为了提高数值计算结果的可靠度,基于正交设计、差分法和人工神经网络建立了新的边坡岩体力学参数反分析方法.按照正交设计要求,选定反演参数的水平,确定数值模拟方案;用FLAC2D差分程序计算得出相应的神经网络分析样本;对RBF神经网络进行训练;利用现场监测位移,对某露天矿边坡岩体的力学参数进行神经网络反分析.反分析结果与理论值的误差很小,满足精度要求,表明该反分析方法的可行性和精确性

通过数值分析和现场试验的手段分析了井下低透气性煤层分段点式水力压裂的原理和过程.井下分段水力压裂意在改变传统压裂的受力方式,使煤体多点受力,相互作用,最后产生压裂的效果.经过在城山煤矿西二采区水力压裂孔的试验,在压裂半径为5~7m条件下,得出了试验地点临界注水压力为14MPa,水压在14~20MPa进行分段点式水力压裂较为适宜,试验过程简单易行,在现有条件下压裂可在5 min内完成,试验地点压裂后钻孔平均抽放瓦斯流量和体积分数明显提高

• 3.2.1 图像分割引言 • 3.2.2 边界分割法 • 3.2.3 边缘连接分割法 • 3.2.4 阈值分割法 • 3.2.5 面向区域的分割 • 3.2.6 数学形态学图像处理

一、抽样分布 有时,总体分布的类型虽然已知,但其中含有未知参数此时需对总体的未知参数或对 总体的重要数字特征(如数学期望、分差等)进行统计推断,此类问题称为参数统计推断在 参数统计推断问题中,常需利用总体的样本构造出合适的统计量,并使其服从或渐近地服从 已知的总体分布.统计学中泛称统计量分布为抽样分布

前面讨论的总体分布中知参数的估计和检验都是假定总体分布类型已知，比如为正态总 体的前提下进行的，在实际应用时，总体的分布往往未知，首先应对总体分布类型进行推断， 如何对总体的分布进行推断呢，不难想象，我们可以由样本作经验分布函数的提示，对总体 分布类型作假设

问题：已知 ξ η),( 的分布，如何求ζ = f ξ η),( 的分布？ 1.和（差）的分布ζ = ξ +η 2.平方和分布 22 += ηξζ 3.商的分布

2.6.1分块矩阵的乘法,准对角阵的乘积和秩 1、矩阵的分块和分块矩阵的乘法 设A是属于K上的m×n矩阵,B是K上n×k矩阵,将A的行分割r段,每段分别包含m,m2,,m,个行,又将A的列分割为s段,每段包含nn2,n个列。于是A可用小块矩阵表示如下:

概率分布函数反映了随机变量的概率分布规律; 在概率论中处理概率分布时一般不涉及分布的物理来源,为 在实验数据分析中正确地掌握和运用这些分布函数,需要: 熟悉公式及运算规则 分布的物理意义;

2.6.1分块矩阵的乘法,准对角阵的乘积和秩 1、矩阵的分块和分块矩阵的乘法 设A是属于K上的m×n矩阵,B是K上n×k矩阵,将A的行分割r段,每段分别包含m,m2,,m,个行,又将A的列分割为s段,每段包含nn2,n个列。于是A可用小块矩阵表示如下:

5.1 阈值分割 5.2 边缘检测 5.3 区域分割 5.4 Hough变换 5.5 近邻法分割 5.6 基于动态聚类的分割 5.7 基于神经网络的分割 5.8 其它分割方法