-
公开(公告)号：CN119312140A
公开(公告)日：2025-01-14
申请号：CN202411444798.9
申请日：2024-10-16
Applicant: 北京科技大学
Abstract: 本发明涉及地下工程技术领域，更具体涉及一种基于综合赋权和集对分析的岩爆烈度等级预测方法及系统，方法包括：选取预测指标，建立岩爆烈度等级预测指标体系，基于预测指标体系将岩爆烈度等级划分四个等级，收集并预处理岩爆工程案例数据，使用集对分析理论，计算预测指标的集对联系度函数，基于改进层次分析法确定岩爆烈度等级预测指标主观权重，基于变异系数法，确定岩爆烈度等级预测指标客观权重，引入距离函数，确定指标综合权重，基于指标综合权重确定岩爆烈度等级综合集对联系度，综合最大隶属度准则和置信度准则确定岩爆烈度等级。本发明有益效果是提高岩爆烈度等级预测的准确率和可靠性。
-
公开(公告)号：CN119533324A
公开(公告)日：2025-02-28
申请号：CN202411753276.7
申请日：2024-12-02
Applicant: 北京科技大学
Abstract: 本发明提供一种基于可调节多点激光测距的巷道断面变形监测系统及方法，在巷道现场变形监测技术领域，包括两个锚爪、上端钢丝绳、钢丝绳锁扣、下端钢丝绳、壳体、多点激光测距装置、红外接收器和控制面板，本系统通过2个锚爪和3个多点激光测距装置的协同工作，完成对整个断面的变形监测，并且通过数字显示器将变形前后的测量值进行存储以及展示，操作过程中无需人工计算，能够保证测量结果的精确性；通过对巷道变形量的测量以及监测，准确掌握巷道变形信息，能够及时对巷道采取针对性修复，保证了巷道安全以及工作人员的生命安全。
-
Patent Agency Ranking
公开(公告)号：CN118094227A
公开(公告)日：2024-05-28
申请号：CN202410285498.4
申请日：2024-03-13
Applicant: 北京科技大学
IPC: G06F18/214 , G06F18/24 , G06F18/25 , G06Q50/26
Abstract: 本发明公开了一种基于多源数据融合的矿山事故隐患判别方法及系统，应用于矿山工程环境监测技术领域。本发明包括：S1、数据获取步骤：根据预设的监测设备获取矿山相关数据，并对监测的矿山相关数据进行预处理；S2、数据处理步骤：将S1中预处理后的矿山相关数据分为测试集和训练集；S3、模型建立步骤：建立矿山隐患判别模型，并将S2中的训练集输入至矿山隐患判别模型实现模型训练；S4、事故隐患判别步骤：将S2中的测试集输入至矿山隐患判别模型来判别矿山是否存在事故隐患。本发明及时向相关部门和人员发出预警信息，并采取相应的措施进行处理，以避免事故的发生。
-
公开(公告)号：CN119312682B
公开(公告)日：2025-05-02
申请号：CN202411444799.3
申请日：2024-10-16
Applicant: 北京科技大学
IPC: G06F30/27 , G06N3/084 , G06N3/086 , G06N3/0985 , G06F119/14
Abstract: 本发明涉及松动圈范围预测技术领域，更具体涉及基于GA‑BP算法的松动圈预测方法、系统及存储介质。该方法包括：步骤S1：将实测数据进行归一化处理，并划分为第一分组和第二分组；步骤S2：计算BP神经网络的每一隐藏层节点个数估计值，基于多个第一基因序列和第一分组的实测数据进行训练BP神经网络，计算适应度和损失差，将最优适应度和最小损失差对应的多组第一基因序列进行交叉和变异，获取最优BP神经网络；步骤S3：判断最优BP神经网络的输出结果是否满足误差范围；步骤S4：将满足误差范围的最优BP神经网络作为松动圈预测模型。本发明解决了传统预测松动圈范围不准确的问题，提高了预测松动圈范围的精度。
-
公开(公告)号：CN119312683A
公开(公告)日：2025-01-14
申请号：CN202411444800.2
申请日：2024-10-16
Applicant: 北京科技大学
Abstract: 本发明涉及机器学习技术领域，更具体涉及基于机器学习的岩体地应力场反演方法、系统及存储介质。步骤S1：构建目标岩体的三维虚拟模型，获取反演目标区域中每一位置处的地质数据；步骤S2：获取反演区域中的地质类型，获取取样点对应岩体的岩体参数；步骤S3：通过水压致裂法和钻孔法分别获取若干组测试数据并进行预处理，并获取学习数据和检测数据；步骤S4：创建岩体应力预测模型，岩体应力预测模型包括m个子模型，使用学习数据训练所述子模型，并基于检测数据验证子模型。本发明解决了岩体应力场反演不准确的问题，提高了岩体地应力场的反演精度。
-
公开(公告)号：CN117945250A
公开(公告)日：2024-04-30
申请号：CN202410285500.8
申请日：2024-03-13
Applicant: 北京科技大学
Abstract: 本发明公开了一种矿用立井提升机坠罐风险自动检测方法、系统及存储介质，涉及地下矿山领域，包括：利用不同类型的传感器获取预设时长内提升机的多个目标运行工况参数并进行预处理；基于预处理数据集提取不同时刻各个目标运行工况参数的特征值；根据相邻时刻的目标运行工况参数的特征值对应的差异，获得各时刻的波动性指标；分析不同的目标运行工况参数对提升机坠罐的影响程度，构建初始权重向量并修正；根据修正后的权重向量中各权重元素与同一时刻的波动性指标，得到各时刻的坠罐风险评估指数并与预设阈值比较，判断提升机坠罐的风险等级并发出预警。本发明可以提高矿井提升机坠罐风险检测的效率及准确度，避免重大事故发生，减轻事故危害后果。
-
公开(公告)号：CN119312682A
公开(公告)日：2025-01-14
申请号：CN202411444799.3
申请日：2024-10-16
Applicant: 北京科技大学
IPC: G06F30/27 , G06N3/084 , G06N3/086 , G06N3/0985 , G06F119/14
Abstract: 本发明涉及松动圈范围预测技术领域，更具体涉及基于GA‑BP算法的松动圈预测方法、系统及存储介质。该方法包括：步骤S1：将实测数据进行归一化处理，并划分为第一分组和第二分组；步骤S2：计算BP神经网络的每一隐藏层节点个数估计值，基于多个第一基因序列和第一分组的实测数据进行训练BP神经网络，计算适应度和损失差，将最优适应度和最小损失差对应的多组第一基因序列进行交叉和变异，获取最优BP神经网络；步骤S3：判断最优BP神经网络的输出结果是否满足误差范围；步骤S4：将满足误差范围的最优BP神经网络作为松动圈预测模型。本发明解决了传统预测松动圈范围不准确的问题，提高了预测松动圈范围的精度。
-
-
-
-
-
-
Search Results
7
records
(took 0.018 seconds)
