CN110555277A - 一种松散含水层下开采水砂突危险性评价方法 - Google Patents
一种松散含水层下开采水砂突危险性评价方法 Download PDFInfo
- Publication number
- CN110555277A CN110555277A CN201910848421.2A CN201910848421A CN110555277A CN 110555277 A CN110555277 A CN 110555277A CN 201910848421 A CN201910848421 A CN 201910848421A CN 110555277 A CN110555277 A CN 110555277A
- Authority
- CN
- China
- Prior art keywords
- water
- aquifer
- factor
- risk
- matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)
Abstract
本发明公开了一种松散含水层下开采水砂突危险性评价方法,涉及煤矿松散层突水预测技术领域,包括:收集各松散层地区部分矿井的实际水文地质资料;构建评价指标体系并对地质数据进行预处理;运用因子分析法(FA)对各影响因素进行重要性排序以及提取出公共因子;再运用Fisher判别分析法进一步探究影响因子间的内在联系,建立一个基于FA法的Fisher判别模型;将模型计算结果与实际情况相对比,预测出研究区工作面水砂突(涌)危险性等级。本发明将数学分析手段运用于工程实践,具有很好的可靠性,可以为松散层含水层下开采的安全性评价提供科学的参考依据。
Description
技术领域
本发明涉及煤矿松散层突水预测技术领域,特别涉及一种松散含水层下开采水砂突危险性评价方法。
背景技术
松散含水层下煤层开采属于特殊地质采矿条件下的开采问题,广泛分布于我国华东、淮河及西北一带,松散含水层下开采水砂突(涌)危险性受到各种复杂地质和采矿因素的影响。松散含水层主要由第四系和新近系的部分砂岩层构成,含水层水量可直接接受地面的河流、湖泊及雨雪的渗透补给,形成在平面和剖面上结构极其复杂的松散孔隙充水含水体。
靠近松散层处基岩的强度等参数相对于正常基岩较小,沉积结构复杂,受工作面开采扰动更易使采动裂缝穿透基岩,导通松散层底部的含水层与煤层的沟通,从而发生突(涌)水砂事故,严重者导致人员伤亡。因此,深入研究松散含水层下开采水砂突(涌)致灾原因,准确评价松散含水层下开采水砂突(涌)危险性,丰富松散含水层下开采水砂突(涌)灾害事故预测防治理论方法,为松散层含水层下安全开采的可行性研究提供科学的依据,具有重要理论价值和现实意义。
目前,常用的方法有可拓学评价方法、未确知测度理论方法、组合客观赋权法、模糊数学方法等方法,这些方法对预防松散含水层下开采水砂突(涌)灾害事故起到了极大的促进作用,丰富了松散含水层下开采水砂突(涌)灾害事故预测防治理论方法。但是,地下空间复杂、环境多变,以上方法不能对松散含水层下开采水砂突(涌)危险性进行评价,所以,就需要一个基于FA-Fisher模型的松散含水层下开采水砂突(涌)危险性评价方法,以便预测防治研究工作的开展。
发明内容
本发明实施例提供了一种松散含水层下开采水砂突危险性评价方法,用以解决现有技术中存在的问题。
一种松散含水层下开采水砂突危险性评价方法,包括以下步骤:
S1、收集各松散层地区部分矿井的实际水文地质资料;
S2、根据前人的研究成果以及现有松散含水层下开采实例资料,确定出各主要影响因素,再构建评价指标体系并对地质数据进行预处理;
S3、运用因子分析法对各影响因素进行重要性排序,以及提取出公共因子;
S4、通过Fisher判别分析法进一步探究影响因子间的内在联系,建立一个基于因子分析法的Fisher判别模型;
S5、将模型计算结果与实际情况相对比,预测出研究区工作面水砂突危险性等级。
优选地,在所述S2中,所述评价指标体系包括底部含水层厚度评价指标、水压评价指标、冒落带高度评价指标、基岩厚度评价指标、底部粘土层厚度评价指标、含水层富水性评价指标和工作面涌水量评价指标。
更优选地,将所述含水层富水性评价指标进行定性分析,定义q<0.05L/(s·m)为极弱富水性,0.05L/(s·m)≤q≤0.1L/(s·m)为弱富水性,0.1≤q≤1L/(s·m)为中等富水性,1≤q≤5L/(s·m)为强富水性,q>5L/(s·m)为极强富水性。
优选地,在所述S3中,所述因子分析法的具体过程包括:
(1)、进行KMO和Barlett检验以确定出判别指标的适用性;
其中,当KMO检验结果大于0.5时,则满足因子分析的前提条件;当Barlett检验结果小于显著性水平0.05时,则满足因子分析要求;
(2)、将收集的初始样本数据进行归一化处理,再对各因子数据进行相关性分析;
(3)、利用主成分分析法对计算的相关性矩阵进行数据分析,分别计算出公共因子的特征值、特征向量及方差贡献度;
(4)、由方差贡献度确定了公共因子个数,再求出收敛后的因子载荷矩阵;
(5)、利用回归法对旋转后的因子载荷矩阵进一步分析,结合相关性矩阵及原始矩阵计算出因子得分系数矩阵;
优选地,在所述S4中,所述Fisher判别分析法的具体过程如下:
步骤一、根据《煤矿防治水规定》以及近松散层下多年开采的实践经验,将松散含水层水砂突危险性等级划分为五个等级;
步骤二、构造出判别函数,求出各实例工作面水砂突危险性评价等级对应的均值和协方差矩阵;
步骤三、再求出各类别的组间样本矩阵和组内样本矩阵;
步骤四、得出对应的判别公式。
更优选地,在所述步骤二中,
设有k个类别G1,G2,…,Gk,其均值和协方差矩阵分别为u(i),∑(i)(i=1,
2,…,k),存在m个样本,每个样本有n个指标,设判别函数为:
z(x)=c1x1+c2x2+…+cnxn (1)
其中待测系数C=(c1,c2,…,cn)T,判别样本为X=(x1,x2,…,xn)T,
样本均值矩阵形式:
样本方差矩阵形式:
设为样本总的均值向量,则:
其中
优选地,在所述步骤三中,
组间样本矩阵B:
组内样本矩阵W:
更优选地,在所述步骤四中,
当前k个判别函数的判别能力大于90%,则可由这k个判别函数进行判别;
不同总体的样品之间的差异性设为离差比λ:
将式(2)、式(3)、式(4)、式(5)和(6)代入式(7)中,得:
使离差比λ最大,令(C为自变量),可得W-1BC=λC,λ是W-1B的特征值,C是其对应的特征向量;
设W-1B的全部非零特征值个数t≤min{k-1,n},构造出t个判别函数,即:
定义每个判别函数的判别能力为:
则前k(k≤n)个判别函数的累积判别能力可为:
本发明有益效果:本发明通过因子分析法确定各影响因素的关联情况,提取能够包含绝大多数信息的公共因子,筛选掉无效因素,避免其不良影响,再采用fisher理论方法探究影响因子间的内在关联,进行松散含水层下开采水砂突(涌)危险性预测。该方法具有一定的新颖性,可靠性较高,实用性强,能够为松散层含水层下开采的安全性评价提供科学的参考依据。
附图说明
图1为本发明实施例提供的一种松散含水层下开采水砂突危险性评价方法的流程图;
图2为本发明实施例提供的一种松散含水层下开采水砂突危险性评价方法的危险性评价指标体系。
具体实施方式
下面结合发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,但应当理解本发明的保护范围并不受具体实施方式的限制。
本发明基于客观分析的角度,通过因子分析法确定各影响因素的关联情况,提取能够包含绝大多数信息的公共因子,筛选掉无效因素,避免其不良影响,再采用fisher理论方法探究影响因子间的内在关联,寻找出一种能够判定新样本归属的最优法则,从而提出一个基于FA-Fisher模型的松散含水层下开采水砂突(涌)危险性评价方法。
参照图1-2,本发明提供了一种松散含水层下开采水砂突危险性评价方法,包括以下步骤:
S1、收集各松散层地区部分矿井的实际水文地质资料;
S2、根据前人的研究成果以及现有松散含水层下开采实例资料,确定出各主要影响因素,再构建评价指标体系并对地质数据进行预处理;
在所述S2中,所述评价指标体系包括底部含水层厚度评价指标、水压评价指标、冒落带高度评价指标、基岩厚度评价指标、底部粘土层厚度评价指标、含水层富水性评价指标和工作面涌水量评价指标。
将所述含水层富水性评价指标进行定性分析,定义q<0.05L/(s·m)为极弱富水性,0.05L/(s·m)≤q≤0.1L/(s·m)为弱富水性,0.1≤q≤1L/(s·m)为中等富水性,1≤q≤5L/(s·m)为强富水性,q>5L/(s·m)为极强富水性。
S3、运用因子分析法对各影响因素进行重要性排序,以及提取出公共因子;
所述因子分析法的具体过程包括:
(1)、进行KMO和Barlett检验以确定出判别指标的适用性;
其中,当KMO检验结果大于0.5时,则满足因子分析的前提条件;当Barlett检验结果小于显著性水平0.05时,则满足因子分析要求;
(2)、将收集的初始样本数据进行归一化处理,再对各因子数据进行相关性分析;
(3)、利用主成分分析法对计算的相关性矩阵进行数据分析,分别计算出公共因子的特征值、特征向量及方差贡献度;
(4)、由方差贡献度确定了公共因子个数,再求出收敛后的因子载荷矩阵;
(5)、利用回归法对旋转后的因子载荷矩阵进一步分析,结合相关性矩阵及原始矩阵计算出因子得分系数矩阵,进而因子得分计算公式为:
R1=0.221x1+0.571x2-0.162x3-0.159x4+0.615x5-0.018x6-0.002x7
R2=0.129x1-0.126x2+0.705x3+0.749x4-0.21x5+0.118x6-0.245x7
R3=0.607x1+0.114x2+0.063x3+0.142x4+0.089x5+0.741x6-0.167x7
R4=0.248x1-0.001x2+0.197x3+0.181x4-0.009x5-0.337x6-1.075x7
S4、通过Fisher判别分析法进一步探究影响因子间的内在联系,建立一个基于因子分析法的Fisher判别模型;
所述Fisher判别分析法的具体过程如下:
步骤一、根据《煤矿防治水规定》以及近松散层下多年开采的实践经验,将松散含水层水砂突危险性等级划分为五个等级;
步骤二、构造出判别函数,求出各实例工作面水砂突危险性评价等级对应的均值和协方差矩阵;
设有k个类别G1,G2,…,Gk,其均值和协方差矩阵分别为u(i),∑(i)(i=1,
2,…,k),存在m个样本,每个样本有n个指标,设判别函数为:
z(x)=c1x1+c2x2+…+cnxn (1)
其中待测系数C=(c1,c2,…,cn)T,判别样本为X=(x1,x2,…,xn)T,
样本均值矩阵形式:
样本方差矩阵形式:
设为样本总的均值向量,则:
其中
步骤三、再求出各类别的组间样本矩阵和组内样本矩阵;
组间样本矩阵B:
组内样本矩阵W:
步骤四、得出对应的判别公式。
当前k个判别函数的判别能力大于90%,则可由这k个判别函数进行判别;
不同总体的样品之间的差异性设为离差比λ:
将式(2)、式(3)、式(4)、式(5)和(6)代入式(7)中,得:
使离差比λ最大,令(C为自变量),可得W-1BC=λC,λ是W-1B的特征值,C是其对应的特征向量;
设W-1B的全部非零特征值个数t≤min{k-1,n},构造出t个判别函数,即:
定义每个判别函数的判别能力为:
则前k(k≤n)个判别函数的累积判别能力可为:
S5、将模型计算结果与实际情况相对比,预测出研究区工作面水砂突危险性等级。
z1=0.1573R1+0.6941R2+0.1709R3-0.6813R4
z2=0.4044R1+0.633R2-0.66R3-0.0109R4
前两个判别函数的累计判别能力为0.942,明显大于0.9,故本模型可由z1和z2两判别函数联合判别。
利用回代估计法求解样本的误判率,依次将实验样本中的数据带入FA-Fisher判别分析模型中,判别结果与实际情况相比,模型的误差率为0.077,再利用欧氏距离方法对所有样本数据进行检验,检验结果和模型计算结果一致,说明该模型具有很好的可靠性。
综上所述,本发明通过因子分析法确定各影响因素的关联情况,提取能够包含绝大多数信息的公共因子,筛选掉无效因素,避免其不良影响,再采用fisher理论方法探究影响因子间的内在关联,进行松散含水层下开采水砂突(涌)危险性预测。该方法具有一定的新颖性,可靠性较高,实用性强,能够为松散层含水层下开采的安全性评价提供科学的参考依据。
以上公开的仅为本发明的一个具体实施例,但是,本发明实施例并非局限于此,任何本领域的技术人员能思之的变化都应落入本发明的保护范围。
Claims (8)
1.一种松散含水层下开采水砂突危险性评价方法,其特征在于,包括以下步骤:
S1、收集各松散层地区部分矿井的实际水文地质资料;
S2、根据前人的研究成果以及现有松散含水层下开采实例资料,确定出各主要影响因素,再构建评价指标体系并对地质数据进行预处理;
S3、运用因子分析法对各影响因素进行重要性排序,以及提取出公共因子;
S4、通过Fisher判别分析法进一步探究影响因子间的内在联系,建立一个基于因子分析法的Fisher判别模型;
S5、将模型计算结果与实际情况相对比,预测出研究区工作面水砂突危险性等级。
2.如权利要求1所述的一种松散含水层下开采水砂突危险性评价方法,其特征在于,在所述S2中,所述评价指标体系包括底部含水层厚度评价指标、水压评价指标、冒落带高度评价指标、基岩厚度评价指标、底部粘土层厚度评价指标、含水层富水性评价指标和工作面涌水量评价指标。
3.如权利要求2所述的一种松散含水层下开采水砂突危险性评价方法,其特征在于,将所述含水层富水性评价指标进行定性分析,定义q<0.05L/(s·m)为极弱富水性,0.05L/(s·m)≤q≤0.1L/(s·m)为弱富水性,0.1≤q≤1L/(s·m)为中等富水性,1≤q≤5L/(s·m)为强富水性,q>5L/(s·m)为极强富水性。
4.如权利要求1所述的一种松散含水层下开采水砂突危险性评价方法,其特征在于,在所述S3中,所述因子分析法的具体过程包括:
(1)、进行KMO和Barlett检验以确定出判别指标的适用性;
其中,当KMO检验结果大于0.5时,则满足因子分析的前提条件;当Barlett检验结果小于显著性水平0.05时,则满足因子分析要求;
(2)、将收集的初始样本数据进行归一化处理,再对各因子数据进行相关性分析;
(3)、利用主成分分析法对计算的相关性矩阵进行数据分析,分别计算出公共因子的特征值、特征向量及方差贡献度;
(4)、由方差贡献度确定了公共因子个数,再求出收敛后的因子载荷矩阵;
(5)、利用回归法对旋转后的因子载荷矩阵进一步分析,结合相关性矩阵及原始矩阵计算出因子得分系数矩阵。
5.如权利要求1所述的一种松散含水层下开采水砂突危险性评价方法,其特征在于,在所述S4中,所述Fisher判别分析法的具体过程如下:
步骤一、根据《煤矿防治水规定》以及近松散层下实践经验,将松散含水层水砂突危险性等级划分为五个等级;
步骤二、构造出判别函数,求出各实例工作面水砂突危险性评价等级对应的均值和协方差矩阵;
步骤三、再求出各类别的组间样本矩阵和组内样本矩阵;
步骤四、得出对应的判别公式。
6.如权利要求5所述的一种松散含水层下开采水砂突危险性评价方法,其特征在于,在所述步骤二中,
设有k个类别G1,G2,…,Gk,其均值和协方差矩阵分别为u(i),∑(i),i=1,2,…,k,存在m个样本,每个样本有n个指标,设判别函数为:
z(x)=c1x1+c2x2+…+cnxn (1)
其中待测系数C=(c1,c2,…,cn)T,判别样本为X=(x1,x2,…,xn)T;
样本均值矩阵形式:
样本方差矩阵形式:
设为样本总的均值向量,则:
其中
7.如权利要求5所述的一种松散含水层下开采水砂突危险性评价方法,其特征在于,在所述步骤三中,
组间样本矩阵B:
组内样本矩阵W:
8.如权利要求5所述的一种松散含水层下开采水砂突危险性评价方法,其特征在于,在所述步骤四中,
当前k个判别函数的判别能力大于90%,则可由这k个判别函数进行判别;
不同总体的样品之间的差异性设为离差比λ:
将式(2)、式(3)、式(4)、式(5)和(6)代入式(7)中,得:
使离差比λ最大,令可得W-1BC=λC,λ是W-1B的特征值,C是其对应的特征向量;
设W-1B的全部非零特征值个数t≤min{k-1,n},构造出t个判别函数,即:
定义每个判别函数的判别能力为:
则前k,k≤n个判别函数的累积判别能力可为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910848421.2A CN110555277A (zh) | 2019-09-09 | 2019-09-09 | 一种松散含水层下开采水砂突危险性评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910848421.2A CN110555277A (zh) | 2019-09-09 | 2019-09-09 | 一种松散含水层下开采水砂突危险性评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110555277A true CN110555277A (zh) | 2019-12-10 |
Family
ID=68739625
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910848421.2A Pending CN110555277A (zh) | 2019-09-09 | 2019-09-09 | 一种松散含水层下开采水砂突危险性评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110555277A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112380691A (zh) * | 2020-11-12 | 2021-02-19 | 合肥工业大学 | 一种松散承压含水层下开采突水危险性评价方法 |
CN113190793A (zh) * | 2020-09-17 | 2021-07-30 | 合肥工业大学 | 一种松散承压含水层区域富水性动态确定方法 |
WO2023000837A1 (zh) * | 2021-07-22 | 2023-01-26 | 山东科技大学 | 深埋采场覆岩类型评价标准及薄基岩加厚改造设计方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109598931A (zh) * | 2018-11-30 | 2019-04-09 | 江苏智通交通科技有限公司 | 基于交通安全风险的群体划分与差异性分析方法及*** |
-
2019
- 2019-09-09 CN CN201910848421.2A patent/CN110555277A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109598931A (zh) * | 2018-11-30 | 2019-04-09 | 江苏智通交通科技有限公司 | 基于交通安全风险的群体划分与差异性分析方法及*** |
Non-Patent Citations (4)
Title |
---|
《河北煤炭工业志》编纂委员会: "《中国煤炭工业志省级志系列 河北煤炭工业志 1991-2010》", 31 August 2017 * |
冯晓青: "华北隐伏型煤田松散承压含水层下开采顶板突水预测与防治技术研究", 《中国优秀硕士学位论文全文数据库 工程科技I辑》 * |
张文泉等: "煤层底板突水危险性的 Fisher 判别分析模型", 《煤炭学报》 * |
邵良杉,徐 波: "基于因子分析与 Fisher 判别分析法的隧洞围岩分类研究", 《公路交通科技》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113190793A (zh) * | 2020-09-17 | 2021-07-30 | 合肥工业大学 | 一种松散承压含水层区域富水性动态确定方法 |
CN113190793B (zh) * | 2020-09-17 | 2024-05-21 | 合肥工业大学 | 一种松散承压含水层区域富水性动态确定方法 |
CN112380691A (zh) * | 2020-11-12 | 2021-02-19 | 合肥工业大学 | 一种松散承压含水层下开采突水危险性评价方法 |
WO2023000837A1 (zh) * | 2021-07-22 | 2023-01-26 | 山东科技大学 | 深埋采场覆岩类型评价标准及薄基岩加厚改造设计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110555277A (zh) | 一种松散含水层下开采水砂突危险性评价方法 | |
CN106547973B (zh) | 一种稠油油藏注蒸汽过程汽窜通道的定量描述方法 | |
CN110610285A (zh) | 一种地下金属矿采空区危险度分级评价方法 | |
CN105069689B (zh) | 基于灰色关联与fdahp相结合的煤层底板突水危险性评价方法 | |
Wang et al. | Risk Assessment of Water Inrush in Karst Tunnels Based on the Efficacy Coefficient Method. | |
Li et al. | Prediction of CO2 leakage risk for wells in carbon sequestration fields with an optimal artificial neural network | |
CN104350233A (zh) | 使用标准化的差分数据的地层体积评价 | |
Shahbazi et al. | Investigation of production depletion rate effect on the near-wellbore stresses in the two Iranian southwest oilfields | |
CN109345119A (zh) | 一种基于层次分析法的煤层顶板动力分区评价方法 | |
CN105005712A (zh) | 灰岩含水层富水性评价方法 | |
CN109033504A (zh) | 一种油水井套管损坏预测方法 | |
CN111523796A (zh) | 非煤隧道有害气体危害评价方法 | |
CN112100851A (zh) | 基于集对分析的评价隧道发生突涌水灾害风险的方法 | |
CN116050877A (zh) | 一种金属矿山含水层富水性评价方法和评价*** | |
CN107942383A (zh) | 煤层顶板砂岩富水性等级预测方法 | |
McConnell | Double porosity well testing in the fractured carbonate rocks of the Ozarks | |
US9482088B2 (en) | Mean regression function for permeability | |
CN115983639A (zh) | 一种岩溶含水层底板突水危险性评价方法 | |
La Pointe et al. | Estimation of effective block conductivities based on discrete network analyses using data from the Äspö site | |
CN112241835B (zh) | 深竖井工程突水灾害多源信息评价方法 | |
CN115614034A (zh) | 一种煤层底板灰岩的地球化学识别方法 | |
CN115434696A (zh) | 一种岩性识别数据库构建方法及岩性识别方法 | |
US10802177B2 (en) | Evaluating hydrocarbon reserves using tool response models | |
CN116894393B (zh) | 一种多参量信息融合的顶板含水层富水性判别方法 | |
Fan et al. | Cement Take Evaluation and Prediction based on Empirical Relationships and Support Vector Regression |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |