自然崩落法矿岩崩落特性及崩落规律

介绍了矿岩崩落机理，矿体崩落规律，矿体可崩性综合评价与可崩性分级，矿石三级块度预测和放出块度实测，崩落控制方法等一系列理论和技术研究成果。     

岩体可崩性灰色评价模型

根据岩体崩落的机理,论述了岩体可崩性指标的选择,并建立了岩体可崩性灰色评价模型。对某铁矿的评价表明,该模型的评价结果合理可信,为正确选择自然崩落采矿法提供了可靠的依据。     

计算岩体边坡安全系数的程序实现

岩体失稳是岩体边坡变形达到一定程度的结果,岩体边坡稳定性评价是岩体工程中经常碰到的问题．应用VC＋＋编译平台,利用VC＋＋的封装性、继承性、可操作性和编程界面可视化的优点,编制了利用圆弧法、平面滑动法、楔形体法、SARMA法计算岩体边坡安全系数的windows应用程序;同时编制了带有帮助文档的安装版,这对解决岩石边坡稳定计算问题和预测岩体滑坡具有良好的应用前景．     

自然崩落法矿山井下大规模开采综合评价及模拟技术

为降低矿山采用自然崩落法存在的风险,为后续井下安全大规模开采提供保障,对自然崩落法矿岩可崩性和崩落后的块度分布规律进行综合评价及模拟,提出一种矿岩可崩性三维数字化评价方法和矿岩崩落块度预测算法。通过对评价区域的三维建模,基于地质统计学理论将矿岩岩体参数推估反演到离散化后的矿岩工程模型中,根据三维节理面Monte Carlo模拟原理对矿岩崩落块度进行三维重现。将上述方法用于云南省普朗铜矿进行验证。研究结果表明:普朗铜矿III级和IV级矿岩质量分数之和为99.1%,矿岩可崩性级别为III至IV,适合应用自然崩落法开采;原始崩落块度等效尺寸大于1.65 m的块体筛上累积百分比为40%,建议普朗铜矿放矿口长×宽为5.00 m×5.00 m,此时放矿堵塞概率较小。     

基于熵权属性识别模型的岩体可爆性分级评价

为克服在岩体可爆性分级评价中确定评价指标权重系数带有专家打分的主观偏向性,利用Shannon熵理论客观地确定可爆性评价指标的熵权系数,并结合属性识别理论,建立工程爆破中岩体可爆性分级判别的属性识别模型;选取岩石的密度、抗拉强度、冲击动载强度以及岩体完整性系数作为属性识别的判别指标;以14组岩体实测数据进行分级判别,建立属性空间矩阵并根据信息熵理论计算各评判指标的权重,计算属性测度,利用置信度准则和评分准则对模型进行识别。研究结果表明:熵权属性识别模型可以有效地解决岩体可爆性难易程度的评判问题,且评价结果合理,为工程爆破中岩体可爆性分级评价提供了一条新思路。     

用常规试油压力资料解释地层参数的方法

常规试油是目前非自喷井试油常用的方法，应用这种方法不但可了解油井产量、液性，有时还可获得求产期间的压力资料，这种多周期排液压力资料中包含着大量的地层动态信息，但多年来一直没有形成与之相适应的试井分析方法．本文针对这一问题，对常规试油试井分析方法开展了深入的研究，并编制出了相应的常规试油试井软件，通过常规试油求产压力曲线的试井拟合分析，可获得储层的渗透率以及井壁污染状况等信息，从而评价油藏、指导生产．该方法经现场应用，获得了较好的效果。     

一种基于USB2.0协议的人体生理信息采集系统设计

介绍了一种实用的人体生理信息采集系统的研究与设计，介绍了人体生理信息的分类及常用采集方式，以及生理信息采集系统的软、硬件组成，并给出了实验演示的结果．实验证明，这种生理信息采集系统对于生理小信号具有较好的信号放大、AD转换和数据采集功能，并能在PC机上正确显示生理信号波形，具有较好的实用性和发展前景．     

基于D-S证据理论的岩体质量分级组合评价方法

现有岩体质量分级方法评价结果存在非一致性的问题.为此,在组合评价思想的基础上,选取多种岩体质量分级方法作为基础分级方法,建立了岩体质量分级组合评价计算模型.并考虑到D-S证据理论是一种较严谨的不确定性推理方法,其具有较强的信息融合能力,并且能够反映不同信息之间的一致性和冲突性,将其引入建立一种新的组合评价方法合成规则.然后,针对D-S合成规则需要解决确定基础分级方法基本概率分配函数这一问题,引入欧氏距离建立基础分级方法基本概率分配函数的确定方法,从而最终建立基于D-S证据理论的岩体质量分级组合评价方法.最后,工程实例分析表明,3种基础分级方法存在冲突性,但是D-S证据理论能够较好地解决这一问题.     

RMi岩体指标评价法优化及其应用

为了克服传统岩体质量评价方法(RMR法、Q法等)中评价参数难以确定、对质量较差岩体评价结果精度不够等缺陷,介绍RMi法中岩块单轴抗压强度σc与节理裂隙参数Jp的确定思路,对其进行优化,并将其与Hoek-Brown失效准则进行有效结合.结合工程实例对得到的围岩类别及岩体力学参数予以验证.研究结果表明:该方法参数确定简单,应用范围广,可精确地实现对不同岩体质量评价及力学参数的估算,其研究成果可为工程设计施工提供重要依据.     

合成序列变换的递推加速过程

Ｂｒｅｚｉｎｓｋｉ（１９８５）提出了合成序列变换的新概念，本文利用Ｔ＋ｍ变换给出这种合成序列的递推加速过程．     

神经网络模式识别技术在井间储层参数预测中的应用

用地震资料和少量测井资料预测储层参数的横向变化,是储层评价和油气勘探开发的重要研究课题。地震资料中蕴含着丰富的储层物性信息,若能建立起地震参数与储层物性参数之间的关系,则可利用地震资料进行储层参数的横向预测。文中提出了一种神经网络模式识别方法,用地震反射资料进行井间储层参数预测。应用结果表明,用网络法对井间孔隙度做出的估算值是准确的,用网络自动建立起来的非线性映射关系可能较好地反映井间孔隙度的分布。     

一种含噪混合信号的盲分离方法

基于信息极大化和自然梯度原理,提出了一种超高斯与亚高斯混合信号的盲分离方法。该方法联合利用高斯函数与双曲正割函数平方的乘积和两个高斯函数的组合对源信号概率密度函数进行估计,放宽了约束条件,并采用峰度信息作为参数来选择概率密度模型及相应的非线性函数,对超高斯和亚高斯混合信号有较好的分离效果。并且,用小波变换与此方法相结合对含有加性噪声的混合信号进行分离。实验仿真证明了算法的有效性。     

两点式分布概型的信息扩散估计

对小样本两点式分布概型的分布用信息扩散的方法进行了模糊优化处理研究,证明了当样本较小时,本方法优于传统的频率估计方法.以中国象棋棋子为随机试验的原型材料,做了大量的实验来表明这种方法的可靠性.     

海平面温度(SST)距平场的非线性重构

用非线性时间序列分析方法对海平面温度距平场进行重构。方法包括3部分：主分量分析,相空间重构,最小二乘拟合。与传统线性拟合方法的区别在于,这里用时间信息代替空间信息。将此方法和线性拟合方法均用CZ模式资料进行检验,两者比较表明,非线性重构的结果很好。     

概率密度估计和阴影抑制的运动目标检测

采用核密度估计算法得到可靠背景,通过试验准确地分割出前景物体.利用最近的历史帧数据估计当前像素的概率密度,以适应不同的复杂背景场景.结合阴影抑制技术,通过HSV色彩的阴影抑制处理降低目标检测的虚警率,不仅减轻污染前景的程度,还能得到更加合理的背景模型和前景目标,提高运动目标检测的准确性和鲁棒性.     

一种可估计最低位平面嵌入信息量的密写分析方法

检测图像中有无隐蔽的密写数据是信息安全的重要课题,当前一种常用的密写技术是将秘密数据嵌入图像最低位面,称为LSB密写.分析表明,LSB密写对载体图像统计特性的影响能用来估计嵌入的信息量,由此给出一种有效的密写分析新方法.根据待检测图像的直方图特性定义2个参数,并对待检测图像进行二次密写,观察这2个参数的变化趋势,从而估计出嵌入的数据量.该方法采用二次密写,不仅能判断密写信息的存在性,而且给出隐藏的数据量,具有实现简单、计算量小的优点.实验表明,估计出的密写信息量比较可靠.     

基于混合象元分解的辽东湾海冰资源量估算

应用二元素混合象元分解法,以气候统计方法作为辅助方法,对辽东湾的NOAA/AVHRR影像进行象元分解,提取混合象元中海冰信息,精确地估算辽东湾海冰资源量.通过与阈值法提取结果的比较,表明在空间分辨率较低的影像图上提取信息,混合象元分解不失为一种好的选择.     

政府信息资源开发利用的多目标动态决策模型

为了优化政府信息资源开发利用方面的投资,运用层次分析法,对纯公共信息、弱竞争信息和强竞争信息开发利用的优先顺序加以判断,通过解多目标动态决策模型,得出各种投资方案组合的Pareto解,为政府部门提供简便易行、科学有效的政府信息资源开发利用投资优化决策方法.     

A BP neural network based information fusion method for urban traffic speed estimation

Obtaining comprehensive and accurate information is very important in intelligent traffic system (ITS). In ITS, the GPS floating car system is an very important approach for traffic data acquisition. However, in this system, the GPS blind areas caused by tall buildings and tunnels could affect the acquisition of traffic information and depress the system performance. Aiming at this problem, we developed a novel method employing a back propagation (BP) neural network to estimate the traffic speed in the GPS blind areas. When the speed of one road section is lost, we can use the speed of its related road sections to estimate its speed. The complete historical data of these road sections are used to train the neural network, using Levenberg-Marquardt learning algorithm. Then, the current speed of the related roads is used by the trained neural network to get the speed of the road section without GPS signal. We compare the speed of the road section estimated by our method with the real speed of this road section, and the experimental results show that the speed of this road section estimated by our method is better.     

基于傅立叶变换的OFDM信道估计方法研究

分析了无线OFDM 系统中基于傅立叶变换的信道估计方法,提出了在低信噪比情况下使用LMMSE估计的一种改进方法和在高信噪比情况下使用不需要先验信息的LS估计的改进方法。仿真结果表明，在无线多径慢衰落信道条件下，该改进方法都能够有效对抗频率选择性和先验信息的估计偏差对信道估计的影响，在估计性能与算法复杂度之间取得良好折衷。