CN111551985A - 一种基于桩锤激震和k近邻算法的地下溶洞探测方法 - Google Patents
一种基于桩锤激震和k近邻算法的地下溶洞探测方法 Download PDFInfo
- Publication number
- CN111551985A CN111551985A CN202010410594.9A CN202010410594A CN111551985A CN 111551985 A CN111551985 A CN 111551985A CN 202010410594 A CN202010410594 A CN 202010410594A CN 111551985 A CN111551985 A CN 111551985A
- Authority
- CN
- China
- Prior art keywords
- karst cave
- nearest neighbor
- neighbor algorithm
- model
- karst
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 47
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 36
- 230000035939 shock Effects 0.000 title claims abstract description 24
- 230000001133 acceleration Effects 0.000 claims abstract description 34
- 230000004044 response Effects 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000012360 testing method Methods 0.000 claims abstract description 17
- 238000012549 training Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims abstract description 4
- 238000010801 machine learning Methods 0.000 claims abstract description 4
- 230000005284 excitation Effects 0.000 claims description 8
- 235000019994 cava Nutrition 0.000 claims description 7
- 239000002689 soil Substances 0.000 claims description 6
- 238000011002 quantification Methods 0.000 claims description 2
- 238000004088 simulation Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000010276 construction Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 4
- 238000005553 drilling Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000009933 burial Methods 0.000 description 2
- 239000002360 explosive Substances 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001028 reflection method Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 239000002002 slurry Substances 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/02—Generating seismic energy
- G01V1/143—Generating seismic energy using mechanical driving means, e.g. motor driven shaft
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/282—Application of seismic models, synthetic seismograms
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
- G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种基于桩锤激震和k近邻算法的地下溶洞探测方法，首先，建立包含不同溶洞尺寸与位置的模型库，而模型中的溶洞位置与尺寸则为标签；其次，对模型库进行有限元计算，在桩锤激震下获得不同溶洞工况的地表特定位置的加速度响应；再次，对加速度响应数据进行特征提取，将提取的特征与标签组合成数据库，并随机划分训练集与测试集，将训练集输入k近邻算法进行机器学习，得到初步的基于k近邻算法的溶洞探测模型；最后，根据预测精度调整模型参数，获得最佳的基于k近邻算法的溶洞探测模型。本发明方法可有效实现对地下溶洞位置和几何尺寸的准确识别，且较现有的溶洞探测技术具有成本更低、效率更高的优点。
Description
技术领域
本发明涉及溶洞探测的技术领域，尤其是指一种基于桩锤激震和k近邻算法的地下溶洞探测方法。
背景技术
溶洞是指可溶性岩石在喀斯特作用下形成的空间，广泛存在于我国各个省市，尤其是西南地区。地下溶洞对基础工程施工的安全性造成严重的威胁，在轻微的土层扰动作用下可能会发生坍塌，在灌注混凝土时也容易发生漏浆、塌孔等事故，从而造成经济损失甚至威胁施工人员的生命安全。因此，发展高效的溶洞探测技术，可以为施工前期土层地质状况的评估提供可靠的技术保障，并为之后的施工方案提供指导，进而保证基础工程的施工安全。
目前，溶洞探测技术主要包括浅层地震波反射法、高密度电阻率法、钻孔雷达法、管波测试法等地质勘查手段，其原理是利用弹性波、电场、地磁波或者声波等在不同地层下的分布或者传播规律以预测地下溶洞的位置。当前，传统的溶洞探测技术仍然面临探测效率低、成本高、不易于大面积应用等技术瓶颈。例如，经典的浅层地震法则需要利用***等人工震源作为激励源产生地震波，既增加了成本也造成了一定的危险性；高密度电阻率法在接地条件较差的地方产生的误差较大；钻孔雷达法设备昂贵，成本较高，难以大面积应用；管波测试法虽然不需要钻孔，但该方法无法准确获得溶洞的位置与尺寸，仅能用于预测溶洞的埋深。因此，发展一种安全、可靠、低成本、高效的地下溶洞探测方法就变得十分重要。此外，施工现场中通过传感器获得的不同位置、不同时刻的响应数据不仅数量庞大，且由于外界环境干扰数据呈现出复杂多变的特点。因此，开发一种高效算法对这些庞大的数据集进行分析和数据挖掘，是实现低成本、高效率的地下溶洞探测技术的必要手段。
发明内容
本发明的目的在于克服现有技术的缺点与不足，提出了一种基于桩锤激震和k近邻算法的地下溶洞探测方法，该方法利用桩基施工中的桩锤激震作为激震源，并采用此激震源作用下的地表加速度响应作为k近邻算法的输入，对地下溶洞的位置和几何尺寸进行识别。
为实现上述目的，本发明所提供的技术方案为：一种基于桩锤激震和k近邻算法的地下溶洞探测方法，包括以下步骤：
1)利用有限元仿真的手段，对有无溶洞及不同位置与尺寸的溶洞多种工况下的响应信息进行分析，确定能够探测的溶洞位置和尺寸范围，随后在此范围内建立包含不同溶洞尺寸与位置的模型库，而模型中的溶洞位置与尺寸则为标签；
2)对建立的模型库进行有限元计算，在桩锤激震下获得不同溶洞工况的地表特定位置的加速度响应数据；
3)对地表特定位置的加速度响应数据进行分析，提取相应的特征，而后将提取的特征与标签组合成数据库，将数据库随机分成训练集与测试集，其中，训练集的数量要比测试集多，随后再将训练集输入k近邻算法进行机器学习，获得初步的基于k近邻算法的溶洞探测模型；
4)将测试集输入初步的基于k近邻算法的溶洞探测模型进行预测，将预测结果与测试集所对应的标签进行对比，从而得到预测精度，而后根据预测精度调整模型的参数k，以得到最佳的基于k近邻算法的溶洞探测模型，并将其应用于地下溶洞探测当中。
在步骤1)中，建立模型库时使用无限元单元作为土层的边界单元来模拟半无限体，避免弹性波在边界处反射。
在步骤2)中，选择在距离打桩激震点半径范围为5m至10m的圆周上均匀布置不少于4个加速度传感器进行数据采集。
在步骤3)中，采用加速度响应曲线中的第一个波谷所对应的时间tmin和加速度值amin以及第二个波峰所对应的时间tmax和加速度值amax作为特征，原因是在对地表加速度时程曲线进行分析后发现，溶洞的定位与定量与时程曲线中的第二个波峰以及第一个波谷相关，因此，将采用第一个波谷所对应的时间tmin和加速度值amin以及第二个波峰所对应的时间tmax和加速度值amax作为特征；获得上述特征后，将特征与对应的标签组合，形成所需的数据集，其中，每组工况对应的标签包括溶洞顶端距离地面的距离H、溶洞球心和打桩激震点所在垂线距离之间的距离D、溶洞半径R和溶洞方位角度θ。
在步骤4)中，由于k近邻算法的原理就是通过对距离测试数据最近的k个数据进行分析，从而预测出数据的输出结果，因此，k值是与该溶洞探测模型密切相关的参数，对k近邻算法中的k值进行调节，能够提高模型准确率，从而获得最佳的基于k近邻算法的溶洞探测模型。
本发明与现有技术相比，具有如下优点与有益效果：
1、较现有的溶洞探测技术，本发明方法只需在地表采集加速度信息便可以进行溶洞探测。
2、较现有的溶洞探测技术，本发明方法不需要布置过多传感器，相比传统的溶洞探测方法操作更加方便。
3、在施工安全方面，本发明方法不需要采用***作为激震源，可以降低发生事故的风险，而且所采用的桩锤激震是现场基础施工过程中附带产生的激励，不需要额外的产生激励源的成本。
4、本发明方法的成本低于传统的溶洞探测方法，只需要布置少量传感器，即可获得较大的探测面积，极大降低了成本。
附图说明
图1为本发明方法流程示意图。
图2为地表垂向加速度响应曲线图。
图3为模型库溶洞分布图。
图4为地表加速度传感器分布图。
图5为不同k值下基于不同误差设定下溶洞预测准确率图。
具体实施方式
下面结合具体实施例对本发明作进一步说明。
如图1所示，本实施例所提供的基于桩锤激震和k近邻算法的地下溶洞探测方法，其具体情况如下：
1)建立包含不同溶洞位置与尺寸的模型库。在Abaqus软件中建立边长为30m的立方体的土层模型，并采用经典的Mohr—Coulomb(摩尔-库伦)本构模型。随后设置边界网格为无限元单元Cin3D8，以模拟土层半无限体的特征，而其余的单元设置为有限元单元C3D8r。如图2所示，确定溶洞形状为球体，溶洞顶端距离地面的距离H、溶洞球心和打桩激震点所在垂线距离之间的距离D、溶洞半径R和溶洞方位角度θ。其中，溶洞顶端距离地面的距离H的范围为3m至10m，取样间隔为1m；溶洞球心和打桩激震点所在垂线距离之间的距离D的范围为0m至10m，采样间隔为1m；溶洞半径R分别取2m、3m、4m；溶洞方位角度θ的范围为0°至360°，取样间隔为5°。根据以上的溶洞尺寸与位置建立模型库，为有限元计算做准备。
2)通过对模型库进行计算，获得地表特定位置的加速度响应，但由于地震波在传播过程中会出现衰减，因此有必要选取合适的地表位置进行加速度响应的采集。在对加速度响应数据进行分析后发现，在离激震中心半径范围为5m以内的地表加速度响应包含了溶洞纵波反射波和瑞利波等应力波的叠加，溶洞纵波反射波被掩盖或混淆，而在半径范围10m后的地表加速度响应明显变弱，难以用于分析。因此，在提取地表加速度响应时，选择在距离打桩激震点距离范围为5m至10m的圆周上均匀布置不少于4个传感器来进行数据采集。在本实施例中，提取距离打桩激震点距离为10m的圆周上的地表加速度响应，均匀取其中的6个测点获取加速度响应，如图3所示。
3)如图4所示，为其中一个测点的典型的加速度响应时程。分析后发现，经溶洞反射的纵波传到地表的纵波为第二峰值，因此可以选取第二峰值及其对应的时间作为特征。随后在对数据进行分析后发现，当溶洞埋深过浅时，经溶洞反射的纵波出现的时间与经地表传播的纵波出现的时间较接近，进而影响第一波谷出现的时间。基于上述分析，可以提取第一波谷所对应的时间tmin和加速度值amin以及第二波峰所对应的时间tmax和加速度值amax作为特征，如图4所示。一个工况下需提取6个测点进行数据采集，而每一个测点包含4个特征，因此一个工况包含24个特征。随后将每个工况对应的溶洞顶部坐标(X,Y,Z)与溶洞半径R作为标签，将每个工况下的标签及其24个特征进行组合，整合成数据集，随后将数据集按照4:1的比例随机分为训练集与测试集，为机器学习做准备。
4)利用上述的训练集对k近邻算法进行训练，获得初步的基于k近邻算法的溶洞探测模型，随后利用测试集进行预测，再将预测结果与测试集所对应的标签进行对比，从而得到预测精度。由于在实际工况中不需要对溶洞方位的预测过于精确，因此本案例将引入许可误差来进行分析。许可误差1m和2m分别是指当预测的结果在测试集真实标签±1m和±2m范围内时，就认为预测结果是准确的。使用上述24个特征对溶洞位置(X,Y,Z)与溶洞半径R同时进行预测，在许可误差为1m时，准确率是85.72％；当许可误差为2m时，准确率为94.33％。
5)根据预测精度对初步的基于k近邻算法的溶洞探测模型的相关参数进行调整，具体地，是对溶洞探测模型中的参数k进行调节，由于k近邻算法的原理就是通过对距离测试数据最近的k个数据进行分析，从而预测出数据的输出结果，因此，k值是与该溶洞探测模型密切相关的参数，对k近邻算法中的k值进行调节，能够提高模型准确率，从而获得最佳的基于k近邻算法的溶洞探测模型，应用于地下溶洞探测当中。如图5所示，当k为4时，在许可误差为1m的情况下准确率达到最优值86.46％；当k为4时，在许可误差为2m的情况下准确率达到最优值94.33％。
以上所述实施例只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。
Claims (5)
1.一种基于桩锤激震和k近邻算法的地下溶洞探测方法，其特征在于，包括以下步骤：
1)利用有限元仿真的手段，对有无溶洞及不同位置与尺寸的溶洞多种工况下的响应信息进行分析，确定能够探测的溶洞位置和尺寸范围，随后在此范围内建立包含不同溶洞尺寸与位置的模型库，而模型中的溶洞位置与尺寸则为标签；
2)对建立的模型库进行有限元计算，在桩锤激震下获得不同溶洞工况的地表特定位置的加速度响应数据；
3)对地表特定位置的加速度响应数据进行分析，提取相应的特征，而后将提取的特征与标签组合成数据库，将数据库随机分成训练集与测试集，其中，训练集的数量要比测试集多，随后再将训练集输入k近邻算法进行机器学习，获得初步的基于k近邻算法的溶洞探测模型；
4)将测试集输入初步的基于k近邻算法的溶洞探测模型进行预测，将预测结果与测试集所对应的标签进行对比，从而得到预测精度，而后根据预测精度调整模型的参数k，以得到最佳的基于k近邻算法的溶洞探测模型，并将其应用于地下溶洞探测当中。
2.根据权利要求1所述的一种基于桩锤激震和k近邻算法的地下溶洞探测方法，其特征在于：在步骤1)中，建立模型库时使用无限元单元作为土层的边界单元来模拟半无限体，避免弹性波在边界处反射。
3.根据权利要求1所述的一种基于桩锤激震和k近邻算法的地下溶洞探测方法，其特征在于：在步骤2)中，选择在距离打桩激震点半径范围为5m至10m的圆周上均匀布置不少于4个加速度传感器进行数据采集。
4.根据权利要求1所述的一种基于桩锤激震和k近邻算法的地下溶洞探测方法，其特征在于：在步骤3)中，采用加速度响应曲线中的第一个波谷所对应的时间tmin和加速度值amin以及第二个波峰所对应的时间tmax和加速度值amax作为特征，原因是在对地表加速度时程曲线进行分析后发现，溶洞的定位与定量与时程曲线中的第二个波峰以及第一个波谷相关，因此，将采用第一个波谷所对应的时间tmin和加速度值amin以及第二个波峰所对应的时间tmax和加速度值amax作为特征；获得上述特征后，将特征与对应的标签组合，形成所需的数据集，其中，每组工况对应的标签包括溶洞顶端距离地面的距离H、溶洞球心和打桩激震点所在垂线距离之间的距离D、溶洞半径R和溶洞方位角度θ。
5.根据权利要求1所述的一种基于桩锤激震和k近邻算法的地下溶洞探测方法，其特征在于：在步骤4)中，由于k近邻算法的原理就是通过对距离测试数据最近的k个数据进行分析，从而预测出数据的输出结果，因此，k值是与该溶洞探测模型密切相关的参数，对k近邻算法中的k值进行调节，能够提高模型准确率，从而获得最佳的基于k近邻算法的溶洞探测模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010410594.9A CN111551985A (zh) | 2020-05-15 | 2020-05-15 | 一种基于桩锤激震和k近邻算法的地下溶洞探测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010410594.9A CN111551985A (zh) | 2020-05-15 | 2020-05-15 | 一种基于桩锤激震和k近邻算法的地下溶洞探测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111551985A true CN111551985A (zh) | 2020-08-18 |
Family
ID=72002765
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010410594.9A Pending CN111551985A (zh) | 2020-05-15 | 2020-05-15 | 一种基于桩锤激震和k近邻算法的地下溶洞探测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111551985A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112630827A (zh) * | 2020-12-07 | 2021-04-09 | 中国地震局工程力学研究所 | 地表加速度峰值参数预测方法及*** |
| CN113268799A (zh) * | 2021-05-27 | 2021-08-17 | 深圳市岩土综合勘察设计有限公司 | 一种基于随钻数据预测溶洞埋深和尺寸的方法及*** |
| CN114063150A (zh) * | 2021-11-16 | 2022-02-18 | 西南科技大学 | 一种基于ml-knn算法的“震源-台站”速度模型选取方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109670209A (zh) * | 2018-11-22 | 2019-04-23 | 中国石油大学(华东) | 一种基于机器学习的风化壳岩溶缝洞型油藏油井见水时间预测方法 |
| CN110515117A (zh) * | 2019-07-19 | 2019-11-29 | 广州市高速公路有限公司 | 一种基于桩锤激震和决策树模型的地下溶洞探测方法 |
| CN110609320A (zh) * | 2019-08-28 | 2019-12-24 | 电子科技大学 | 一种基于多尺度特征融合的叠前地震反射模式识别方法 |
| WO2020056073A1 (en) * | 2018-09-14 | 2020-03-19 | Bp Corporation North America Inc. | Machine learning-based analysis of seismic attributes |
-
2020
- 2020-05-15 CN CN202010410594.9A patent/CN111551985A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020056073A1 (en) * | 2018-09-14 | 2020-03-19 | Bp Corporation North America Inc. | Machine learning-based analysis of seismic attributes |
| CA3112197A1 (en) * | 2018-09-14 | 2020-03-19 | Bp Corporation North America Inc. | Machine learning-based analysis of seismic attributes |
| CN109670209A (zh) * | 2018-11-22 | 2019-04-23 | 中国石油大学(华东) | 一种基于机器学习的风化壳岩溶缝洞型油藏油井见水时间预测方法 |
| CN110515117A (zh) * | 2019-07-19 | 2019-11-29 | 广州市高速公路有限公司 | 一种基于桩锤激震和决策树模型的地下溶洞探测方法 |
| CN110609320A (zh) * | 2019-08-28 | 2019-12-24 | 电子科技大学 | 一种基于多尺度特征融合的叠前地震反射模式识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 刘宝锤: "《大数据分类模型和算法研究》", 31 January 2020 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112630827A (zh) * | 2020-12-07 | 2021-04-09 | 中国地震局工程力学研究所 | 地表加速度峰值参数预测方法及*** |
| CN112630827B (zh) * | 2020-12-07 | 2024-02-02 | 中国地震局工程力学研究所 | 地表加速度峰值参数预测方法及*** |
| CN113268799A (zh) * | 2021-05-27 | 2021-08-17 | 深圳市岩土综合勘察设计有限公司 | 一种基于随钻数据预测溶洞埋深和尺寸的方法及*** |
| CN113268799B (zh) * | 2021-05-27 | 2024-04-30 | 深圳市岩土综合勘察设计有限公司 | 一种基于随钻数据预测溶洞埋深和尺寸的方法及*** |
| CN114063150A (zh) * | 2021-11-16 | 2022-02-18 | 西南科技大学 | 一种基于ml-knn算法的“震源-台站”速度模型选取方法 |
| CN114063150B (zh) * | 2021-11-16 | 2023-05-23 | 西南科技大学 | 一种基于ml-knn算法的“震源-台站”速度模型选取方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110515117B (zh) | 一种基于桩锤激震和决策树模型的地下溶洞探测方法 | |
| CN111551985A (zh) | 一种基于桩锤激震和k近邻算法的地下溶洞探测方法 | |
| CN103675922A (zh) | 基于探地雷达的运营期地下管道管径测定方法 | |
| CN112485823B (zh) | 高效综合超前地质预报方法 | |
| CN111339486A (zh) | 一种深基坑***振速风险等级大数据评价方法 | |
| CN110188426B (zh) | 一种隧道地质条件协同预测方法 | |
| CN106908837A (zh) | 一种压裂裂缝形态和裂缝高度确定方法 | |
| CN106680362A (zh) | 埋地铁磁质金属管道磁层析检测虚拟实验平台及使用方法 | |
| CN112833807A (zh) | 一种适用于双护盾tbm的围岩变形监测方法及预测方法 | |
| CN113033047A (zh) | 煤炭矿井三维地应力场优化反演方法、***、介质及应用 | |
| CN106154342A (zh) | 一种确定洞穴充填物电阻率的方法 | |
| CN103669426A (zh) | 灌注桩钢筋笼长度井中瞬变电磁检测方法 | |
| CN111538073A (zh) | 一种隧道不良地质体超前地质预报探测模拟装置及方法 | |
| CN111123402B (zh) | 一种管线探测方法 | |
| CN116009111A (zh) | 一种高密度电法与微动联合近地表富水区勘探方法 | |
| CN113780837A (zh) | 一种环境工程风险源评价方法 | |
| CN212364603U (zh) | 一种隧道不良地质体超前地质预报探测模拟装置 | |
| Liu et al. | Research and application of microseismic nonlinear optimal positioning methods | |
| CN117371111B (zh) | 基于深度神经网络和数值仿真的tbm卡机预测***及方法 | |
| CN104406681B (zh) | 一种实时确定微震波速的测试方法 | |
| LU504248B1 (en) | Method for detecting leaching and groundwater pollution range after acid in-situ leaching uranium mining | |
| CN109238885A (zh) | ***振动与噪声联合测试的高边坡岩体弹性模量测算方法 | |
| CN203444117U (zh) | 水域条件下地震勘探炮点实时主动触发控制*** | |
| CN116484186B (zh) | 一种基于多场耦合的冲击地压智能预警方法及装置 | |
| CN113125559B (zh) | 一种基于微动信息识别管线位置的方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200818 |