GIS技术在新集二矿1煤底板防突研究中的应用

需积分: 0 0 下载量 153 浏览量 更新于2024-09-02 收藏 481KB PDF 举报
"新集二矿1煤底板太原组灰岩充水防突研究" 本文主要探讨了新集二矿1煤层底板防突性能的评估与防治方案,以应对可能发生的底板突水问题。研究者们,包括范书凯、李士永、吴晓媛、曾一凡和郭俊,来自中国矿业大学(北京)地球科学与测绘工程学院,他们深入分析了矿井的地质条件和水文地质条件,旨在提高矿井的安全性和生产效率。 在详细研究中,研究团队选取了三个关键指标来衡量底板防突性能:隔水岩段总厚度、等效厚度和脆、塑性岩厚度比。隔水岩段总厚度是指能够阻挡地下水侵入煤层的岩层的总厚度,是防止底板突水的基础。等效厚度则考虑了岩层的渗透性和完整性,对水文地质稳定性有直接影响。而脆、塑性岩厚度比则反映了岩层的力学性质,对于岩层的稳定性和抗压能力至关重要。 为了更精确地评估这些指标,研究人员应用了地理信息系统(GIS)技术。GIS能有效地处理和分析大量空间数据,通过量化这些指标并生成单指标专题图,可以清晰地展示各因素的空间分布情况。然后,通过数据归一化处理,将不同尺度的数据统一到同一水平,建立归一专题图,进一步通过图层叠加生成煤层底板防突性能的综合评价分区图。这种方法使得研究人员能够直观地识别出矿井中哪些区域的防突性能较弱,从而针对性地制定防治策略。 通过对这些数据的分析,可以预测潜在的底板突水风险区域,并据此制定出预防措施,如加强支护、实施注浆加固或者优化开采顺序等。同时,这种基于GIS的评价方法也为其他类似矿井的防突工作提供了科学的参考依据。 该研究强调了对矿井底板突水问题的系统性研究,结合地质、水文条件和GIS技术,为矿井安全开采提供了有力的技术支持。通过这样的综合评估,不仅能够提前预警潜在的灾害,还能指导合理开采,确保煤矿作业的安全和可持续发展。

% 指定包含SEM图像的目录 image_dir = 'D:\MATLAB\R2018a\bin\灰岩12个\样7\500X\'; % 从目录中读取图像文件名列表 image_files = dir(fullfile(image_dir, '*.tiff')); % K-均值聚类的参数 num_clusters = 3; % 簇数(可以更改此值) max_iterations = 100; % 最大迭代次数(可以更改此值) % 初始化矩阵以存储群集映像和群集中心 num_images = numel(image_files); % 计算图像文件数 clustered_images = cell(1, num_images); cluster_centers_all = cell(1, num_images); % 循环浏览每个图像文件 for i = 1:num_images % 读取当前图像并规范化 image_path = fullfile(image_dir, image_files(i).name); image_data = double(imread(image_path))/ 255; % 执行K-means聚类 [cluster_indices, cluster_centers] = kmeans(reshape(image_data,[],size(image_data,3)), num_clusters,'MaxIter',max_iterations); % 将聚集的数据重新整形为图像维度 clustered_images{i} = reshape(cluster_indices, size(image_data,1),size(image_data,2)); % 将聚类图像转换成彩色图像 RGB = zeros(size(image_data)); for j = 1:num_clusters RGB(:,:,j) = (clustered_images{i} == j); end RGB = bsxfun(@times, RGB, reshape(cluster_centers, 1,1,[])); clustered_images{i} = RGB; % 保存聚类后的图像到文件夹 [pathstr, name, ext] = fileparts(image_path); imwrite(uint8(RGB*255), fullfile(pathstr, [name '_clustered' ext])); end % 显示原始图像和群集图像 for i = 1:num_images figure; subplot(1, num_clusters + 1, 1); imshow(imread(fullfile(image_dir, image_files(i).name))); title('Original Image'); for j = 1:num_clusters subplot(1, num_clusters + 1, j + 1); imshow(clustered_images{i}); title(sprintf('Cluster %d', j)); end end % 计算孔隙率 porosity = zeros(1, num_images); for i = 1:num_images % 统计原始图像中的像素数 img_pixels = numel(imread(fullfile(image_dir, image_files(i).name))); % 统计聚类图像中标记为第一个簇的像素数 cluster_pixels = sum(sum(clustered_images{i}(:,:,1) > 0)); % 计算孔隙率 porosity(i)=(1 - (cluster_pixels / img_pixels))*100; end % 显示计算后的孔隙率 for i = 1:num_images fprintf('Image %d: Porosity = %f\n', i, porosity(i)); end

2023-06-08 上传