一、THE ARTIFICIAL NEURAL NETWORK OF FORECASTING OPEN MINING SLOPE STABILITY（论文文献综述）
齐留洋,王德胜,刘占全,崔凤[1]（2021）在《改进加权距离判别分析模型的边坡爆破稳定性判别》文中指出针对爆破振动对矿山边坡稳定性评价中存在诸多不确定性因素的问题,采用距离判别分析理论并对该模型进行加权赋值的改进,用以区别不同参数之间的重要性。选用振动速度峰值（水平、垂直）、振动主频（水平、垂直）、爆心距共5个影响因素作为判别因子,建立露天采矿受到爆破振动时产生边坡危害判别的距离判别分析模型（DDA模型）和改进加权距离判别分析模型（改进DDA模型）;通过6次现场爆破试验收集到24组爆破振动实测数据,以其中18组现场数据作为模型的学习样本对模型进行训练,建立与之相对应的判别函数,利用回代法进行误判率的回检,并用6组现场数据作为预测样本进行测试。结果表明:DDA模型回检误判率为5.6%,对影响因素的重要性进行加权的改进DDA模型回检误判率为0%,其判别结果与实际结果完全吻合。改进加权距离判别分析模型的算法简单、收敛速度快、预测精度高,为露天采矿爆破振动对边坡危害程度的判别提供了一种新思路。
赵亮[2]（2021）在《基于智能行程时间预测的露天煤矿卡车调度随机优化方法研究》文中认为随着人工智能和无人采矿技术的发展,露天矿自动卡车调度系统将迎来新的变革。定位系统、集成传感器的应用,为卡车调度系统带来最新的监测工具;深度学习方法、GPS/BDS定位和导航技术、物联云和边缘计算等技术的充分利用,也将引发从业人员和车辆终端之间操控联系的变革。在车辆GPS/BDS定位、车速变化和姿态等大数据的基础上,利用深度学习、统计学等数据分析和智能处理的理论和方法,可以进一步优化露天矿卡车调度策略,降低运输成本,促进智能化露天矿山建设。在借鉴和改进前人的露天矿调度系统建模方案的基础上,本文在物联云框架下构建露天煤矿车辆状态数据传输系统,基于车辆行程的大数据,对车辆派遣的行程时间预测,形成了深度神经网络预测卡车行程时间的方法;基于概率统计和深度学习理论,对露天煤矿短期计划中卡车调度进行建模和分析,对车辆下一个阶段的车铲预分配方案进行优化,建立了露天煤矿短期计划的卡车调度系统随机优化模型及其效能评估方法。本文取得主要研究成果如下:（1）由于露天煤矿运输具备特殊的往返特性,可以利用深度学习方法,对露天煤矿车辆运行的行程时间进行预测。为此,用矿区规划图获得的露天煤矿运输路径,对卡车行程数据进行了分析,结果表明:在一个运输往返过程中,采装、运输、卸载等不同行为的耗费时间的概率分布可存在正态和对数正态两种不同的分布;行程时间受司机和采装耗时的影响很大。结合GPS/BDS模块差分定位记录的位置和车辆状态数据,开发了对矿山车辆状态数据进行采集的智能边缘设备,实现了矿山车辆行驶行为的数据采集,收集了增强的卡车行驶行为的数据集。（2）为了解决露天煤矿车辆行程时间预测问题,对所采集的车辆怠速等车辆状态数据,利用改进的1D-CNN（one-dimension convolutional neural network）网络进行数据分类,区分车辆等待和行驶的行为、坡路和水平行驶行为,提取了车辆行驶在不同路段上的行为特征,解决了矿山卡车行为特征识别问题。进一步基于LSTM（long short-term memory）和CNN建立了两种不同的深度神经网络预测模型,根据司机、不同路段等数据特征构造二维输入向量,利用2D深度网络学习行程时间数据,提升了矿山卡车行程时间预测的准确率。结果表明:在卡车特征识别上,用inception结构的1D-CNN网络对卡车状态识别率可以达到98%以上;对卡车行程时间预测结果上,所设计的CNN网络的学习效果在误差允许范围内,准确率约90%。两个模型对差异较大的不同卡车运输路径的泛化能力较弱。（3）为解决露天煤矿卡车调度优化和可行性评估问题,建立了露天煤矿短期计划中的卡车调度随机优化方法。由于传统的卡车调度较少考虑矿山运输中的随机性,因此,本文对基于最小成本的优化目标进行转换,将目标中的行驶路径等变量简化和转换为行程时间等时间变量;对传统优化模型引入随机变量表征行程时间等随机性,提出并建立了多染色体遗传算法,解决了车铲调度的随机优化问题。结果表明:优化方法减少了矿山设备空闲时间,可以提高矿山车辆利用率约3%,降低了运输成本,可以减少重车上坡台阶数约7%。综上所述,本文设计的露天矿卡车调度随机优化模型能够在行程时间预测的基础上,对下一个短期计划阶段的车辆调度进行预测和优化,并检验预测结果的可行性,从而提高矿山的生产效率。论文有图46幅,表18张,参考文献152篇。
刘丹洋[3]（2021）在《基于机器视觉的露天矿边坡裂隙检测及量化统计研究》文中研究表明露天矿边坡稳定性与保证矿山安全生产、保障矿山工作人员的生命财产安全以及提高矿山经济效益有着密不可分的关系。随着露天开采的深度和边坡角度的增加,边坡稳定性问题越发突出,边坡滑坡灾害时有发生,其发生的原因往往是没有进行及时有效的边坡裂隙检测。裂隙虽不会对边坡稳定性造成直接巨大的影响,但裂隙的非及时性检测将会导致露天矿边坡发生滑坡等严重危害。因此,选择科学合理的方法对露天矿边坡裂隙进行及时、准确的检测以及量化统计至关重要,能够为露天矿的安全生产管理提供数据支持。本文的具体工作主要有以下几个方面:（1）针对露天矿边坡形变监测技术、数字图像处理技术以及裂缝检测方法进行了简要的阐述,并介绍了涉及到的相关深度学习理论及框架,为露天矿边坡裂隙的智能检测及量化模型的构建提供了思路。（2）针对目前国内外广泛使用的基于阈值分割、边缘检测以及机器学习等方法所设计的裂缝检测方法在露天矿边坡裂隙图像上直接应用所存在的检测效果不佳,分割精度较低以及误检现象严重等问题,本文选择集合了目标检测和语义分割特点的深度学习框架Mask R-CNN作为裂隙检测的基础网络,并针对其在掩膜分支所输出的裂隙边缘不清晰以及存在误检等缺点进行了相应的改进,引入了空洞空间卷积池化金字塔,并在掩膜分支加入了分类分割迭代上采样操作,实现了对边坡裂隙的多尺度特征提取,提高了模型的边坡裂隙分割精度。（3）针对目前尚无统一的合适的量化统计方法对检测出的裂缝进行损伤度评价的问题,本文结合裂隙的形态分类模型以及裂隙的量化统计模型,实现了对检测分割出的裂隙进行量化统计的目标。本方法的核心思想是:首先,基于卷积神经网络构建了一种像素级的露天矿边坡裂隙形态分类模型,将检测到的裂隙分为横向、纵向以及斜向裂隙这一类单一裂隙,以及不规则龟裂这一类不规则裂隙;然后,在裂隙形态分类的基础上,对不同种类的裂隙采用不同的统计量化方法,对于单一裂隙图像基于投影映射方法对裂隙长度、最小临界宽度和最大临界宽度等相关属性信息进行统计量化,而对于不规则裂隙图像则基于裂隙连通域标记方法以及裂隙骨架提取方法对不规则裂隙的相关属性信息进行统计量化,进而能够推断出其相应的损伤程度,为露天矿边坡稳定性的管控以及矿山安全生产管理提供数据指标。实验证明,本文所构建的露天矿边坡裂隙智能检测模型具有更好的裂隙目标检测结果以及更高的裂隙边缘分割精度,同时,在裂隙检测分割的基础上所设计的基于裂隙形态分类的量化统计方法,基本满足露天矿边坡裂隙的量化统计需求,能够为露天矿安全生产管理提供数据指标,具有一定的适用性和可行性。
孙银华[4]（2021）在《金平铁矿采场边坡滑坡成因及防治效果评价》文中提出露天矿山在生产开采过程中容易产生一系列的安全问题。露天矿边坡一旦发生破坏,容易引发一系列的边坡地质灾害,如滑坡,其一旦发生滑坡将会给矿山生产企业、附近居民及自然环境带来严重威胁和损害。因此,矿山边坡滑坡问题也越来越多地受到人们的关注。本文以金平铁矿采场边坡滑坡为研究对象,通过查阅类似文献资料,采用资料收集、现场地质勘查及In SAR形变监测技术等方法,研究金平铁矿采场边坡滑坡特征,采用有限元软件FLAC3D建立数值模型,分析边坡在天然和暴雨工况下的稳定性,对滑坡的成因机制进行研究,并采取削坡减载的治理措施对采场边坡滑坡区域进行治理,确保矿山企业的正常安全生产。本文主要结论如下:（1）采场边坡滑坡位于采场东北侧890m-970m台阶区域范围内,为推移式中层大型滑坡。坡体每年5～10月份受到降雨影响发生位移形变量在全年月份中最大,坡体后缘岩土体稳定性较差,发生较大滑移直至滑坡。诱发滑坡的内在因素是由于松散岩土体的存在,边坡滑坡受到地形地貌的作用影响。采场边坡在开挖挂帮矿过程中,破坏了坡体的力学平衡及其内部渗流通道,在降雨的作用影响下,岩土体抗剪强度降低、容重增大,岩土体发生软化诱发滑坡。（2）通过对采场边坡进行FLAC3D数值模拟分析,在天然、暴雨工况下的安全系数分别为1.139、0.926,可知采场边坡在天然工况下处于基本稳定状态,坡体出现部分滑动现象,暴雨影响下处于失稳状态发生滑坡。（3）通过对具有滑坡隐患的930m以上台阶布设排水沟、坡体后缘布设截洪沟及采用削坡减载防治措施对采场边坡加以治理,并对治理后的采场边坡通过数值模拟及In SAR形变监测的方法进行防治效果评价。边坡削坡减载后的安全系数为1.44、治理后的采场边坡相比于未治理前的边坡稳定性提高,并对治理后的采场边坡继续实施In SAR形变监测,可知原滑坡区的沉降已明显减小,部分位置已停止沉降,说明治理效果明显且有效达到治理防护的目的。
孙巍锋[5]（2020）在《土-岩二元结构路堑边坡失稳机理与智能预警研究》文中研究说明土-岩二元结构路堑边坡（简称二元边坡）是由上覆土层和下部岩体组成的一类边坡,在浅表有松散堆积物的山区和丘陵区修路时较为常见。在以降雨为主的影响作用下,二元边坡容易演变为滑坡灾害,造成一定程度的经济损失、人员伤亡、施工中断、交通阻塞和生态破坏。为此,在探索二元边坡失稳机理的基础之上,开展智能预警是预防此类边坡病害的关键与发展趋势。本文以双达高速公路沿线的二元边坡为研究对象,综合采用现场调查与试验监测、归纳总结、室内试验、理论分析、数值模拟和软件编程等方法,开展了二元边坡失稳机理与智能预警研究,取得的主要成果和结论如下:（1）通过开展二元边坡的温湿度原位监测和探测,揭示了边坡内的温湿变化规律,明确了水分入渗是二元边坡稳定性的敏感影响因子,并提出了水分在二元边坡上覆土内的入渗模式。（2）基于室内三轴和直剪试验研究,揭示了二元边坡上覆土、全风化岩体和土-岩接触面的抗剪性能随增湿过程的变化规律。对二元边坡下的其它风化岩体,基于现场调研和理论分析同步折减岩块压缩强度、地质强度指标和岩块变形模量来近似模拟湿润环境的影响,探究了岩体性质参数随湿润环境的长期劣化规律。（3）通过离心模式试验、数值模拟分析和稳定性分析,揭示了因边坡高度增加与水分入渗的缓顺倾、陡顺倾和反倾接触面型二元边坡破坏机制,并获得了水分入渗情况下影响二元边坡稳定性的敏感土层内部边界。（4）通过同类监测量与边坡稳定系数的变化规律对比分析,确定了三类二元边坡多源监测量（坡表单点位移、格构梁混凝土应变、两点相对位移、锚杆轴力、锚索拉力和倾斜度）的监测敏感部位,并总结了监测量的变化模式。（5）通过经验总结和理论分析,提出了以经验法、预演-回归分析法和预演-支持向量机法确定各监测量的四级预警值,并给出了由监测量的预警值和变化模式进行边坡四级预警的标准。（6）通过软件编程,研发了由项目、边坡对象、边坡立面及其上监测点、边坡断面及其内监测点进行依次便捷访问的路基边坡智能预警云平台和APP,可对边坡群多源参数进行实时远程监测与边坡潜在风险进行自动预警。（7）开展了二元边坡监测预警实例研究,验证了边坡智能预警云平台和APP的有效性,揭示了坡内倾斜两点相对位移、锚杆轴力和格构梁混凝土应变随降雨和气温变化的动态响应规律,并评价了边坡的动态稳定性。研究成果可为二元边坡的智能预警工作提供有益的参考,并有利于加快路基边坡智能预警与智能公路的发展速度。
熊昊旻[6]（2020）在《洛带镇某发电厂工程边坡稳定性及支护措施研究》文中提出成都市龙泉驿区洛带镇是成都市周边最大型垃圾处置填埋点,工程建设活动极其频繁,大部分工程建设均存在大型边坡工程,尤其存在大量高填方边坡,其稳定与否直接影响到工程项目的安全可靠性及后续工程的进展。本文以该区域狮子村某环保发电厂的高填、挖方边坡为主要研究对象,在阐明区域地质环境条件的基础上,根据工程特点和工程地质条件提出和比选场坪方案。以最优的场坪方案为依据,对形成的工程边坡稳定性进行多角度的分析和评价。最后,根据边坡特征和稳定性评价成果,提出和设计了工程边坡支护措施,并采用数值模拟以及现有变形监测数据分析和验证支护措施的合理性。本文研究成果可为本区域内类似工程实践提供参考,取得的主要成果如下:（1）根据工程特点以及场地工程地质条件,优选出分台阶的场坪方案,其中,主厂房标高619m,物流出入口标高618m,渗滤液车间标高625.5m。该方案下场地东侧将形成最大高度为26m的填方边坡,场地西南方向具备放坡条件,将形成最大高度为52m的挖方边坡。（2）研究区内开挖后的岩体均具有较高承载力,是良好的填方材料,可破碎后铺设土工格栅直接使用。本文对填方回填要求以及质量参数提出了具体要求,通过数值模拟及变形观测,验证参数合理可行。（3）根据本项目场地工程地质条件,选取地质条件最不利的P1、P2填方边坡及P3挖方边坡进行定性及定量相结合的稳定性分析,得出天然状态下三个边坡均处于稳定状况。填方后P1、P2边坡人工填土部分产生大变形,边坡将整体下滑产生破坏;挖方后P3边坡不会产生整体失稳,但存在产生局部的崩坍及掉块的可能性。（4）基于稳定性评价结果,提出了三个典型边坡支护的初步设计方案:P1填方边坡设置桩基托梁重力式挡土墙,P2填方边坡设置桩板墙支护,P3挖方边坡采用锚杆格构支护。通过数值模拟及现场变形监测数据分析论证了支护方案的合理性,即验证了在成都市龙泉驿区洛带镇狮子村区域复杂地质情况下,采用桩基托梁重力式挡土墙以及桩板墙对高度超过20m的高填方边坡进行支护是有效可行的,可为本区域内类似工程建设提供参考。
王帷先[7]（2020）在《基于神经网络的露天矿抛掷爆破爆堆形态预测研究与应用》文中研究表明煤炭工业是中国重要的基础能源支柱产业,矿山规模和产能保持着逐年平稳上升。其中,黑岱沟露天煤矿作为国内首个成功应用抛掷爆破-拉斗铲倒堆工艺技术的矿山,目前原煤产量最大的露天煤矿之一,更是不断追求着生产效率和效益的突破。抛掷爆破工程技术作为重要生产环节,需进行不断地优化升级。考虑到爆堆形态是评价抛掷爆破技术的关键因素,因此本论文围绕抛掷爆破爆堆形态的预测研究展开。第一,抛掷爆破涉及参数复杂,现场作业难以区分主要影响参数,缺乏对影响爆堆形态的关键参数具体分析和设计。因此,需要研究当前采区工作面要素、爆破设计参数、爆堆形态数据等关键影响参数或评价指标,分析论证安全参数值。同时评估爆区位置对爆堆形态的影响。第二,爆堆形态特征分析研究中,一方面需要大量的现场实验统计样本作为支撑,另一方面还需要对样本进行分类、筛选,以确保预测的准确性。然而由于数据量庞大,因此当前研究工作普遍存在着研究样本少、缺乏系统性样本筛选方法等问题。针对上述情况,收集整理数据库中爆堆样本,研究提出了标准化的爆堆形态分析、处理、回归方法,对大量样本的工作面形态特征及爆堆形态特征进行多次筛选;并提出样本集合的局部加权现行回归方法,在保留爆堆曲线局部细节特征的前提下,得到了具有普遍解释意义的典型爆堆曲线,为爆堆形态研究提供了快速的分析方法。第三,爆堆形态控制、预测分析中,实际常常直接使用平均有效抛掷率评估抛掷爆破方案,对当次作业中较优爆堆形态及其设计参数缺少关联性挖掘,忽视了形态数据对方案数值的反馈和优化。针对上述情况,研究选用三层可自适应误差下降调整权值的神经网络预测模型,以典型爆堆曲线形态参数、曲线对应爆破设计参数为输入、输出节点,通过Matlab训练建立爆堆样本数据映射关系。研究优化模型关键构造参数,缩小设计参数值的计算误差,确保新的爆破设计方案优化效果。研究表明,筛选分组后的不同台阶高度典型爆堆曲线,可对约77.8%的样本进行解释,并适用于倒堆平台搭建方案的预设计。同时,利用各参数建立的网络模型,预测效果误差在4.53%内,且利用典型爆堆曲线预测爆破参数,输出参数值与相似历史数据对比误差在6.56%内。本研究成果应用在黑岱沟露天煤矿,可改善抛掷爆破的爆堆形态及爆破效果,进而提高了拉斗铲生产效率。
缪海宾[8]（2020）在《抚顺西露天矿高陡边坡蠕变-大变形综合预警及防治技术研究》文中研究说明抚顺西露天矿百年开采过程中,在其南帮形成了高陡蠕变-大变形边坡,高陡边坡蠕变-大变形综合预警及防治技术研究,成为了影响露天矿安全生产的重大问题。为研究软岩蠕变-大变形机理,对弱层软岩进行了压缩蠕变实验,结果显示软岩常规应力-应变曲线表现出了明显的弹脆塑性向弹塑性转化的趋势,且对围压的敏感度较高;根据蠕变损伤原理,将M-C模型中的应变软化（S-S）特性引入到蠕变损伤方程中,建立软岩蠕变大变形BNSS损伤模型,得到蠕变软岩粘聚力和摩擦角随着蠕应变的扩展而衰减的规律,并通过数值模拟得到了验证;采用In SAR干涉雷达测量、SSR边坡稳定雷达监测、IMS微震监测、钻孔影像、D-In SAR、MAI矿区滑坡遥感监测等技术综合确定了大变形体后缘（裂缝）、左右、深部和前缘（底鼓）边界;采用红外热成像仪和SSR边坡稳定雷达对西露天矿大变形边坡进行监测,推断高陡边坡可能存在的断层和破碎带及滑坡变形所处阶段;采用有限元方法结合RFPA软件,对西露天矿不同工况条件下（现状、设计和压脚回填三种工况）边坡破坏模式进行了模拟验证,得出西露天矿大变形边坡变形破坏模式呈现为“拉裂-滑移-剪断”三段式特征;采用了“分区域、分区段”治理、“有效防水”、“调整采矿布局”等综合防治措施,分别对坑口油厂装置区采用抗滑桩工程、对裂缝带采用了注浆工程、对地下水采用了防汛系统建设、对主变形区域实施回填压脚工程,在此基础上对露天矿整体采矿布局进行了调整。西露天矿区高陡边坡安全问题的解决,对于保护矿区周边建（构）筑物、公共设施及居民生命财产安全、构建良好的生存生活环境、促进矿-城协同发展、维护社会稳定具有重大的经济、环境和社会效益。同时,随着全国各类型露天矿逐渐向深部延伸,高陡边坡的安全问题也将成为各露天矿的共性问题,抚顺西露天矿高陡边坡综合预警和防治技术的研究,可为该类型矿山的安全保障提供技术支撑及工程示范作用。论文有图146幅,表8个,参考文献148篇。
杨天鸿,王赫,董鑫,刘飞跃,张鹏海,邓文学[9]（2020）在《露天矿边坡稳定性智能评价研究现状、存在问题及对策》文中提出在收集整理国内外相关资料的基础上,从露天矿边坡稳定性智能感知手段、智能评价预测方法、智能决策技术等方面总结了露天矿边坡稳定性智能评价研究现状,分析露天矿边坡工程的特点,指出当前露天矿边坡稳定性智能评价研究存在的问题,提出"位移时间序列阈值、力学机理分析、案例分析及专家系统诊断"三位一体的边坡稳定性智能评价的学术思路,认为露天矿边坡稳定性智能评价研究发展趋势为:首先,建立边坡灾害案例和多因素多模式智能识别数学模型,采用深度学习和大数据分析方法进行案例类型聚类、要素识别和模式匹配;其次,通过力学机理计算评价,识别隐患区确定滑坡隐患触发因素和条件;然后,基于案例模式匹配结果建立监测预警指标体系和预警阈值,构建案例库知识库和专家系统并实现智能决策;最后以大孤山铁矿西北帮滑坡为例,基于力学计算给出边坡安全系数变化规律,同时结合滑坡案例库的匹配结果,确定现场数据时序曲线指标阈值（位移累积量、位移速率）,从而科学合理的给出预警警情判别结果,通过云平台实现数据分析、现场模型可视化和预警发布及滑坡诊断。该案例初步验证了三位一体边坡稳定性智能评价学术思路,为实现露天矿边坡稳定性智能评价提供了有效手段。
刘宏磊[10]（2020）在《矿山环境修复治理和开发利用模式的理论与实践研究》文中研究说明矿产开发工程活动在推动社会经济进步的同时,扰动了矿山和矿区环境与生态系统,这种扰动有些对环境和生态系统产生了负效应,但也有一些扰动对其具有正效应。为了系统地修复治理矿山环境的负效应和开发利用矿山环境的正效应,运用水文地质、工程地质、环境地质等基础理论,从系统科学的角度,提出矿山环境负效应修复治理模式理论和矿山环境正效应开发利用模式理论,为我国实现矿山环境修复治理与开发利用的双赢目标提供理论和技术方法支撑。明确了与论文研究紧密相关的基本概念,如矿山环境、矿山环境问题、矿山环境效应等。在此基础上,提出依据采掘扰动不同环境的后果的矿山环境问题分类;依据矿山环境问题分布的地理格局、地貌特点分析了我国矿山环境问题的分布区域及特征;根据矿业开发活动扰动环境的不同影响,明确矿山环境正、负效应的定义,将矿山环境正效应分为矿山能源正效应、矿山空间正效应和矿山综合正效应,将矿山环境负效应分为矿山岩土体环境负效应、矿山水环境负效应、矿山大气环境负效应和矿山生态环境负效应。为了全面分析矿山环境问题对环境的影响,本文提出矿山环境单问题精细评价方法和多问题综合评价方法。矿山环境单问题评价旨在分析和预测单个矿山环境问题对矿山环境现状以及未来状态的影响,为矿山环境修复治理提供理论依据;矿山环境多问题综合评价指数模型,利用互信息熵和信息时域分割方法确定指标评分和权重,以分析多个矿山环境问题叠加对环境的综合影响,并以四道柳煤矿为例,选择该区域环境影响最为典型的多个问题综合评价了煤炭开发活动对环境的影响。为了修复治理矿山环境负效应,论文提出矿山环境修复治理模式理论体系,补充和完善了矿山环境负效应修复治理研究领域的基础理论,并有效指导矿山环境修复治理。与以往矿山环境修复治理研究不同,矿山环境修复治理模式是在系统地研究修复治理对象的基础上,以消灾治理、土地利用和生态修复为目标,以工程治理技术、生态修复技术和生物修复技术为支撑,突破了使用单项技术指导矿山环境治理的传统理念,形成从工程治理到生态修复的结构合理、层次分明、系统完整的矿山环境修复治理技术方法体系。通过对象分析、目标控制、厘定技术,优化组合矿山环境修复治理技术方法,构建了适用于开采沉陷问题、固体废弃物问题和露天采坑边坡稳定性问题的三套修复治理模式。其中,开采沉陷问题修复治理模式10例,固体废弃物问题修复治理模式14例,露天采坑边坡稳定性问题修复治理模式8例。矿山环境修复治理模式实践研究中,阐述了模式的适用范围与技术构成,剖析了模式应用工程示例的工程背景、矿山环境负效应和工程修复治理措施,并讨论模式的实践效果。以邢东煤矿、大雁二矿、风水沟煤矿等矿山开采沉陷问题修复治理工程示例4例开采沉陷问题修复治理模式,以元宝山露天矿排土场、准格尔露天矿排土场等修复治理工程示例4例固体废弃物问题修复治理模式,以抚顺西露天矿露天采坑南、北帮边坡稳定性问题示例3例露天采坑边坡稳定性问题修复治理模式。通过矿山环境修复治理模式的实践研究,分析并验证了修复治理模式的适用性和实用性,有效应对了复杂的矿山环境修复治理难题。为了开发利用矿山环境正效应资源,论文提出矿山环境正效应开发利用模式理论,且将之应用于实践。梳理了开发利用模式理论研究中的对象、目标、技术以及模式构建方法,提出能源资源开发利用、矿山土地与空间（地下）开发利用、原位地下科学研究场地开发利用、矿山文化科普以及旅游观光等开发利用目标,梳理了8项服务资源开发利用目标的技术方法,并围绕对象分析、目标控制、技术厘定的系统方法,构建了11例煤炭矿山环境正效应开发利用模式。以露天矿山为例,将模式实践于西露天矿正效应开发利用规划,提出“光伏电站+抽水蓄能电站”、浅层低温地热能、多类型仓储空间、深坑酒店与地下商业中心、矿山科普教育基地、矿山地质博物馆和采掘遗址、健身休闲基地等综合开发利用内容。为了开发利用矿山复杂地质和水文地质条件背景下的矿山浅层低温地热资源,研发了矿区浅层岩土体热物性参数现场原位测试技术和矿区含水层排泄区域识别方法两项技术,并检验了技术方法的有效性。
二、THE ARTIFICIAL NEURAL NETWORK OF FORECASTING OPEN MINING SLOPE STABILITY（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、THE ARTIFICIAL NEURAL NETWORK OF FORECASTING OPEN MINING SLOPE STABILITY（论文提纲范文）
（2）基于智能行程时间预测的露天煤矿卡车调度随机优化方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 论文的研究内容与创新点 |
| 1.4 研究路线与论文结构 |
| 2 露天煤矿卡车调度基础概念与数据 |
| 2.1 卡车调度数据随机性特征提取 |
| 2.2 卡车调度的调度目标及优化分析理论 |
| 2.3 本章小结 |
| 3 卡车状态数据采集的建模与实现 |
| 3.1 边缘计算的概念 |
| 3.2 卡车智能调度采集服务云建模 |
| 3.3 基于边缘计算的卡车状态采集设计与实现 |
| 3.4 本章小结 |
| 4 卡车状态大数据的智能学习与行程时间预测 |
| 4.1 车辆状态数据的分析方法选择 |
| 4.2 卡车状态数据的样本特征分析与预处理 |
| 4.3 卡车状态数据分析与预测的深度学习建模 |
| 4.4 利用深度网络模型对卡车行程数据的预测与结果分析 |
| 4.5 本章小结 |
| 5 基于行程时间预测的短期计划卡车调度随机优化 |
| 5.1 短期计划卡车调度的二进制整数规划模型建立 |
| 5.2 基于行程时间预测的卡车调度的随机优化模型建立 |
| 5.3 多染色体混合遗传算法求解TSA&DP方法的建立 |
| 5.4 卡车调度随机优化的短期计划应用 |
| 5.5 卡车调度随机优化模型的适应性讨论 |
| 5.6 本章小结 |
| 6 结论与展望 |
| 6.1 主要结论 |
| 6.2 展望 |
| 参考文献 |
| 附录 |
| 作者简历 |
| 学位论文数据集 |
（3）基于机器视觉的露天矿边坡裂隙检测及量化统计研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 露天矿边坡形变监测技术研究现状 |
| 1.2.2 数字图像技术在工程监测中应用研究现状 |
| 1.2.3 裂缝检测方法研究现状 |
| 1.2.4 研究现状评述 |
| 1.3 主要研究内容及技术路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 技术路线 |
| 1.4 本章小节 |
| 2 相关理论方法分析 |
| 2.1 数字图像处理技术 |
| 2.1.1 图像降噪 |
| 2.1.2 图像数据增强 |
| 2.2 深度学习 |
| 2.2.1 深度学习原理 |
| 2.2.2 卷积神经网络 |
| 2.2.3 Mask R-CNN概述 |
| 2.3 本章小结 |
| 3 基于改进MASK R-CNN的露天矿边坡裂隙检测研究 |
| 3.1 露天矿边坡裂隙检测模型分析 |
| 3.1.1 裂缝检测算法对比分析 |
| 3.1.2 露天矿边坡裂隙检测模型框架 |
| 3.2 露天矿边坡裂隙图像增强算法 |
| 3.2.1 基于滑动窗口的边坡裂隙图像增强算法流程 |
| 3.2.2 露天矿边坡裂隙图像数据集 |
| 3.3 露天矿边坡裂隙智能检测模型构建 |
| 3.3.1 边坡裂隙智能检测网络优化模型 |
| 3.3.2 边坡裂隙多尺度特征提取 |
| 3.3.3 边坡裂隙目标分割 |
| 3.4 露天矿边坡裂隙检测仿真实验结果与分析 |
| 3.4.1 模型评价指标 |
| 3.4.2 露天矿边坡裂隙检测模型骨干架构网络 |
| 3.5 本章小结 |
| 4 基于图像处理的露天矿边坡裂隙量化统计方法研究 |
| 4.1 复杂背景下的露天矿边坡裂隙拼接 |
| 4.2 露天矿边坡裂隙形态分类 |
| 4.3 露天矿边坡裂隙量化统计方法 |
| 4.3.1 单裂隙统计指标设计 |
| 4.3.2 裂隙连通域标记算法 |
| 4.3.3 裂隙图像骨架提取算法 |
| 4.4 露天矿边坡裂隙量化统计仿真实验结果与分析 |
| 4.4.1 裂隙形态分类评价指标 |
| 4.4.2 露天矿边坡裂隙量化统计结果与分析 |
| 4.5 本章小结 |
| 5 露天矿边坡裂隙检测及量化应用研究分析 |
| 5.1 露天矿边坡数据准备及实验环境 |
| 5.2 露天矿边坡裂隙检测结果评价与分析 |
| 5.2.1 露天矿边坡图像分类 |
| 5.2.2 露天矿边坡裂隙检测结果直观分析 |
| 5.2.3 露天矿边坡裂隙检测结果客观分析 |
| 5.3 露天矿边坡裂隙量化统计结果与分析 |
| 5.3.1 边坡裂隙形态分类 |
| 5.3.2 边坡裂隙量化统计分析 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 研究总结 |
| 6.2 研究展望 |
| 参考文献 |
| 攻读硕士期间的学术成果 |
| 致谢 |
（4）金平铁矿采场边坡滑坡成因及防治效果评价（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.3 国内外研究现状 |
| 1.3.1 边坡稳定性的研究现状 |
| 1.3.2 滑坡的研究现状 |
| 1.4 本文研究内容 |
| 1.5 本文研究技术路线 |
| 第二章 矿区基本概况 |
| 2.1 矿区地理 |
| 2.1.1 地理位置及交通 |
| 2.2 地质环境条件 |
| 2.2.1 环境地质 |
| 2.2.2 矿区地质 |
| 2.2.3 区域地质 |
| 2.2.4 水文特征 |
| 2.2.5 地震 |
| 2.2.6 工程地质特征 |
| 2.3 矿山采矿工艺 |
| 2.3.1 采场现状 |
| 2.3.2 采矿工艺 |
| 2.4 本章小结 |
| 第三章 采场边坡滑坡特征及成因分析 |
| 3.1 滑坡监测 |
| 3.1.1 InSAR形变监测 |
| 3.1.2 布设样点 |
| 3.1.3 滑坡变形特征及趋势分析 |
| 3.2 滑坡基本特征及类型 |
| 3.3 滑坡成因影响因素分析 |
| 3.3.1 岩土类型和性质 |
| 3.3.2 地形地貌和地质构造 |
| 3.3.3 气象和水文特征 |
| 3.3.4 其他因素 |
| 3.4 基于层次分析法的滑坡影响因素分析 |
| 3.4.1 层次分析法(AHP) |
| 3.4.2 影响因素权重计算 |
| 3.5 边坡滑坡成因综合分析 |
| 3.6 本章小结 |
| 第四章 采场边坡滑坡稳定性分析 |
| 4.1 基于FLAC3D的模拟分析 |
| 4.1.1 理论基础 |
| 4.1.2 边坡失稳破坏的判据 |
| 4.1.3 本构模型与边界条件 |
| 4.1.4 计算参数的赋值 |
| 4.1.5 边坡稳定性判别准则 |
| 4.2 模型构建 |
| 4.3 天然工况下稳定性分析 |
| 4.4 暴雨工况下稳定性分析 |
| 4.5 本章小结 |
| 第五章 采场边坡防治效果评价 |
| 5.1 边坡防治原则 |
| 5.2 滑坡治理措施 |
| 5.3 排水措施 |
| 5.4 削坡减载数值模拟分析 |
| 5.5 监测结果分析 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 A (攻读硕士学位期间发表论文) |
| 附录 B (攻读硕士学位期间获奖情况) |
（5）土-岩二元结构路堑边坡失稳机理与智能预警研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 二元边坡研究现状 |
| 1.2.2 边坡智能预警研究现状 |
| 1.2.3 存在的问题 |
| 1.3 主要研究内容和技术路线 |
| 第二章 二元边坡的类型及失稳模式 |
| 2.1 依托工程及其工程地质条件 |
| 2.1.1 依托工程概述 |
| 2.1.2 工程地质条件 |
| 2.2 二元边坡类型 |
| 2.3 二元边坡失稳模式 |
| 2.4 小结 |
| 第三章 高寒阴湿区二元边坡温湿变化特征研究 |
| 3.1 概述 |
| 3.2 边坡温湿度现场监测研究 |
| 3.2.1 温湿度监测方案 |
| 3.2.2 温湿度监测结果分析 |
| 3.3 边坡湿度现场钻探试验研究 |
| 3.3.1 边坡湿度的钻探方案 |
| 3.3.2 边坡湿度的实验分析 |
| 3.4 二元边坡上覆土内水分入渗模式 |
| 3.5 小结 |
| 第四章 增湿对二元边坡岩土体工程性质的影响 |
| 4.1 概述 |
| 4.2 岩土体的类别及基本性质 |
| 4.2.1 边坡上覆土的类别及基本性质 |
| 4.2.2 全风化闪长岩的基本性质 |
| 4.3 增湿对土体抗剪性影响的试验研究 |
| 4.3.1 土样的三轴试验方案 |
| 4.3.2 土样三轴试验结果分析 |
| 4.3.3 土体应变强化本构模型数值反演 |
| 4.4 增湿对全风化岩抗剪性影响的试验研究 |
| 4.4.1 全风化岩的三轴试验方案 |
| 4.4.2 全风化岩的三轴试验结果分析 |
| 4.4.3 全风化岩应变强化本构模型数值反演 |
| 4.5 增湿对土-岩接触面抗剪性影响的试验研究 |
| 4.5.1 土-岩接触样的直剪试验方案 |
| 4.5.2 土-岩接触样的试验结果分析 |
| 4.6 边坡其它风化等级岩体类型及其性质参数 |
| 4.6.1 边坡其它风化等级的岩体类型 |
| 4.6.2 基于Hoek-Brown-GSI法的岩体强度参数确定方法 |
| 4.6.3 基于Hoek-Diederichs法的岩体变形模量确定方法 |
| 4.6.4 边坡其它风化等级岩体的调查及性质参数计算 |
| 4.7 湿润环境对边坡其它风化等级岩体的性质参数影响分析 |
| 4.8 小结 |
| 第五章 典型二元边坡的破坏机制研究 |
| 5.1 概述 |
| 5.2 基于离心模型试验的二元边坡破坏机制 |
| 5.2.1 试验目的及原理 |
| 5.2.2 试验方案 |
| 5.2.3 试验结果分析 |
| 5.3 离心模型试验工况的二元边坡破坏机制数值模拟分析 |
| 5.3.1 数值模拟目的及方案 |
| 5.3.2 数值模拟结果分析 |
| 5.4 水分入渗下二元边坡的破坏机制分析 |
| 5.4.1 分析目的及方案 |
| 5.4.2 缓顺倾接触面型二元边坡破坏机制 |
| 5.4.3 陡顺倾接触面型二元边坡破坏机制 |
| 5.4.4 反倾接触面型二元边坡破坏机制 |
| 5.5 小结 |
| 第六章 二元边坡监测敏感部位与监测量变化模式 |
| 6.1 概述 |
| 6.2 边坡监测变量类型 |
| 6.3 边坡监测敏感部位 |
| 6.3.1 坡表单点位移监测敏感部位 |
| 6.3.2 格构梁混凝土应变监测敏感部位 |
| 6.3.3 两点相对位移监测敏感部位 |
| 6.3.4 锚杆(索)监测敏感部位 |
| 6.3.5 倾斜度监测敏感部位 |
| 6.4 边坡监测量变化模式 |
| 6.4.1 锚杆轴力变化模式 |
| 6.4.2 锚索拉力变化模式 |
| 6.4.3 位移变化模式 |
| 6.4.4 混凝土应变变化模式 |
| 6.5 小结 |
| 第七章 路基边坡智能预警云平台 |
| 7.1 概述 |
| 7.2 监测量预警值的确定方法 |
| 7.2.1 经验法 |
| 7.2.2 预演-回归分析法 |
| 7.2.3 预演-支持向量机法 |
| 7.3 边坡智能预警系统组成部分 |
| 7.4 路基边坡智能预警云平台开发 |
| 7.4.1 云平台开发环境 |
| 7.4.2 云平台系统框架结构及分步设置 |
| 7.4.3 云平台监测数据远程接收 |
| 7.5 路基边坡智能预警APP用户登录界面 |
| 7.6 小结 |
| 第八章 二元边坡监测预警工程案例 |
| 8.1 概述 |
| 8.2 监测边坡概况及智能预警系统 |
| 8.2.1 监测边坡概况 |
| 8.2.2 边坡智能预警系统 |
| 8.3 边坡监测量多级预警值的确定 |
| 8.3.1 基于经验法确定边坡监测量多级预警值 |
| 8.3.2 基于预演-支持向量机法确定边坡监测量多级预警值 |
| 8.4 监测结果分析及边坡稳定性评价 |
| 8.4.1 深部相对位移监测结果分析 |
| 8.4.2 锚杆轴力监测结果分析 |
| 8.4.3 格构混凝土应变监测结果分析 |
| 8.5 小结 |
| 结论及展望 |
| 结论 |
| 创新点 |
| 展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（6）洛带镇某发电厂工程边坡稳定性及支护措施研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 选题依据及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 研究区工程地质条件研究现状 |
| 1.2.2 边坡稳定性分析方法研究现状 |
| 1.2.3 高填、挖方边坡支护措施研究现状 |
| 1.3 主要研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 第2章 区域地质环境条件 |
| 2.1 交通位置与气象水文 |
| 2.1.1 交通位置 |
| 2.1.2 气象水文 |
| 2.2 地形地貌 |
| 2.3 地层岩性 |
| 2.4 地质构造 |
| 2.5 地震活动 |
| 2.6 本章小结 |
| 第3章 研究区工程地质条件与场坪方案比选 |
| 3.1 场地工程地质条件 |
| 3.1.1 地形地貌 |
| 3.1.2 地质构造 |
| 3.1.3 地层岩性 |
| 3.1.4 水文地质条件 |
| 3.1.5 不良地质条件 |
| 3.2 场坪方案比选 |
| 3.2.1 初步场坪方案 |
| 3.2.2 重新选址后场坪方案一 |
| 3.2.3 重新选址后场坪方案二 |
| 3.2.4 重新选址后场坪方案三 |
| 3.2.5 三个方案对比分析 |
| 3.3 最优场坪方案人工边坡基本特征 |
| 3.4 本章小结 |
| 第4章 边坡岩土体特征及参数取值研究 |
| 4.1 岩土体物理力学试验及结果 |
| 4.1.1 场地原位测试 |
| 4.1.2 勘察钻探、取样及室内试验 |
| 4.2 填方边坡填料及施工措施分析 |
| 4.2.1 场地填料来源 |
| 4.2.2 回填时施工措施 |
| 4.2.3 土工格栅 |
| 4.3 边坡岩土体物理力学参数取值 |
| 4.4 本章小结 |
| 第5章 边坡稳定性分析与评价 |
| 5.1 边坡天然稳定性定性分析 |
| 5.1.1 场地边坡天然稳定性 |
| 5.1.2 典型边坡天然稳定性分析 |
| 5.2 基于强度折减法的边坡填挖响应研究 |
| 5.2.1 模型建立 |
| 5.2.2 参数选取 |
| 5.2.3 计算结果分析 |
| 5.3 本章小结 |
| 第6章 边坡支护措施初步设计及有效性分析 |
| 6.1 支护措施方案比选 |
| 6.2 支护措施初步设计 |
| 6.2.1 设计依据 |
| 6.2.2 典型边坡防护工程初步设计结果 |
| 6.3 支护措施有效性分析 |
| 6.3.1 基于强度折减法的边坡支护效果模拟 |
| 6.3.2 位移监测数据分析 |
| 6.4 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 附录 |
（7）基于神经网络的露天矿抛掷爆破爆堆形态预测研究与应用（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.3 本文主要研究内容 |
| 1.4 研究技术路线 |
| 2 抛掷爆破参数设计的安全性及爆堆评价指标分析 |
| 2.1 爆破设计参数分析 |
| 2.2 爆堆参数分析 |
| 2.3 爆区位置及堆积效果 |
| 2.4 本章小结 |
| 3 大量爆堆样本的标准化分析、处理与统计方法研究 |
| 3.1 爆堆数据存在的问题 |
| 3.2 数据库的构建 |
| 3.3 基于工作面形态特征的样本筛选与分类 |
| 3.4 基于爆堆形态特征的样本分组筛选 |
| 3.5 爆堆曲线形态的确定 |
| 3.6 本章小结 |
| 4 基于神经网络的爆堆形态预测模型分析 |
| 4.1 神经网络模型原理 |
| 4.2 爆堆预测模型关键参数 |
| 4.3 模型的训练学习 |
| 4.4 误差分析 |
| 4.5 本章小结 |
| 5 工程应用研究 |
| 5.1 案例及数据 |
| 5.2 预测结果分析 |
| 5.3 实际工程适用 |
| 5.4 方案安全性分析 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 主要结论 |
| 6.2 主要创新点 |
| 6.3 展望 |
| 参考文献 |
| 附录1 |
| 作者简历 |
| 学位论文数据集 |
（8）抚顺西露天矿高陡边坡蠕变-大变形综合预警及防治技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 研究现状 |
| 1.4 研究内容和技术路线 |
| 2 软岩蠕变-大变形实验及模型研究 |
| 2.1 实验方案 |
| 2.2 软岩常规应力-应变曲线 |
| 2.3 软岩蠕变-大变形曲线 |
| 2.4 软岩蠕变-大变形模型 |
| 2.5 软岩蠕变-大变形模型参数识别 |
| 2.6 数值模型验证分析 |
| 2.7 本章小结 |
| 3 蠕变-大变形高陡边坡破坏机理研究 |
| 3.1 蠕变-大变形边坡岩性及过往滑坡灾害调研 |
| 3.2 蠕变-大变形边坡破坏失稳模式 |
| 3.3 蠕变-大变形边坡破坏机理模拟验证 |
| 3.4 本章小结 |
| 4 蠕变-大变形高陡边坡滑体边界多元判定关键技术 |
| 4.1 边界判定方法的选取 |
| 4.2 滑体地表裂缝形态的确定 |
| 4.3 滑体深部形态的确定 |
| 4.4 滑体前缘位置的确定 |
| 4.5 基于边界判定的安全保障 |
| 4.6 本章小结 |
| 5 隐患体综合监测及短临危险性预报关键技术 |
| 5.1 露天矿边坡变形阶段的判定 |
| 5.2 隐患体监测技术概况 |
| 5.3 西露天矿边坡综合监测技术 |
| 5.4 基于监测数据的安全保障 |
| 5.5 本章小结 |
| 6 蠕变-大变形高陡边坡综合防治技术研究 |
| 6.1 坑口油厂装置区抗滑桩加固工程 |
| 6.2 地下水防治 |
| 6.3 内排回填压脚工程 |
| 6.4 南帮滑体综合治理效果及最新进展 |
| 6.5 本章小结 |
| 7 结论、创新点及展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 查新结论 |
| 作者简历 |
| 学位论文数据集 |
（9）露天矿边坡稳定性智能评价研究现状、存在问题及对策（论文提纲范文）
| 1 露天矿安全智能评价的内容框架及发展现状 |
| 1.1 露天矿边坡安全智能评价研究内容框架 |
| 1.2 露天矿边坡稳定智能监测方法和设备发展现状 |
| 1.3 露天矿边坡滑坡智能分析预测方法研究现状 |
| 1.4 露天矿边坡安全防控智能决策方法研究现状 |
| 2 露天矿边坡智能评价研究存在的问题及发展趋势 |
| 2.1 露天矿边坡智能评价研究存在的问题 |
| 2.2 露天矿边坡稳定性智能评价研究趋势 |
| 3 露天矿边坡智能评价研究思路和实施方案 |
| 3.1 露天矿边坡智能评价研究思路 |
| 3.2 露天矿边坡智能评价研究实施方案 |
| 4 露天矿边坡智能评价实例分析 |
| 4.1 大孤山露天矿边坡工程地质分析及边坡监测 |
| 4.2 大孤山露天矿西北帮边坡稳定性分析 |
| 4.3 大孤山露天矿西北帮边坡滑坡预警云平台 |
| 5 结 论 |
（10）矿山环境修复治理和开发利用模式的理论与实践研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 引言 |
| 1.1 选题背景和研究意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容与技术路线 |
| 1.4 创新点 |
| 1.5 本章小结 |
| 2 矿山环境问题与矿山环境正负效应 |
| 2.1 基本概念 |
| 2.2 矿山环境问题分类研究 |
| 2.3 矿山环境问题分布区域 |
| 2.4 矿山环境正负效应 |
| 2.5 本章小结 |
| 3 矿山环境单问题精细评价与多问题综合评价研究 |
| 3.1 矿山环境单问题精细评价 |
| 3.2 矿山环境多问题综合评价 |
| 3.3 本章小结 |
| 4 矿山环境负效应修复治理模式理论研究 |
| 4.1 修复治理模式的科学内涵 |
| 4.2 修复治理模式的对象 |
| 4.3 修复治理模式的目标 |
| 4.4 修复治理模式的技术方法体系 |
| 4.5 矿山环境负效应修复治理模式构建 |
| 4.6 本章小结 |
| 5 矿山环境负效应修复治理模式实践 |
| 5.1 开采沉陷问题修复治理模式实践 |
| 5.2 固体废弃物问题修复治理模式实践 |
| 5.3 露天采坑边坡稳定性问题修复治理模式实践 |
| 5.4 本章小结 |
| 6 矿山环境正效应开发利用模式理论与关键技术方法 |
| 6.1 矿山环境正效应开发利用模式理论研究 |
| 6.2 矿山环境正效应开发利用模式实践——以露天矿山为例 |
| 6.3 矿山环境正效应开发利用的关键技术方法 |
| 6.4 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 作者简介 |
四、THE ARTIFICIAL NEURAL NETWORK OF FORECASTING OPEN MINING SLOPE STABILITY（论文参考文献）
- [1]改进加权距离判别分析模型的边坡爆破稳定性判别[J]. 齐留洋,王德胜,刘占全,崔凤. 中国有色金属学报, 2021(07)
- [2]基于智能行程时间预测的露天煤矿卡车调度随机优化方法研究[D]. 赵亮. 中国矿业大学, 2021
- [3]基于机器视觉的露天矿边坡裂隙检测及量化统计研究[D]. 刘丹洋. 西安建筑科技大学, 2021(01)
- [4]金平铁矿采场边坡滑坡成因及防治效果评价[D]. 孙银华. 昆明理工大学, 2021(01)
- [5]土-岩二元结构路堑边坡失稳机理与智能预警研究[D]. 孙巍锋. 长安大学, 2020
- [6]洛带镇某发电厂工程边坡稳定性及支护措施研究[D]. 熊昊旻. 成都理工大学, 2020(04)
- [7]基于神经网络的露天矿抛掷爆破爆堆形态预测研究与应用[D]. 王帷先. 华北科技学院, 2020(01)
- [8]抚顺西露天矿高陡边坡蠕变-大变形综合预警及防治技术研究[D]. 缪海宾. 辽宁工程技术大学, 2020(01)
- [9]露天矿边坡稳定性智能评价研究现状、存在问题及对策[J]. 杨天鸿,王赫,董鑫,刘飞跃,张鹏海,邓文学. 煤炭学报, 2020(06)
- [10]矿山环境修复治理和开发利用模式的理论与实践研究[D]. 刘宏磊. 中国矿业大学(北京), 2020(01)