×
超值优惠券
¥50
100可用 有效期2天

全场图书通用(淘书团除外)

关闭
露天矿山边坡和排土场灾害预警及控制技术

露天矿山边坡和排土场灾害预警及控制技术

1星价 ¥31.2 (8.2折)
2星价¥31.2 定价¥38.0
图文详情
  • ISBN:9787502468620
  • 装帧:一般胶版纸
  • 册数:暂无
  • 重量:暂无
  • 开本:32开
  • 页数:261
  • 出版时间:2015-03-01
  • 条形码:9787502468620 ; 978-7-5024-6862-0

本书特色

  《露天矿山边坡和排土场灾害预警及控制技术》是国家“十二五”科技支撑重点项目“露天矿山灾害预警与控制技术研究及示范”课题的研究成果。主要内容包括4个部分:高陡边坡变形失稳控制关键技术、排土场致灾机理与滑坡模式分析方法、排土场监测预警与控制关键技术、灾害预警及应急救援关键技术。  《露天矿山边坡和排土场灾害预警及控制技术》在深入调查、研究露天矿山边坡和排土场灾害预警技术及方法的基础上,研究大型露天矿山边坡和排土场灾害预警指标体系,包括短期及中长期两类预警指标体系,该指标体系密切联系矿山边坡和排土场灾害的类型、发生发展规律,并结合矿山生产的实际,具有很强的针对性和可操作性。在对比分析各种指标权重确定方法的基础上,采用G1法、未确知有理数法、基于粗糙集理论的专家打分法来确定预警指标的权重,使权重的确定更加客观、可靠。  本书分析、研究了各种预警方法和灾害类型响应机制,提出了具有知识库和自学习功能的灾害智能预警技术,采用基于可拓理论和RBF神经网络方法进行露天矿山边坡和排土场灾害的短期预警,采用BP神经网络方法和案例推理方法进行露天矿山边坡和排土场灾害的中长期预警,使预警更加灵活、方便。  根据露天矿山边坡和排土场灾害预警的实际情况,在分析边坡和排土场灾害控制对策的基础上,重点研究分层多次高压注浆预应力锚固技术的加固作用机理、施工方法及效果评估方法,优化施工工艺参数并在矿山进行了实际应用,保证了试验矿山的边坡及排土场安全。  本书研究建立了露天矿山边坡和排土场重大灾害事故应急救援体系,开发露天矿山边坡和排土场灾害应急救援指挥系统,提出了露天矿山边坡和排土场应急救援技术要求标准,能*大限度减少坡和排土场重大灾害的损失。

内容简介

  《露天矿山边坡和排土场灾害预警及控制技术》内容包括露天矿山边坡和排土场灾害预警技术研究现状、露天矿山边坡和排土场灾害预警的基础理论、露天矿山边坡和排土场灾害预警指标体系、露天矿山边坡和排土场灾害预警指标的权重研究、露天矿山边坡和排土场灾害预警方法及应用。  《露天矿山边坡和排土场灾害预警及控制技术》结合实际建立了预警系统,并以试验为依据提出了滑坡控制技术,内容非常实用。

目录

1 露天矿山边坡和排土场灾害预警技术研究现状
1.1 边坡和排土场灾害分析
1.2 边坡稳定性分析的研究现状
1.3 边坡失稳控制技术的研究现状
1.4 边坡和排土场灾害预警方法的研究现状
边坡和排土场灾害应急救援系统的研究现状
2 露天矿山边坡和排土场灾害预警的基础理论
2.1 指标权重确定的基础理论(含确定方法、G1法理论、未确知有理数法理论、粗糙集理论)
2.2 预警方法的基础理论(含可拓理论、神经网络、案例推理)
2.3 事故应急救援的基础理论(系统构成、响应过程等)
3 露天矿山边坡和排土场灾害预警指标体系
3.1 体系的建立原则和方法
3.2 短期和中长期指标体系
3.3 指标的预警准则
4 露天矿山边坡和排土场灾害预警指标的权重研究
4.1 基于未确知有理数的短期预警指标权重的确定
4.2 基于粗糙集的短期预警指标权重的确定
4.3 基于G1法的中长期预警指标权重的确定
5 露天矿山边坡和排土场灾害预警方法及应用
5.1 预警方法的选取
5.2基于可拓理论的排土场灾害短期预警方法的研究及应用
5.3 基于RBF神经网络的边坡灾害短期预警方法的研究及应用
5.4 基于BP神经网络的边坡灾害中长期预警方法的研究及应用
5.5 基于案例推理的排土场灾害中长期预警方法的研究及应用
6 露天矿山边坡和排土场灾害控制对策
6.1边坡失稳控制方法体系研究
6.2分层多次高压注浆预应力锚固技术机理研究
复合锚杆桩技术机理研究
7 分层多次高压注浆预应力锚固技术研究
7.1 高压注浆锚固技术应力分布实验室研究
7.2 分层多次高压注浆现场试验
7.3 边坡失稳控制技术的计算机模拟
8 露天矿山边坡和排土场灾害应急救援系统的研究
8.1 边坡和排土场灾害应急救援体系的建立
8.2 露天矿边坡和排土场灾害应急救援系统总体设计
8.3 露天矿边坡和排土场灾害应急救援系统的功能实现

展开全部

节选

  《露天矿山边坡和排土场灾害预警及控制技术》:  目前,确定中心的常用方法有以下几类:  (1)随机选取RBF中心(直接计算法)。这是确定RBF中心一种*简单的方法,RBF中心从输入样本数据中随机选取且固定。这样隐单元输出就是已知向量,网络的连接权就可通过解线性方程组来确定。对于给定的问题,如果样本数据的分布具有典型性,则此方法是一种简单可行的方法。但在大多数情况下,由于输入数据样本具有一定的冗余性,这种中心的选取方法就显得无能为力了。  (2)有监督学习选取RBF中心。在这种方法中,RBF中心以及网络的其他自由参数都是通过有监督的学习来确定的,一般是通过梯度下降法、共轭梯度法等方法来确定。  (3)自组织学习算法选取RBF中心。在这种方法中,RBF网络的中心通过自组织学习来确定其位置。自组织学习的目的是使RBF网络的中心位于输入空间重要的区域,使选取的中心形成一个特定的分布规律,它表征着输入样本空间的固有特征。  (4)正交回归方法选取RBF中心。这是一种重要的RBF网络学习方法,RBF中心从样本数据中按照一定规则合理地选取,隐层单元数目在学习过程中动态调节,并且可以保证学习误差不大于给定值。  (5)采用进化优选算法选取RBF网络中心。该方法利用进化策略在求解空间内对选择路径进行多点随机搜索,并找出*优路径。由于进化策略的随机性,因此所有的选择路径都有可能被搜索,这使它有可能找到网络全局*优解。  ……

作者简介

  谢振华,生于1968年8月,北京科技大学教授,主持和参加了国家科技攻关、国家自然科学基金等科研项目30多项。获得教学及科研奖多项,在北京科技大学学报、金属矿山等刊物及学术会议上发表学术论文80多篇,主编教材和专著20多部。

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航