【摘 要】
：
水电工程环境边坡范围广阔高陡、地质问题复杂多样,需进行重点分区与问题分类,针对性采取地质调查与稳定性评价。控制性不利地质因素为依据进行"分区",包括不利地形、不利结构面发育、岩体质量差或覆盖层等;工程地质问题为依据进行"分类",包括块体（或危岩体）等"点"、表层卸荷松弛强烈区或集中区等"面"、变形体或堆积体等"体"。结合乌东德水电站环境边坡进行了系统分析,提出了环境边坡不同分区与分类的针对性勘察方
【机 构】
：
第十三届全国边坡工程技术大会论文集
【出 处】
：
第十三届全国边坡工程技术大会论文集
论文部分内容阅读
水电工程环境边坡范围广阔高陡、地质问题复杂多样,需进行重点分区与问题分类,针对性采取地质调查与稳定性评价。控制性不利地质因素为依据进行"分区",包括不利地形、不利结构面发育、岩体质量差或覆盖层等;工程地质问题为依据进行"分类",包括块体（或危岩体）等"点"、表层卸荷松弛强烈区或集中区等"面"、变形体或堆积体等"体"。结合乌东德水电站环境边坡进行了系统分析,提出了环境边坡不同分区与分类的针对性勘察方法,如对块体等"点"采取三维影像技术或无人机块体识别手段。
其他文献
光频梳作为一种等频率间距且功率近似相等的多载波光源,可广泛应用于信道化接收和波分复用等领域,近些年引起了国内外各研究团队的关注。在生成大量光频梳的基础上,如何提高光频梳的平坦度和边模抑制比,同时降低射频信号的功率成为了研究的重点和难点。本文围绕外调制器法产生光频梳技术路线开展相关研究,提出了两种不同的光频梳生成方案。而后针对光频梳在信道化接收中的应用,设计了两种基于光频梳的信道化接收瞬时频率测量方
双连接技术（dual connectivity,DC）能够融合多重制式网络构成“互通互补”的网络架构,可实现更短的系统端到端时延、成倍增长的吞吐量、更快的聚合速率和更高的鲁棒性,被认为是提升未来异构网络性能的潜在热门技术之一。然而,由于DC技术引入了不同的接入技术和服务质量评估系统,这将使网络环境更加复杂、多样化,为移动性管理带来了新的挑战。本文采用系统级仿真对双连接网络的移动性能进行了剖析,提出
深基坑是指开挖深度大于5 m（含5 m），或者开挖深度不足5 m但地质条件与周围环境极差、地下管线非常复杂的工程。在深基坑工程施工过程中，边坡支护技术直接关系着施工质量和施工安全。但就目前来看，在部分深基坑边坡支护工程项目中，设计、施工环节仍然存在一些不足。因此，本文以深基坑边坡支护工程项目现存问题为切入点，在分析深基坑边坡支护工程项目设计要点的基础上，提出加强施工检测管理等施工管理策略，以期为相
近年来,由于深度学习及其相关核心技术的迅速更迭,作为其核心,卷积神经网络算法在图像识别、目标检测等方向都得到了广泛应用,但是深度神经网络对硬件平台的要求也在日益提高。目前主要硬件平台有CPU、GPU、FPGA以及ASIC硬件芯片,但是CPU、GPU等平台实现目标检测过程中会存在计算效率低、功耗过大等缺陷,并且体积过大也使其难以应用到小结构平台中,而FPGA功耗低、灵活性高、体积小等优势可以弥补这些
近几年,深度学习技术飞速发展,不断有人工智能相关的概念或应用被提出来,如智慧城市、智慧安防、自动驾驶等,而行人实时跟踪则在其中扮演了重要角色。行人跟踪任务是多目标跟踪重要子任务之一,该任务的算法通常会将跟踪过程分为两个阶段,即检测与匹配阶段。测阶段的目的是将图像中包含的行人目标使用检测框标注出来,从而定位行人位置,而匹配部分则是负责将前后帧的行人目标关联起来,使得相同行人被赋予相同身份,不同的行人
随着第五代移动通信技术（The Fifth-Generation Mobile Communication Technology,5G）的问世,超密集网络（Ultra-Dense Networks,UDN）逐渐地走进人们的视野当中。UDN通过更加密集的网络基础设施部署,有效地改善了5G网络建设中频谱效率和容量不足的现状。但相比于传统的蜂窝网络,UDN中无线环境复杂且干扰多变。如何有效地对UDN进行
近年来,无线通信系统发展迅猛,其功能、性能得到了大幅度的提高。与此同时,人们对无线通信系统也提出了更严苛的要求。从整个射频链路来看,天线在无线通信中的作用十分重要,面对日益严峻的复杂的工作环境,如何设计出能够适应多环境、多功能的天线,成为了目前天线领域的研究重点。自可重构的概念被提出以来,各国研究人员为设计出具备优良性能的可重构天线投入了大量的人力物力,使得可重构天线成为了一个热门领域。可重构天线
＜正＞随着我国国民经济的飞速发展，矿产资源的开采强度不断加强，长期的矿产资源开发对矿区原有的地形地貌、地质构造、生态环境等造成的影响较大，使矿区的地质生态环境日趋恶化，主要表现为崩塌、滑坡、地面塌陷、地裂缝等矿山地质灾害。矿山地质灾害不但会造成严重的水土流失，也对生命安全及财产安全构成了严重威胁。
目标检测是计算机视觉领域的重要任务之一,其目的是准确高效地找出图像中关注的物体,确定物体的类别信息和位置信息。近年来,随着深度学习技术的应用,目标检测算法迎来了新的发展阶段,然而,多数算法往往只关注图像中各物体的区域特征信息,忽略了物体所处场景的信息如场景类别、物体间联系等因素对检测结果的影响,对于图像信息的利用率偏低。因此,本文进行了基于场景理解的目标检测方法的研究。本文的研究内容分为以下方面:
近年来,移动机器人技术快速发展,而路径规划问题又是其重要组成部分,因此该问题成为了热门研究领域。但是,大部分路径规划算法仅停留在理论上的研究,并没有应用到实际问题中,而且算法本身在一定程度上也存在局限性。本文针对路径规划算法存在的缺点,以A*算法和动态窗口法为研究基础,分别进行改进并最终提出一种混合算法,以此来完成移动机器人在未知环境中的路径规划,本文的研究内容如下:1.针对A*算法存在转折次数过