dadurch gekennzeichnet, dass der Spannungssensor und der Dehnungssensor beide in dem ersten Aufnahmeraum angeordnet sind; wobei ein Ende des Spannungssensors und ein Ende des Dehnungssensors mit dem zweiten Aufnahmeraum verbunden sind; und wobei die anderen Enden des Spannungssensors und des Dehnungssensors mit dem bergbaubedingten Wandgestein verbunden sind.
15. Intelligentes Vorhersagesystem für Bodendruckgefahren in bergbaubedingten Wandgestein nach Anspruch 12, dadurch gekennzeichnet, dass der Mikrobebensensor in dem dritten Aufnahmeraum angeordnet ist; wobei ein Ende des Mikrobebensensors mit dem zweiten Aufnahmeraum verbunden ist; und wobei das andere Ende des Mikrobebensensors mit dem bergbaubedingten Wandgestein verbunden ist.
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010265209.6A CN111472840B (zh) | 2020-04-07 | 2020-04-07 | 一种采动围岩地压灾害智能预测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
LU502697B1 true LU502697B1 (en) | 2022-10-14 |
Family
ID=71749860
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
LU502697A LU502697B1 (en) | 2020-04-07 | 2020-04-23 | Intelligent prediction method and system for ground pressure disasters of wall rock affected by mining |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN111472840B (de) |
LU (1) | LU502697B1 (de) |
WO (1) | WO2021203491A1 (de) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112215438B (zh) * | 2020-11-09 | 2021-05-14 | 广东新禾道信息科技有限公司 | 一种应急灾害预警分析数据处理方法及系统 |
CN113756869A (zh) * | 2021-08-16 | 2021-12-07 | 中煤科工开采研究院有限公司 | 一种冲击地压局部监测预警系统及方法 |
CN113868897A (zh) * | 2021-11-19 | 2021-12-31 | 大连海事大学 | 一种热-力耦合条件下层状岩石统计损伤计算方法 |
CN114383717B (zh) * | 2021-12-10 | 2023-11-17 | 中煤科工开采研究院有限公司 | 冲击地压巷道安全监测方法及装置 |
CN114324610A (zh) * | 2021-12-24 | 2022-04-12 | 广西大学 | 硬岩多尺度破裂的多频段声信号监测方法、装置、设备以及存储介质 |
CN114396312A (zh) * | 2022-01-15 | 2022-04-26 | 安徽铜冠(庐江)矿业有限公司 | 一种适用于大采空区地压活动多源监测与耦合预警方法 |
CN114611835B (zh) * | 2022-03-31 | 2024-05-31 | 安徽理工大学 | 一种坚硬顶板矿井冲击地压灾害危险性预测分析方法 |
CN114994746B (zh) * | 2022-06-20 | 2024-06-11 | 广西大学 | 一种基于隧道钢拱架的微震传感器安装装置及使用方法 |
CN115408927B (zh) * | 2022-07-22 | 2024-06-28 | 北京交通大学 | 用于预测岩体参数的数据处理方法和装置 |
CN115508548B (zh) * | 2022-11-22 | 2023-04-07 | 山东科技大学 | 应力环境和围岩结构相结合的支护结构的确定方法及系统 |
CN116792155B (zh) * | 2023-06-26 | 2024-06-07 | 华南理工大学 | 一种基于分布式光纤传感的隧道健康状态监测预警方法 |
CN117074171B (zh) * | 2023-07-21 | 2024-03-08 | 中国矿业大学(北京) | 一种深部煤岩应力场耦合诱发煤岩失稳预警方法 |
CN116777085B (zh) * | 2023-08-23 | 2023-11-10 | 北京联创高科信息技术有限公司 | 基于数据分析和机器学习技术的煤矿水害预测系统 |
CN117967405B (zh) * | 2024-03-28 | 2024-06-07 | 山东金恒力建工有限公司 | 一种基于煤矿充填智能化监视及控制系统 |
CN118257630A (zh) * | 2024-05-29 | 2024-06-28 | 陕西延长石油矿业有限责任公司 | 一种煤矿井筒围岩智能监控方法 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU1171676A1 (ru) * | 1984-05-14 | 1985-08-07 | Новосибирский государственный университет им.Ленинского комсомола | Устройство дл измерени давлени горных пород в скважинах |
US8498853B2 (en) * | 2009-07-20 | 2013-07-30 | Exxonmobil Upstream Research Company | Petrophysical method for predicting plastic mechanical properties in rock formations |
CN102155231B (zh) * | 2011-03-18 | 2013-05-08 | 大连海事大学 | 一种隧道施工过程的快速反馈分析方法及装置 |
CN102505965B (zh) * | 2011-11-11 | 2013-10-23 | 中国矿业大学(北京) | 一种岩体破坏失稳预警识别的方法 |
CN103883352B (zh) * | 2014-04-08 | 2016-07-06 | 中煤科工集团重庆研究院有限公司 | 一种井下煤体失稳动力灾害的声发射预警方法 |
CN104198679B (zh) * | 2014-09-17 | 2016-06-01 | 辽宁工程技术大学 | 一种煤岩变形破裂过程全波形同步综合监测系统及方法 |
CN105260575B (zh) * | 2015-11-17 | 2018-12-04 | 中国矿业大学 | 一种基于神经网络的巷道围岩变形预测方法 |
CN105759010B (zh) * | 2016-02-04 | 2017-11-07 | 山东大学 | 一种采动影响巷道动态监测与稳定评价方法 |
CN105866835B (zh) * | 2016-03-28 | 2018-11-02 | 中国石油大学(华东) | 一种基于地应力分布的断层三维封闭性定量评价方法 |
CN106959748A (zh) * | 2017-02-20 | 2017-07-18 | 西安科技大学 | 一种基于虚拟现实的巷道围岩灾害应急预案系统及方法 |
CN107563092B (zh) * | 2017-09-19 | 2020-08-04 | 山东蓝光软件有限公司 | 一种矿山动力灾害的全息预警方法 |
CN107590357B (zh) * | 2017-10-31 | 2020-07-17 | 石家庄铁道大学 | 一种不同施工阶段隧道稳定性判别的方法 |
CN109918696B (zh) * | 2018-11-13 | 2023-05-26 | 山西潞安环保能源开发股份有限公司常村煤矿 | 一种冲击地压强度等级的分类方法及装置 |
CN109632016A (zh) * | 2019-02-20 | 2019-04-16 | 湖北理工学院 | 岩土体硐室开挖与围岩应力、应变监测试验装置及其方法 |
CN110159347B (zh) * | 2019-05-05 | 2020-05-08 | 北京科技大学 | 一种深部高应力坚硬顶板采场动力灾害监测预警方法 |
CN110390800B (zh) * | 2019-06-06 | 2021-04-20 | 北京市地质研究所 | 网式灾害监测预警系统 |
CN210071003U (zh) * | 2019-07-22 | 2020-02-14 | 北京市地质研究所 | 岩土体表面应变应力采集设备和网式灾害监测预警系统 |
CN110928181B (zh) * | 2019-12-13 | 2021-04-13 | 东北大学 | 一种真三轴面扰动下硬岩峰后破坏过程智能控制方法 |
-
2020
- 2020-04-07 CN CN202010265209.6A patent/CN111472840B/zh active Active
- 2020-04-23 LU LU502697A patent/LU502697B1/en active IP Right Grant
- 2020-04-23 WO PCT/CN2020/086431 patent/WO2021203491A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
CN111472840B (zh) | 2020-11-13 |
WO2021203491A1 (zh) | 2021-10-14 |
CN111472840A (zh) | 2020-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
LU502697B1 (en) | Intelligent prediction method and system for ground pressure disasters of wall rock affected by mining | |
Shan et al. | Study on the triaxial unloading creep mechanical properties and damage constitutive model of red sandstone containing a single ice-filled flaw | |
Akdag et al. | Effects of thermal damage on strain burst mechanism for brittle rocks under true-triaxial loading conditions | |
Wu et al. | Mechanical properties and fracture characteristics of pre-holed rocks subjected to uniaxial loading: A comparative analysis of five hole shapes | |
Brown et al. | Fatigue failure characteristics of some models of jointed rock | |
Damjanac et al. | Mechanical degradation of emplacement drifts at Yucca Mountain—A modeling case study: Part II: Lithophysal rock | |
Tulu et al. | Verification of a calibrated longwall model with field measurements | |
Jiang et al. | Statistical characterization of the mechanical parameters of intact rock under triaxial compression: An experimental proof of the Jinping marble | |
Sun et al. | Modeling of glass fracture damage using continuum damage mechanics-static spherical indentation | |
Gong et al. | AE energy evolution during CJB fracture affected by rock heterogeneity and column irregularity under lateral pressure | |
CN116127752B (zh) | 一种冲击地压的预测方法及系统 | |
Jiang et al. | Effect of the propagation direction of the weak dynamic disturbance on rock failure: an experimental study | |
Zhang et al. | Transfer mechanism and criteria for static–dynamic failure of granite under true triaxial unloading test | |
Zhu et al. | Modeling and calculating for the compaction characteristics of waste rock masses | |
Hao et al. | Numerical simulation of underground explosions | |
Yang et al. | Influence of dynamic disturbance on rock creep from time, space and energy aspects | |
Su et al. | Influence of Weak Dynamic Disturbances on Rockburst Occurring in the Borehole Containing a Small-Scale Single Structural Plane: An Experimental Study | |
He et al. | Analytical and numerical solutions for shear mechanical behaviors of structural plane | |
Chamanzad et al. | Sensitivity Analysis of Stress and Cracking in Rock Mass Blasting using Numerical Modelling | |
Grady et al. | Explosive fracture studies on oil shale | |
Yin et al. | Assessment on dynamic mechanical responses and failure behaviors of horizontal/vertical bedded sandstone | |
Pauli et al. | Experimental and numerical investigations on glass fragments: shear-frame testing and calibration of Mohr–Coulomb plasticity model | |
Ban et al. | Shear failure mechanism and acoustic emission characteristics of jointed rock-like specimens | |
Stevens et al. | Near field and regional modeling of explosions at the Degelen test site | |
Mathey | Investigation into the mechanism of strength and failure in squat coal pillars in South Africa |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
FG | Patent granted |
Effective date: 20221014 |