琿春市某國道下伏多層緩傾煤層采空區(qū)地表沉降變形研究
【學位單位】:吉林大學
【學位級別】:碩士
【學位年份】:2019
【中圖分類】:TU433;TD327
【部分圖文】:
(b) 研究區(qū)衛(wèi)星影像圖 2.1 研究區(qū)地理位置及衛(wèi)星影像圖2.2 氣象水文一、氣象琿春市的氣候類型屬于受海洋性和季風性雙重影響的中溫帶海洋性季風氣候。受部日本海影響,琿春市冬夏季氣候的海洋性十分顯著,氣候溫和,降雨量大,陰霾居多,洪澇災害系數(shù)高是其主要特點。而從氣溫來看,琿春市年平均氣溫約為 5.65°夏極端溫差較大,高溫可達 36.3°C,低溫至-32.5°C。通常情況下 8 月氣溫最高,月達 21.2°C;1 月為低溫月,月溫至-11.7°C。年平均日照為 2366.0h,多年平均活動為 2759.0°C。從霜期來看,琿春市初霜期在每年 9 月 20 日至 10 月 5 日之間,終霜 5 月 1 日至 5 月 17 日之間,全年無霜期長達 126-156 天,每年 11 月為初凍月,4解凍,最大凍深約 1.5m。多年平均風速為 3.4m/s。多年平均降水量為 606.8mm,平雪為 30mm,6 至 9 月多年平均降水總量為 434.7mm,是全年降水的主要階段,占
矯嚎蠓段?飩ü?房笄?囈紓╞) 研究區(qū)衛(wèi)星影像圖 2.1 研究區(qū)地理位置及衛(wèi)星影像圖2.2 氣象水文一、氣象琿春市的氣候類型屬于受海洋性和季風性雙重影響的中溫帶海洋性季風氣候。受東南部日本海影響,琿春市冬夏季氣候的海洋性十分顯著,氣候溫和,降雨量大,陰霾天氣居多,洪澇災害系數(shù)高是其主要特點。而從氣溫來看,琿春市年平均氣溫約為 5.65°C,冬夏極端溫差較大,高溫可達 36.3°C,低溫至-32.5°C。通常情況下 8 月氣溫最高,月均溫達 21.2°C;1 月為低溫月,月溫至-11.7°C。年平均日照為 2366.0h,多年平均活動積溫為 2759.0°C。從霜期來看,琿春市初霜期在每年 9 月 20 日至 10 月 5 日之間
第 2 章 研究區(qū)地質環(huán)境概況巖層主要為粉砂巖,23-2 煤與 26 煤之間及 26 煤下方巖層主要為砂巖。各采空區(qū)分布及地質剖面圖詳見圖 2.3 至圖 2.5。
【相似文獻】
相關期刊論文 前10條
1 任迎華;;概率積分法多項式修正模型研究[J];礦山測量;2018年02期
2 韓奎峰;武娟;馮遵德;;EXCEL計算概率積分法預計參數(shù)[J];測繪科學;2011年06期
3 鐘文發(fā),莊友祥;復概率積分法計算B-W共振參數(shù)的多普勒展寬截面[J];中國核科技報告;1989年00期
4 鐘文發(fā),莊友祥;復概率積分法計算B-W共振參數(shù)的多普勒展寬截面[J];中國核科技報告;1989年S3期
5 王世道;林福欽;;對概率積分法的一些看法[J];礦山測量;1984年02期
6 胡順強;王攀;;一種高精度的概率積分法參數(shù)預計方法[J];科學技術與工程;2018年33期
7 孫家慶;;基于空間時序的概率積分法開采沉陷預測分析[J];科技創(chuàng)新與生產力;2018年12期
8 沈震;徐良驥;劉瀟鵬;秦長才;王振兵;;機器學習輔助下的概率積分法參數(shù)預計模型尋優(yōu)[J];測繪通報;2016年10期
9 張勇志;;水平煤層條件下概率積分法巖移參數(shù)與開采深度關系的探討[J];礦山測量;1986年01期
10 米麗倩;查劍鋒;劉丙方;;概率積分法參數(shù)對預計地表下沉的影響度分析[J];煤礦開采;2011年04期
相關博士學位論文 前6條
1 趙兵朝;淺埋煤層條件下基于概率積分法的保水開采識別模式研究[D];西安科技大學;2009年
2 李培現(xiàn);深部開采地表沉陷規(guī)律及預測方法研究[D];中國礦業(yè)大學;2012年
3 王正帥;老采空區(qū)殘余沉降非線性預測理論及應用研究[D];中國礦業(yè)大學;2011年
4 張宏貞;老采空區(qū)殘留空洞空隙分布規(guī)律 研究與應用[D];中國礦業(yè)大學;2013年
5 蔡來良;適宜傾角變化的開采沉陷一體化預測模型研究[D];中國礦業(yè)大學;2011年
6 尚慧;寧夏礦山地質環(huán)境評價與動態(tài)監(jiān)測分析[D];長安大學;2013年
相關碩士學位論文 前10條
1 魏濤;基于“量子+”的采空區(qū)特征及沉陷預計參數(shù)智能反演方法研究[D];安徽理工大學;2019年
2 褚敏;淮南礦區(qū)地表移動觀測站分類及區(qū)域預計參數(shù)解算[D];安徽理工大學;2019年
3 成武;琿春市某國道下伏多層緩傾煤層采空區(qū)地表沉降變形研究[D];吉林大學;2019年
4 徐梅;概率積分法預計參數(shù)的總體最小二乘抗差算法[D];安徽理工大學;2018年
5 李家琪;菏澤趙樓礦深部開采地表沉陷變形規(guī)律與預計參數(shù)研究[D];遼寧工程技術大學;2017年
6 田國燦;基于概率積分法的沉陷預計GIS系統(tǒng)的設計與實現(xiàn)[D];煤炭科學研究總院;2017年
7 牛姝燁;黃土緩坡丘陵采煤塌陷預測中概率積分法適用性研究[D];中國地質大學(北京);2017年
8 孫冉;概率積分法參數(shù)求取和模型修正方法研究及程序實現(xiàn)[D];安徽理工大學;2017年
9 石磊;厚松散層條件下概率積分法求參方法研究[D];安徽理工大學;2016年
10 朱錕;基于概率積分法與VB語言的采空區(qū)地表移動變形預測系統(tǒng)研究[D];長安大學;2013年
本文編號:2846232
本文鏈接:http://www.sikaile.net/kejilunwen/kuangye/2846232.html