概率积分

摘要： 矿区开采沉陷监测与预测对于煤炭安全生产来说至关重要,目前煤矿地表沉陷监测的主流手段均有一定的局限性,存在精度与效率不能兼得的问题。利用无人机激光雷达(unmanned aerial vehicle lidar,UAV LiDAR)技术可以实现矿区地表三维点云的快速获取,建立多期数字高程模型(digital elevation model,DEM),两期DEM相减即可得到沉陷盆地,具有高效高精的特点。对无人机激光雷达地表沉陷监测的原理流程和概率积分预计参数动态反演方法进行了分析讨论,以内蒙古唐家会煤矿为例,设计了无人机激光雷达飞行方案,采集了两期激光点云数据,并对实测数据进行了组合解算、融合、滤波,建立两期DEM,求取了观测时间段内的地表下沉盆地,并进行了全盆地动态反演,得到测区概率积分预计参数。结果表明:DEM精度分别为34 mm和37 mm;下沉盆地精度为50 mm,结果对于煤矿开采沉陷监测与预测来说是相对可靠的,为无人机激光雷达应用于地表监测提供了案例。

摘要： SAR技术已在矿区形变监测方面得到了广泛的应用。InSAR技术在矿区小变形监测方面具有较高的精度,但无法获取矿区大量级形变。子带干涉技术能降低解缠难度进而提高测量精度。偏移量追踪方法可用于提取矿区大形变,但其监测精度相对较低。如何融合各方法的优势,获取矿区高精度大梯度形变信息是目前面临的科学问题。为此,论文重点研究了子带干涉技术在矿区形变监测中的适宜性、偏移量追踪方法在矿区形变监测中互相关窗口的选取方法及InSAR技术、子带干涉技术、偏移量追踪方法和概率积分模型融合的方法,通过与实测对比证明了方法的可靠性。主要工作及成果如下。

摘要： 开采沉陷预计在矿山资源开发利用中具有重要作用.利用Python的scipy科学计算模块实现了开采造成的地表任意点移动变形预计,从概率积分函数构造、影响圆、数组通用函数、坐标系选择和预计点密度设计等技术途径研究了程序优化的方法,从而达到提高预计效率的目的,并采用matplotlib绘图模块实现了变形等值线图、等值线云图和三维曲面图的绘制.研究结果对采用VC++等其他平台进行沉陷预计程序开发有一定参考价值.

摘要： 积分分析是一种针对分组密码十分有效的分析方法,其通常利用密文某些位置的零和性质构造积分区分器.基于高阶差分理论,可通过研究密文与明文之间多项式的代数次数来确定密文某些位置是否平衡.从传统的积分分析出发,首次考虑常数对多项式首项系数的影响,提出了概率积分分析方法,并将其应用于PUFFIN算法的安全性分析.针对PUFFIN算法,构造了 7轮概率积分区分器,比已有最好的积分区分器轮数长 1轮.进一步,利用构造的概率积分区分器,对9轮PUFFIN算法进行密钥恢复攻击.该攻击可恢复92比特轮密钥,攻击的数据复杂度为224.8个选择明文,时间复杂度为235.48次9轮算法加密,存储复杂度为220个存储单元.

摘要： 通过具体事例阐述了概率积分的结果以及计算方法在考研数学试题中的应用,从而突出了概率积分的重要性.

摘要： 地质灾害区域无人机图像采集过程中,程控平行飞行以及程控姿态与地质异常移动的计算过程较为复杂,为此提出一种新的基于无人机数字摄影测量的地质灾害预测方法.通过无人机采集数字摄影测量信息,利用信息设计航线,使空中的摄影覆盖范围扩大,解决程控平行飞行以及程控姿态稳定,实现三维的地质测量目标.再通过概率积分法来完成地质下沉、倾斜、曲率、水平移动、水平变形、变形值以及最大移动的预测.最终通过仿真证明,上述方法预测精度较高,计算过程简单,效果良好.

摘要： 目前,我国在对煤矿开采沉陷预计中使用最为广泛的方法是概率积分法.如何确定某一矿区合理的概率积分预计参数,进而对整个矿区开采沉陷进行准确的预计,一直是这一领域的研究热点.根据华北地区某矿地表移动观测站实测资料,以概率积分法预计公式为模型,借助Matlab软件强大的计算、绘图功能,实现了对概率积分法预计开采沉陷参数的反演.由反演结果与实测资料分析对比知,该方法合理可行,精度满足工程实际要求.

摘要： 为了评价采空区沉陷对运营隧道结构的影响,通过对运营隧道变形现场调查及原因分析,结合采动评估模型,对运营隧道结构变形进行研究.结果表明:隧道病害的主要原因是地表沉陷和水平位移,开采过程中会出现衬砌拉伸开裂、变形缝挤死、混凝土崩落、拱顶脱皮等危害性变形,应做好监测工作,设置变形缝;对部分二次初衬应做配筋;对隧底部分冒落带和导水裂缝带围岩进行注浆加固,可有效减少对隧道结构的影响.

摘要： 本文以桌矿地表移动观测站数据为基础资料，对本矿区条带开采地表移动变形规律进行了分析，并利用岩移预计程序对概率积分法预计参数进行了拟合，得到了较适合本矿区的概率积分法预计参数。

摘要： 本文详细介绍了辅271地表移动观测站从建站到观测的全过程,分析了单一煤层和多煤层开采的地表移移动规律和特点,并用概率积分法求得预计参数,为进行煤柱留设、地面建筑物开采损害评估,确定合理搬迁及建筑物维护方案提供可靠的技术保证。

摘要： 本发明公开了一种基于热力学积分高效计算地下水污染失效概率的方法，包括以下步骤：通过蒙特卡罗方法计算失效概率公式系数，选择不同的决定指示函数光滑度的参数作为并行退火算法中的温度梯度；通过序贯高斯生成相关的服从高斯分布参数初始场；根据预条件克兰克尼科尔森建议分布生成当前渗透系数场的建议样本；计算马尔科夫链内接受概率，判断链内是否接受采样；计算马尔科夫链间接受概率，判断链间是否接受采样；重复以上过程进行下一个含水层高斯渗透系数场样本采样，直至判断为终止采样，根据热力学积分公式计算失效概率。本方法是一种高效的地下水污染失效概率计算方法，在处理地下水污染失效概率问题中，比蒙特卡罗和子集模拟法效率更高。

摘要： 本发明公开了一种基于活跃度概率选择的积分链共识方法，属于区块链共识技术领域，首先，本发明通过对积分链系统中获取的用户活跃度相关信息进行归一化，在动态变化特征中引入基于最大最小位数的归一化机制，从而消除不同特征之间的量纲影响，解决数据之间可比性较差的问题；其次，在积分链系统中引入加权概率机制选择领导者，增强了积分链的可靠性与公平性；最后，通过合理的受益人奖励分配机制提升了用户的粘性和忠诚度。本发明能够实现积分不可篡改，保障积分存储安全以及提升用户的活跃度。

摘要： 本发明揭示用于使用电流积分产生用于错误校正的概率信息的方法及设备。实例方法包括：基于第一感测阈值感测第一多个存储器单元；响应于感测所述第一多个单元，使第一组概率信息与所述第一多个存储器单元相关联；基于第二感测阈值感测第二多个存储器单元；响应于感测所述第二多个存储器单元，使第二组概率信息与所述第二多个存储器单元相关联；及至少部分基于第一值及第二值而对所述第一多个存储器单元及所述第二多个存储器单元执行错误校正操作。

摘要： 本发明提出一种基于遗传算法和粒子群算法的组合算法(GP)优化BP神经网络的概率积分法参数预测模型，并采用平均影响值算法(MIV)来优化BP神经网络的输入层，从而降低网络的复杂程度，达到提高预测精度的目的。以50个工作面的实测资料作为BP神经网络的训练集和测试集建立MIV‑GP‑BP模型，并分析模型预测结果的精度和可靠性，结果表明：在5个参数中，均方根误差均在0.0058～1.1575之间，q、tanβ、b、θ的最大相对误差不超过5.42％，平均相对中误差低于2.81％，s/H相对误差不超过9.66％，平均相对中误差低于4.31％(参数本身较小),优化后的神经网络模型具有更高的预测精度和稳定性。

摘要： 本发明公开了一种基于CA‑rPSO的概率积分法参数稳健估计方法、设备及介质，首先根据矿区地表移动的观测数据，联合截断最小二乘LTS方法和CA‑rPSO得出概率积分法参数初始估值以及初始单位权中误差；根据初始单位权中误差采用权函数IGGIII得出各观测数据的初始权值；然后将概率积分法参数初始估值和初始权值作为迭代初值，通过寻优搜索、迭代计算，获得稳健、高精度的概率积分法参数的最优解；本发明在观测数据存在粗差的情况下能够高精度地反演出概率积分法参数，对充分利用各种地表移动观测数据、研究地下煤炭开采引起的地质灾害、预测评估建/构筑物损害情况以及优化地下煤炭开采方案具有重要的科学价值。

摘要： 本发明公开了基于概率积分法的任意开采工作面地表移动变形预计方法，该方法针对任意形状的开采区域提出了采用向量积法处理开采区域，之后将处理后的开采区域沿走向划分成若干个近似矩形的开采区域进行计算，累加得到整个开采区域地表移动变形值的方法，并使用python语言程序化实现任意形状开采区域地表移动变形值的预计及二维、三维、云图的绘制和计算数据文件输出。本发明给出了一种构思不同的任意开采区域地表移动变形值计算方法，并借助计算机技术实现。解决了形状复杂开采区域地表移动变形值的计算；提高了地表移动变形预计精度；为地表构筑物及地表破坏防治提供可靠依据，减少经济的损失及环境的破坏；使用方便，计算速度快等优点。

摘要： 本发明提供一种融合D‑InSAR和模矢法求取概率积分参数的方法，包括：(1)利用概率积分法得到目标像元的预计下沉值、南北方向预计水平移动和东西方向预计水平移动的值，基于三维变形与LOS向变形关系，计算得到目标像元LOS向预计移动变形r'

摘要： 本发明提供一种融合D‑InSAR和遗传算法求取概率积分参数的方法，包括：(1)利用概率积分法得到目标像元的预计下沉值、南北方向预计水平移动和东西方向预计水平移动的值，基于三维变形与LOS向变形关系，计算得到目标像元LOS向预计移动变形r'

摘要： 本发明公开了一种基于CA‑rPSO的概率积分法参数稳健估计方法、设备及介质，首先根据矿区地表移动的观测数据，联合截断最小二乘LTS方法和CA‑rPSO得出概率积分法参数初始估值以及初始单位权中误差；根据初始单位权中误差采用权函数IGGIII得出各观测数据的初始权值；然后将概率积分法参数初始估值和初始权值作为迭代初值，通过寻优搜索、迭代计算，获得稳健、高精度的概率积分法参数的最优解；本发明在观测数据存在粗差的情况下能够高精度地反演出概率积分法参数，对充分利用各种地表移动观测数据、研究地下煤炭开采引起的地质灾害、预测评估建/构筑物损害情况以及优化地下煤炭开采方案具有重要的科学价值。

摘要： 本发明提出一种基于遗传算法和粒子群算法的组合算法(GP)优化BP神经网络的概率积分法参数预测模型，并采用平均影响值算法(MIV)来优化BP神经网络的输入层，从而降低网络的复杂程度，达到提高预测精度的目的。以50个工作面的实测资料作为BP神经网络的训练集和测试集建立MIV‑GP‑BP模型，并分析模型预测结果的精度和可靠性，结果表明：在5个参数中，均方根误差均在0.0058～1.1575之间，q、tanβ、b、θ的最大相对误差不超过5.42％，平均相对中误差低于2.81％，s/H相对误差不超过9.66％，平均相对中误差低于4.31％(参数本身较小),优化后的神经网络模型具有更高的预测精度和稳定性。