针对煤矿井下探水作业监工人员通过观看视频来监控卸杆作业的方式存在效率低下且极易出错的问题，提出利用三维卷积神经网络（3DCNN）模型对探水作业中的卸杆动作进行识别。3DCNN模型使用3D卷积层自动完成动作特征提取，通过3D池化层对运动特征进行降维，通过Softmax分类处理来识别卸杆动作，并使用批量归一化层提高模型的收敛速度和识别准确率。采用3DCNN模型对卸杆动作进行识别时，首先对数据集进行预处理，从每段视频中均匀抽取几帧图像作为某动作的代表，并降低分辨率；然后采用训练集对3DCNN模型进行训练，并保存训练好的权重文件；最后采用训练好的3DCNN模型对测试集进行测试，得出分类结果。实验结果表明，设置采样帧数为10帧、分辨率为32×32、学习率为0.000 1，3DCNN模型对卸杆动作的识别准确率最高可达98.86%。

xx煤矿防治水制度.doc

在煤矿的开采过程中,矿井水害是常见的煤矿地质灾害之一,准确掌握地下水化学特征对指导煤矿防治水工作具有重要的实际意义。基于袁店二井煤矿各含水层水质化验资料（离子含量、pH值和矿化度）,绘制出各含水层的Piper三线图、Durov图,得出了各含水层的水质类型以及各水化学参数的变化规律。对各离子进行谱系聚类分析,明确了各离子的来源。在上述研究基础上,建立了相应的涌水水源判别模型。研究结果表明:袁店二井煤矿地下水阴离子主要为HCO3-和Cl-,阳离子主要为K++Na+,水化学类型以HCO3-·Cl--Na++K+型为主;其离子主要来源于可溶的钠钾盐以及难溶的碳酸盐岩。比对建立的水源判别模型,对1022工作面集中风巷处水样进行判别,得出1022工作面集中风巷涌水水源为煤系砂岩水。通过此项研究,为以后的矿井防治水工作提供一定的指导作用。

#资源达人分享计划#