-
公开(公告)号：CN109633755A
公开(公告)日：2019-04-16
申请号：CN201811595572.3
申请日：2018-12-26
Applicant: 华北科技学院 , 中国矿业大学(北京)
IPC: G01V3/00
Abstract: 本发明涉及一种电缆组合式高密度电法仪，包括控制器、电缆、笔记本电脑、电源和电极，所述控制器由电源供电，并通过数据线与笔记本电脑连接；所述电缆分为两种，一种为普通多芯电缆，一种为带电极接口的多芯电缆；所述带电极接口的多芯电缆，是在普通多芯电缆的基础上，将电缆中的每一芯电线挑出来，用于与电极连接；电缆与控制器之间，以及电缆与电缆之间通过航空插头连接。解决了常规高密度电法仪电极个数超过电缆芯数时无法测量的问题，实现了超长测线探测；与常规集中式高密度电法仪相比大幅减少了电缆使用量，降低了仪器成本，减轻了仪器重量，提高了施工和运输效率。
-
公开(公告)号：CN107765319B
公开(公告)日：2019-04-30
申请号：CN201710933189.3
申请日：2017-10-09
Applicant: 中国矿业大学(北京) , 华北科技学院
Abstract: 本发明涉及一种矿井瞬变电磁法电阻率校正方法，1)将发射线圈放置在测点位置，收发距设置为TR1，仪器数据采集得到一次场值和含互感电动势的二次场值2)发射线圈位置不动，将收发距增大至TR2，仪器数据采集得到一次场值和含互感电动势的二次场值3)将采集的数据代入校正公式消除互感电动势，得到大地二次场信号V2；4)对消除互感电动势后的二次场信号V2进行全区视电阻率计算和时深转换，得到视电阻率—深度曲线。本发明通过利用两次不同收发距观测数据进行电阻率校正，消除互感信号，提取出有效大地二次场信号，很好地解决矿井瞬变电磁法电阻率偏低失真问题；因为探测深度与电阻率成正比，提高了矿井瞬变电磁法的探测深度。
-
公开(公告)号：CN109633755B
公开(公告)日：2020-12-18
申请号：CN201811595572.3
申请日：2018-12-26
Applicant: 华北科技学院 , 中国矿业大学(北京)
IPC: G01V3/00
Abstract: 本发明涉及一种电缆组合式高密度电法仪，包括控制器、电缆、笔记本电脑、电源和电极，所述控制器由电源供电，并通过数据线与笔记本电脑连接；所述电缆分为两种，一种为普通多芯电缆，一种为带电极接口的多芯电缆；所述带电极接口的多芯电缆，是在普通多芯电缆的基础上，将电缆中的每一芯电线挑出来，用于与电极连接；电缆与控制器之间，以及电缆与电缆之间通过航空插头连接。解决了常规高密度电法仪电极个数超过电缆芯数时无法测量的问题，实现了超长测线探测；与常规集中式高密度电法仪相比大幅减少了电缆使用量，降低了仪器成本，减轻了仪器重量，提高了施工和运输效率。
-
公开(公告)号：CN107765319A
公开(公告)日：2018-03-06
申请号：CN201710933189.3
申请日：2017-10-09
Applicant: 中国矿业大学(北京) , 华北科技学院
Abstract: 本发明涉及一种矿井瞬变电磁法电阻率校正方法，1)将发射线圈放置在测点位置，收发距设置为TR1，仪器数据采集得到一次场值和含互感电动势的二次场值 2)发射线圈位置不动，将收发距增大至TR2，仪器数据采集得到一次场值 和含互感电动势的二次场值 3)将采集的数据代入校正公式消除互感电动势，得到大地二次场信号V2；4)对消除互感电动势后的二次场信号V2进行全区视电阻率计算和时深转换，得到视电阻率—深度曲线。本发明通过利用两次不同收发距观测数据进行电阻率校正，消除互感信号，提取出有效大地二次场信号，很好地解决矿井瞬变电磁法电阻率偏低失真问题；因为探测深度与电阻率成正比，提高了矿井瞬变电磁法的探测深度。
-
公开(公告)号：CN111580181A
公开(公告)日：2020-08-25
申请号：CN202010322895.6
申请日：2020-04-22
Applicant: 中国矿业大学(北京) , 青岛地博矿山科技有限公司
Abstract: 本发明公开了一种基于多场多特征信息融合的导水陷落柱识别方法，包括以下步骤：S1.针对煤矿地震勘探的地震属性和电磁法勘探的电阻率属性的提取；S2.对地震属性特征进行预处理，并进一步对特征进行优选，得到优选地震属性特征的集合；S3.对PSO-BP神经网络进行训练和测试；S4.采用训练好的PSO-BP神经网络对待测试二维剖面上地震属性和电阻率属性进行分类识别；S5.根据二维剖面的识别结果进行导水陷落柱的三维表面重建，对三维空间下的陷落柱形态和水分布状态进行识别。本发明选取多种地震属性和电阻率属性为特征，使用PSO-BP神经网络对导水陷落柱进行快速辨识，可大大提高对煤矿导水陷落柱的识别准确度。
-
Patent Agency Ranking
公开(公告)号：CN110244368A
公开(公告)日：2019-09-17
申请号：CN201910616967.5
申请日：2019-07-09
Applicant: 中国矿业大学(北京) , 青岛地博矿山科技有限公司
IPC: G01V3/10
Abstract: 本发明公开了一种基于电磁感应原理的孔中扫描探测装置及方法，该装置包括：壳体和安装于所述壳体内部的接收装置、发射装置、屏蔽装置和推进装置；所述接收装置设置于所述壳体内部前端，所述发射装置位于所述接收装置后方预设距离处；所述屏蔽装置为空心柱体，设置在所述发射装置外周；所述推进装置与所述屏蔽装置驱动连接。该探测装置基于电磁感应原理，结构简单、在钻孔中采用发射装置发射一次场，利用接收装置获取孔壁外围地质体电磁场响应特征，并对非探测方向电磁信号进行屏蔽，以达到指向性探测目的，且不受巷道中金属的干扰，可准确探测孔壁外围的地质体分布情况。
-
公开(公告)号：CN104267441A
公开(公告)日：2015-01-07
申请号：CN201410528773.7
申请日：2014-10-10
Applicant: 中国矿业大学(北京)
Abstract: 本发明公开了一种利用电磁波场-温度场联合监测掘进巷道前方水害的实时预报方法与报警系统。该系统包括防爆主机10、电磁波发射线圈1和接收线圈2、热红外温度传感器探头4；该方法以电磁波场和热红外场作为信号源，对波场信号进行实时采集并记录，波场信号经数据处理得到初步结果，转入多场多参数信息融合评判系统对两种波场信号的处理结果进行融合、关联和综合分析，完成含水地质体的分级和预报，智能语音报警器根据设置的阀值对达到危险程度的含水地质体进行报警。本发明可克服现有技术不能对巷道前方水害实时预报的不足，充分利用不同物理场的优势，提高实时监测和预报精度，做到全程监测，实现掘进巷道前方水害实时预报和报警。
-
公开(公告)号：CN115598713A
公开(公告)日：2023-01-13
申请号：CN202211349851.8
申请日：2022-10-31
Applicant: 中国矿业大学(北京)(CN)
Abstract: 本发明公开了一种基于全卷积神经网络钻孔外围砂岩层富水性预测方法，包括：获取实测原始数据；实测原始数据为钻孔内接收点按采样时间序列采集的钻孔外围含水砂岩地质体响应的感应电动势；对实测原始数据进行特征提取，生成特征信息数据；将特征信息数据输入全卷积神经网络中，根据预设富水程度等级分类标准，输出钻孔外围含水砂岩地质体的富水性分级预测信息；富水性分级预测信息为富水性类别，包括：不含水围岩、弱富水性围岩、中等富水性围岩、强富水性围岩和极强富水性围岩。可有效提高钻孔孔壁外围径向方向砂岩含水层富水程度的分级预测精度。
-
公开(公告)号：CN111580181B
公开(公告)日：2021-07-20
申请号：CN202010322895.6
申请日：2020-04-22
Applicant: 中国矿业大学(北京) , 青岛地博矿山科技有限公司
Abstract: 本发明公开了一种基于多场多特征信息融合的导水陷落柱识别方法，包括以下步骤：S1.针对煤矿地震勘探的地震属性和电磁法勘探的电阻率属性的提取；S2.对地震属性特征进行预处理，并进一步对特征进行优选，得到优选地震属性特征的集合；S3.对PSO‑BP神经网络进行训练和测试；S4.采用训练好的PSO‑BP神经网络对待测试二维剖面上地震属性和电阻率属性进行分类识别；S5.根据二维剖面的识别结果进行导水陷落柱的三维表面重建，对三维空间下的陷落柱形态和水分布状态进行识别。本发明选取多种地震属性和电阻率属性为特征，使用PSO‑BP神经网络对导水陷落柱进行快速辨识，可大大提高对煤矿导水陷落柱的识别准确度。
-
公开(公告)号：CN113533444A
公开(公告)日：2021-10-22
申请号：CN202110814566.8
申请日：2021-07-19
Applicant: 中国矿业大学(北京)
Abstract: 本发明公开了一种垃圾填埋场渗滤通道的电阻率法环形观测系统及方法，该系统中每个环形监测单元均包括n个电极，且n个电极均匀埋设于垃圾填埋场周围岩土层内，每两个电极之间通过供电电缆相连形成首尾电极不相连的环形；每个环形上的尾端电极与外部相邻环形上的首个电极通过供电电缆连接；可视化数据处理单元包括数据转换器、数据处理主机和计算机；通过环形监测单元与可视化数据处理单元的配合，对探测数据进行反演成像处理并与三维地质模型进行综合对比分析，圈定垃圾填埋场渗滤通道的位置及范围。本发明解决了垃圾填埋场顶部电极布设难度大且常规观测系统监测存在较大误差的技术难题。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.031 seconds)
