位移反分析的自适应神经模糊推理方法在湘西金矿的应用-矿业114网 
首页 >> 文献频道 >> 矿业论文 >> 正文
位移反分析的自适应神经模糊推理方法在湘西金矿的应用
2011-08-08
本文应用位移反分析的自适应神经模糊推理方法,对湘西金矿244 采场围岩的力学参数进行了反演;并应用 反演结果对该采场各矿房围岩的变形进行了模拟计算;与此同时,还对矿房围岩的变形进行了监测;最后将模拟计算 结果与监测结果进行了比较,对矿房围岩的变形稳定性进行了分析。研究结果表明,模拟位移与监测位移吻合良好, 且未超过允许变形值,这说明基于反演结果的数值计算模型对围岩变形具有良好的预测性能,进而说明,该反分析方 法具有良好的工程适用性,可在工程实践中推广应用。
第27卷 第10期 岩 土 工 程 学 报 Chinese Journal of Geotechnical Engineering Vol.27 No.10 Oct., 2005 2 005年 10月 位移反分析的自适应神经模糊推理方法 在湘西金矿的应用 丁德馨,丁志丁 ( 南华大学 建筑工程与资源环境学院,湖南 衡阳 421001) 摘 要:本文应用位移反分析的自适应神经模糊推理方法,对湘西金矿 244 采场围岩的力学参数进行了反演;并应用 反演结果对该采场各矿房围岩的变形进行了模拟计算;与此同时,还对矿房围岩的变形进行了监测;最后将模拟计算 结果与监测结果进行了比较,对矿房围岩的变形稳定性进行了分析。研究结果表明,模拟位移与监测位移吻合良好, 且未超过允许变形值,这说明基于反演结果的数值计算模型对围岩变形具有良好的预测性能,进而说明,该反分析方 法具有良好的工程适用性,可在工程实践中推广应用。 关键词:自适应神经模糊推理系统;位移反分析; 地下采场; 稳定性分析 中图分类号:TU 457 文献标识码:A 文章编号:1000–4548(2005)10–1123–06 作者简介:丁德馨(1958– ),男,湖南常德人,博士,教授,博士生导师,主要从事岩土工程灾害预测与控制研究。 Application of ANFIS-based approach for back analysis of displacements in Xiangxi gold mine DING De-xin,ZHANG Zhi-jun ( School of Architectural Engineering, Resources and Environment, Nanhua University, Hengyang 421001, China) Abstract: The ANFIS-based approach for back analysis of displacements was used to determine the mechanical parameters of the rock mass surrounding the stopes in block 244 in Xiangxi gold mine. The mechanical parameters were then used to compute, by numerical method, the displacements of the rock mass surrounding every stope in the block. Simultaneously, the displacements of the rock mass were monitored. Comparison was made between the simulated and monitored displacements and an analysis was also made on the stability of the rock mass surrounding stopes in the block. It was shown that the simulated displacements were in good agreement with those monitored displacements and both of them were smaller than the allowable displacement, that the numerical model based on the back-analyed results was capable of predicting the displacements of the surrounding rock mass and the ANFIS-based approach was applicable to rock engineering problems. Key words: adaptive neuro-fuzzy inference system; back analysis of displacements; underground mining stopes; stability analysis [ 16] 析的自适应神经模糊推理方法 。虽然该方法经初步 检验具有收敛速度快、解的稳定性好、优化性能好等 优点,但其工程适用性仍有待验证。 0 前 言 近年来,位移反分析人工神经网络方法的研究取 1 ~11 ] 。但是,由于解的稳定性、收敛的 [ 因此,本文应用该方法对湘西金矿地下采场围岩 的力学参数进行了反演,再应用反演结果对该采场各 矿房围岩的变形进行了模拟,同时还对矿房围岩的变 形进行了监测,并将模拟结果与监测结果进行了对比, 对围岩的变形稳定性进行了分析。结果表明,该方法 具有良好的工程适用性,可以在工程实践中推广应用。 ─────── 得了重要进展 速度及网络训练结果的唯一性等问题尚未得到圆满解 决,因此,研究者们又在进一步探讨解决这些问题的 方法。 最新研究表明,由人工神经网络和模糊逻辑推理 相结合构成的自适应神经模糊推理系统 ANFIS ( Adaptive Neuro-Fuzzy Inference System),具有收敛 速度快、稳定性好、网络训练结果具有可重复性等特 12~15] 。基于这些特性,作者研究和建立了位移反分 基金项目:国家自然科学基金资助项目(50274043); 湖南省自然科学基 金重点资助项目(01JJY1004); 湖南省教育厅重点资助项目(01A015) 收稿日期:2005–01–04 [ 性 1124 岩 土 工 程 学 报 2005 年 σx = LC⋅σy ,初始剪应力τxy = SC⋅σy 。因此,待反演的 力学参数有 6 个,它们是变形模量E 、泊松比µ 、内 聚力c 、内摩擦角ϕ 、侧应力系数LC 、剪应力系数SC 。 1 工程概况 湘西金矿位于湖南省沅陵县境内。该矿沃溪矿区 上部中段的钨矿床,已于20 世纪50 年代用干式充填 采矿法进行了回采。由于当时主要回收钨矿石,因而 将含金石英网脉矿石作为充填料充入了采空区,充填 料下面的含金石英网脉矿亦因不含钨而未回采,从而 形成了条件独特的含金充填料矿体。该矿此类金矿体 储量较大,且极具开采价值。为了回收这部分金矿资 源,急需研究制定安全可靠的回采方案。 [ 17] 在考虑了该矿块的地质条件 、应用了目前国际上流 [ 18~22] 以及参考了文献[23]的反演结果 行的经验方法 后,反演参数的取值范围确定为表2。 为此,选择了该矿区的244 矿块作为研究对象。 该矿块矿体的分布特点是:上部为1 m 厚的充填料矿, 下部为3 m 厚的原生矿体,整个矿体埋深80 m。 根据该矿块矿体的特点,所设计的回采方案如图 1 所示。整个矿块沿矿体走向划分为 5 个矿房,其跨 图2 1 号矿房围岩位移测点布置 Fig. 2 Layout of points for measuring displacements of the surrounding rock mass around room 1 度均为6 m;房间设置连续矿柱,其跨度均为3 m。 矿房沿倾斜方向长42 m。整个矿块按图1 所示①~⑤ 的顺序进行回采,每个矿房要完成回采及采空区充填 后才能开始下一个矿房的回采。 表1 1 号矿房顶、底板位移量测结果 Table 1 The measurements of displacements on the roof and floor . of room 1 D1m m D 2 D3m m D 4 D5m m D 6 量测点 位移量/cm -6.3 -8.9 -5.7 3.2 5.5 3.7 表2 湘西金矿地下采场围岩待反演力学参数的取值范围 Table 2 The range of estimated value of the mechanical parameters for the rock mass surrounding the stopes of. block 244 in Xiangxi gold mine 图1 244 矿块回采方案 ϕ /(°) E 10 Pa c 5 µ LC SC 9 Fig. 1 The mining system for block 244 / /10 Pa 每个矿房均分为两个分层进行回采,先回采上部 的充填料矿,后回采下部的原生矿。每个矿房回采前, 先在上、下分层中掘进各自的上山,并在上分层上山 内预设长锚索,对矿房顶板进行预加固。回采充填料 时,随着工作面的推进,紧跟工作面安设短锚杆,布 设金属网,喷射水泥砂浆。充填料的回采结束后,随 即回采下部分层的原生矿体。矿房回采结束后,随即 进行尾砂胶结充填。 0 0.0044 .0028~ 2 .6~3.4 0.24~0.32 8.0~8.8 34~42 0.30~0.46 2 .2 模拟1号矿房围岩变形的FLAC 模型 为了对采场围岩的力学参数进行反演,采用 FLAC 对 1 号矿房围岩的变形进行模拟。根据该采区 回采的特点,所建立的FLAC 模型既要模拟初次采矿 的回采、充填以及充填后的状态,又要模拟二次采矿 时1 号矿房上部分层的回采、顶板的支护及下部分层 的回采。根据这些需模拟的内容,所建立的FLAC 模 型的特点如下: 为了对围岩的力学参数进行反演,同时也为了监 测围岩的稳定状况,在1 号矿房上、下分层先进上山 掘进完成后,在矿房倾斜长二分之一处的横断面内, 按图2 布置测点,量测顶底板位移,量测结果列于表 ( 1) 模型为一平面应变模型,采场上部边界取至 地面,下部及左、右边界均取至采场长度的10 倍,模 型左、右两侧只约束水平方向的位移,底部只约束竖 直方向的位移。 1 。 2 2 围岩力学参数的反演 .1 反演参数及其取值范围的确定 ( 2) 将位于充填料矿位置的原生钨矿体在水平方 向划分为7 个矿房(水平方向的长度各6 m),其间不 留矿柱,依次进行回采、充填。待7 个矿房回采、充 填完毕后,让其顶板充分下沉,充填料被充分压缩。 在这里假定竖向初始地应力的分布符合海姆假 3 设,即σy =γ h,其中γ = 27 kN/m,则水平初始地应力 第10 期 丁德馨,等. 位移反分析的自适应神经模糊推理方法在湘西金矿的应用 1125 ( 3) 再将充填料矿和下部的原生矿体划分为 5 个 训练,输入变量为Gaussmf 型隶属度函数,其参数设 置及训练结果均列于表 6,它们的结构及误差变化情 况如图4 至图8 所示。 矿房(水平方向的长度各6 m)和4 个间柱(水平方 向的长度各3 m)。1 号矿房先掘上分层先进上山和下 分层先进上山,并在该矿房倾斜长度二分之一处的横 断面内布置测点,然后回采上部分层,安设锚索、锚 杆,铺设金属网,喷射水泥沙浆(这些支护构件分别 用锚杆单元和梁单元进行模拟)。接着回采下分层矿 体。反演的目标就是要确定量测点处模拟位移逼近量 测点处量测位移时围岩的力学参数E 、µ 、c 、ϕ 、LC 、 SC 。 图3 E–ANFIS 的结构及其训练误差的变化 Fig. 3 The ANFIS architecture for E–ANFIS and variation of its 2 .3 围岩力学参数的反演 error ,during the training (1) 岩体力学参数与岩体位移之间映射关系的建 立 反演参数所取的水平如表3 所示,每次模拟计算 的力学参数如表 4 所示,模拟计算采用文献[23]中所 建立的FLAC 模型进行,模拟计算结果如表5 所示。 表5 中的u1y 、u2y 、u3y 、u4y 、u5y 、u6y 即为与D1m 、 D2m 、D3m 、D4m 、D5m 、D6m 相对应的竖向相对位移。 表3 湘西金矿地下采场围岩待反演力学参数取值水平 Table 3 The levels of the mechanical parameters of the rock.mass 图4 µ–ANFIS 的结构及其训练误差的变化 Fig. 4 The ANFIS architecture for µ–ANFIS and variation of its error. during the training 训练满足收敛准则后即停止,此时所获得的6 个 ANFIS 结构即为训练好的结构,可用于反演采场围岩 的力学参数。 surrounding the stopes of block 244 in Xiangxi gold mine 水 平 参数 c/Pa E/Pa µ 0.24 ϕ/(°) 34 LC SC 9 5 5 5 5 5 表4 模拟计算方案 1 2 3 4 5 8.0×10 8.2×10 8.4×10 8.6×10 8.8×10 0.30 0.34 0.38 0.42 0.46 0.0028 0.0032 0.0036 0.0040 0.0044 2 2 3 3 3 .6×109 .8×109 .0×109 .2×109 .4×10 Table 4 Schemes for simulation computation 0.26 0.28 0.30 0.32 36 模拟 模 型 力 学 参 数 38 计算 40 E/Pa µ c/Pa ϕ./(°) LC SC 序号 1 42 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3 4 4 4 4 4 5 5 5 5 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 2 3 4 5 1 3 4 5 1 2 4 5 1 2 3 5 1 2 3 4 1 2 3 4 5 3 4 5 1 2 5 1 2 3 4 2 3 4 5 1 4 5 1 2 3 1 2 3 4 5 4 5 1 2 3 2 3 4 5 1 5 1 2 3 4 3 4 5 1 2 1 2 3 4 5 5 1 2 3 4 4 5 1 2 3 3 4 5 1 2 2 3 4 5 1 ( 2)ANFIS 结构的建立及训练 2 3 4 5 6 7 8 9 应用 ANFIS 的原理,建立了输出分别为 6 个力 学参数的独立的ANFIS 结构,即:E − ANFIS 、µ– ANFIS、c − ANFIS 、ϕ –ANFIS、LC–ANFIS 和SC – ANFIS。这 6 个 ANFIS 结构的输入均为表 5 的模 拟位移值,目标输出分别为与模拟位移相对应的表4 的力学参数值。 10 1 1 考虑到输入变量的个数和数据情况,以及计算机 的承受能力,该6 个结构的输入数据均经标准化处理 1 1 1 1 1 1 1 2 3 4 5 6 7 8 ( 即将各数据变换到0.2~0.8 的范围内),输出隶属度 函数均采用一阶 Sugeno 模型,训练采用最小二乘法 LSE)和梯度下降法(GD)相结合的混合学习方法 进行。 其中E − ANFIS 结构的每个输入变量均赋予2 个 广义钟形隶属度函数,其结构如图3 所示,训练经过 4 次结束,训练误差为0.0032502,误差变化情况如 ( 19 2 2 2 0 1 2 2 图4 所示;µ–ANFIS、c–ANFIS、ϕ–ANFIS、LC– ANFIS 和 SC–ANFIS 五个结构采用减法聚类法进行 23 2 2 4 5 1 126 岩 土 工 程 学 报 2005 年 表5 模拟计算结果 Table 5 Results obtained from simulation computation 竖向位移/cm 模拟计算序号 u1y u2y u3y u4y u5y u6y 1 2 3 4 5 6 7 8 9 -9.520 -9.293 -9.071 -8.854 -8.637 -8.413 -8.917 -7.972 -7.751 -7.536 -7.314 -7.092 -6.810 -6.597 -6.375 -6.154 -5.934 -5.710 -5.481 -5.267 -5.047 -4.825 -4.460 -4.218 -4.283 -9.843 -9.621 -9.598 -9.376 -9.154 -8.932 -8.718 -8.496 -8.274 -8.052 -7.830 -7.609 -7.387 -7.165 -6.927 -6.725 -6.503 -6.285 -6.063 -5.821 -5.603 -5.403 -5.191 -4.931 -4.515 -9.262 -9.051 -8.837 -8.624 -8.411 -8.187 -7.974 -7.860 -7.649 -7.436 -7.223 -7.010 -6.794 -6.581 -6.368 -6.155 -5.942 -5.728 -5.615 -5.402 -5.193 -4.980 -4.765 -4.509 -4.179 3.539 3.457 3.452 3.374 3.263 3.215 3.140 3.055 2.978 2.896 2.814 2.742 2.652 2.579 2.488 2.416 2.341 2.258 2.176 2.098 2.013 1.945 1.872 1.776 1.619 6.103 5.961 5.953 5.817 5.672 5.543 5.414 5.268 5.135 4.993 4.852 4.727 4.573 4.447 4.291 4.165 4.037 3.894 3.752 3.618 3.472 3.354 3.227 3.063 2.792 3.826 3.686 3.791 3.586 3.497 3.474 3.358 3.317 3.206 3.091 3.047 2.995 2.907 2.794 2.705 2.677 2.591 2.486 2.375 2.292 2.214 2.169 2.021 1.998 1.831 1 0 1 1 12 13 14 15 16 17 18 19 20 21 22 23 24 25 表6 五结构减法聚类训练的初始参数设置及训练结果 Table 6 The initially set values of the parameters for these five subtractive-clustering structures and their training results 减法聚类训练的初始参数值 Gaussmf 型隶属函 数个数 结构 训练次数 训练误差 Range of influence Squash factor Accept ratio Reject ratio .9670×10-4 .8325×10-5 .8109×10-3 .0288×10-7 .3482×10-3 µ–ANFIS c–ANFIS φ–ANFIS LC–ANFIS SC–ANFIS 0.4 0.4 0.5 0.2 0.5 1.20 1.20 1.25 1.00 1.25 0.4 0.4 0.5 0.2 0.5 0.10 0.10 0.15 0.10 0.15 25 个 25 个 9 个 10 次 19 次 12 次 7 次 1 4 6 3 9 25 个 10 个 6 次 图5 c–ANFIS 的结构及其训练误差的变化 图6 ϕ–ANFIS 的结构及其训练误差的变化 Fig. 5 The ANFIS architecture for c–ANFIS and variation of its Fig. 6 The ANFIS architecture for ϕ–ANFIS and .variation of its error during the training error during the training 第10 期 丁德馨,等. 位移反分析的自适应神经模糊推理方法在湘西金矿的应用 1127 图7 LC–ANFIS 的结构及其训练误差的变化 图9 1 号矿房围岩的模拟变形状态(最大位移8.9 cm) Fig. 7 The ANFIS architecture for LC–ANFIS and variation of its Fig. 9 The simulated displacement for room 1 (The maximum displacement was 8.9 cm) error during the training 图8 SC–ANFIS 的结构及其训练误差的变化 Fig. 8 The ANFIS architecture for SC–ANFIS and variation of its error during the training 图10 2 号矿房围岩的模拟变形状态(最大位移11.3 cm) Fig. 10 The simulated displacement for room 2 (The maximum displacement was 11.3 cm) (3) 参数的反演 将表 1 中的实际量测位移输入上述已训练好的 6 个ANFIS 结构之中,其输出即为围岩力学参数的反演 值,结果列于表7。 表7 湘西金矿地下采场围岩力学参数的反演结果 Table 7 The back analyzed results of the mechanical parameters of . .the rock mass surrounding stopes of block 244 in .Xiangxi gold mine . 图11 3 号矿房围岩的模拟变形状态(最大位移11.5 cm) Fig. 11 The simulated displacement for room 3 (The .maximum displacement was 11.5 cm) E/109Pa c/105Pa µ ϕ /(°) LC SC 3 .3078 0.2777 8.1445 36.2889 0.3492 0.0031 3 采场围岩变形的计算、监测与稳定性 分析 .1 采场围岩变形的计算 3 为了确保图1 所示回采作业的安全,需对该采场 各矿房围岩的稳定性进行分析。考虑到围岩坚固程度 不高,再加之采场埋深较浅,因此,只对变形稳定性 进行分析。 图12 4 号矿房围岩的模拟变形状态(最大位移11.7 cm) Fig. 12 The simulated displacement for room 4 (The .maximum displacement was 11.7 cm) 在这里采用文献[23]所建立的 FLAC 模型进行采 场围岩变形的计算。FLAC 模型的力学参数即为表 7 所列的反演结果,竖向应力仍采用Heim 假设。该模 型模拟了第一次回采及充填的工序以及第二次回采中 支护和充填的工序,并对各矿房围岩的位移进行模拟 计算。 该矿块有5 个矿房及4 个房间矿柱。每个矿房围 岩的变形状态用节点位移分布图表示。各矿房围岩的 变形状态如图9~13 所示。 图13 5 号矿房围岩的模拟变形状态(最大位移10.3 cm) Fig. 13 The simulated displacement for room 5 (The .maximum displacement was 10.3 cm) 1128 岩 土 工 程 学 报 2005 年 3 .2 采场围岩变形的监测及与模拟计算结果的比较 laboratory rock properties used in numerical modelling[J]. Int J Rock Mech Min Sci, 1997, 34(2):289–297. 为了确保回采作业的安全,同时也为了检验位移 反分析自适应神经模糊推理方法的工程适用性,对 2 号矿房顶、底板位移进行了监测。测点布置与图2 相 同,监测结果与模拟结果的比较情况列于表8。 表8 2 号矿房量测结果与模拟结果的比较 [4] 梁春艳. 人工神经网络应用于地下洞室围岩参数识别的研 究[J]. 模式识别与人工智能,1996,9(1):71–77. [5] 李立新. 神经网络模型在非线性位移反分析中的应用[J]. 岩土力学,1997,18(2):62–66. Table 8 Comparison between the measured and.simulated displacements for room 2 [ [ [ [ 6] 樊 琨. 基于人工神经网络的岩土工程力学参数反分析[J]. 河海大学学报,1998,26(4):98–102. 量测点 量测结果/cm 模拟结果/cm 相对误差/% 2.04 5.04 0.97 1.49 7] 冯夏庭. 智能岩石力学(2)-参数与模型的智能辨识[J]. 岩 石力学与工程学报,1999,18(3):350–353. D 1 D 2 D 3 D 4 9.8 11.9 10.3 6.7 9.6 11.3 10.2 6.8 8] 冯夏庭. 位移反分析的进化神经网络方法研究[J]. 岩石力 学与工程学报,1999,18(5):529–533. D5 8.4 8.6 2.38 D 6 6.5 6.4 1.54 9] Yang Y W, Soh C K. Fuzzy logic integrated genetic programming for optimization and design[J]. Journal of Computing in Civil Engineering, ASCE, 2000, 14(4): 249– 从表8 可以看出,模拟位移与量测位移吻合良好。 .3 采场围岩变形稳定性分析 3 2 54 湘西金矿长期的经验表明,当矿房跨度在 10 m [ 21, 22] 。上述模 [ [ 10] 冯夏庭. 智能岩石力学导论[M]. 北京:科学出版社,2000. 11] 王思敬,等. 中国岩石力学与工程世纪成就[M]. 南京: 河 海大学出版社,2004. 以内时,顶板的最大允许沉降为15 cm 拟结果表明,各矿房顶板的最大沉降均小于其最大容 许沉降;上述监测结果也表明,顶板的最大沉降亦未 超过其最大允许沉降。这说明各矿房顶板均处于稳定 状态,同时也说明图1 所示的回采方案是安全的。 应该指出的是,截止发稿时为止,回采和变形监 测只进行到2 号矿房。为了确保回采作业的安全,在 后续3 个矿房回采的过程中,亦应加强各矿房顶板的 变形监测。 [ [ 12] 张智星, 孙春在, 神经-模糊和软计算[M]. 张平安,等译. 西安:西安交通大学出版社,2000. 13] 张志军, 丁德馨. 人工神经网络与自适应神经模糊推理系 统的拟合能力和推广预测能力的比较研究[J]. 南华大学学 报,2003,17(4):1–7. [ [ [ [ [ [ [ 14] 闻 新, 周 露, 李东江,等. MATLAB 模糊逻辑工具箱的 分析与应用[M]. 北京:科学出版社, 2001. 15] 楼顺天, 胡昌华. 基于 MATLAB 的系统分析与设计-模糊 系统[M]. 西安:西安电子科技大学出版社,2001. 16] 丁德馨, 张志军. 位移反分析的自适应神经模糊推理方法 4 结 语 本文应用位移反分析的自适应神经模糊推理方 法,反演确定了湘西金矿沃溪矿区244 采场围岩的力 学参数,并采用反演结果,建立数值计算模型,对该 采场各矿房围岩的位移进行了模拟计算。进一步地, 对2 号矿房顶、底板变形进行了监测,将监测结果与 模拟计算结果进行了比较,对围岩的变形稳定性进行 了分析。研究结果表明,监测变形与模拟变形吻合良 好,且均未超过最大允许变形,由此说明,所设计的 回采方案是合理的,所建立的位移反分析的自适应神 经模糊推理方法具有良好的工程适用性,可在工程实 际中推广应用。 [J]. 岩石力学与工程学报,2004,23(18):3087–3092. 17] 湘西金矿地测科. 湘西金矿老采区244 矿块地质[Z]. 湘西 金矿,1990. 18] Brown E T. Rock characterization, testing and monitoring— ISRM suggested methods[M]. Pergamon, Oxford, 1981. 19] Hoke E. Strength of rock and rock mass[J]. ISRM News Journal, 1994. 20] Hoke E, Brown E T. Practical estimates of rock mass strength[J]. Int J Rock Mech Min Sci & G Abstr 1997, 34(8): 1165–1186. [ [ [ 21] 丁德馨. 湘西金矿极不稳固顶板稳定性控制研究[J]. 衡阳 参考文献: 工学院学报,1994,8(1):50–57. [ [ [ 1] 张 清, 宋家蓉. 利用神经网络预测岩石或岩石工程的力 学性态[J]. 岩石力学与工程学报,1992,1:35–43. 2] 杨志法. 关于位移反分析的某些考虑[J]. 岩石力学与工程 学报,1995,14(1):11–15. 22] 杨立根. 湘西金矿316 号采场安全监测及顶板稳定性分析 [R]. 长沙:长沙矿山研究院,1992. 23] 丁德馨. 弹塑性位移反分析的智能化方法及其在地下工 程中的应用[D]. 上海:同济大学,2000. 3] Mohammad N, Reddish D J. The relation between in-situ and
  • 中矿传媒与您共建矿业文档分享平台下载改文章所需积分:  5
  • 现在注册会员立即赠送 10 积分


皖公网安备 34050402000107号