简介:摘 要:煤厚探测是采煤工作面回采前的一项重要工作,对煤矿安全高效生产具有重要影响。采用物探方法无法直接测量煤厚,只能通过槽波传播速度、频率和吸收衰减系数等属性间接实现对煤厚的探测。问题在于这种间接探测方法需建立属性与煤厚之间的换算关系,而实际应用中这种关系是难以建立的。本文通过采用Googel人工智能系统TensorFlow深度学习平台搭建了多层神经网络,并利用该网络通过训练学习获得了槽波吸收衰减系数和煤层厚度之间的非线性关系,进而获得了整个采煤工作面内的煤层厚度分布。
简介:摘要随着科学技术的不断创新和广泛的应用,在水土保持设施验收中,传统方法多为现场调查,通过实地量测项目完成水土保持设施的数量,与水土保持方案设计、变更设计以及后续设计进行对比分析评价,在其数据整合中相对繁琐和零散,尤其对较大项目来说,实地量测核查主要采取重点抽查的方式进行,并出现了因项目所在地自然环境的限制,导致核查范围遗漏情况,并且工作量巨大。随着水土保持“天地一体化”监管推动,无人机技术越来越被广泛应用,逐步在水土保持事中事后监督检查中发挥了重大作用,同时无人机技术对水土保持设施验收核查范围提升了精准度和效率,避免外业工作强度过大和不必要的安全隐患。因此,无人机技术应当在进一步的实践中确定其应用价值和推广使用范围,使其更好地发挥技术优势帮助水土保持设施验收工作实现不断优化。