一种综合地学数据的矿产资源潜力制图方法

研究适应信息化时代特征的矿产资源潜力制图新技术、新方法对推动矿产资源评价理论与技术的发展具有重要的意义.笔者把GIS技术、图像分类算法和空间统计学理论进行有机集成,在空间统计学的空间结构分析技术和遥感图像纹理分类算法的基础上,提出了一种以综合地学数据（地质、地球物理、地球化学和遥感图像数据等）为基本数据源的矿产资源潜力自动制图方法.该方法的技术流程为：①数据准备,即对地球物理和地球化学勘探数据进行预处理,生成一个物化遥综合图像文件;②图像空间结构性分析和纹理图像生成,以综合地学图像为研究对象,用空间统计学的结构分析技术研究地学数据综合图像的空间结构性,生成纹理图像;③纹理图像多元分类,用实验变差函数纹理分类方法对研究区进行多元分类,生成分类专题图;④分类后处理,用叠置分析修正空间分类结果,生成区域矿产资源潜力分布图.     

RPROP算法在火成岩岩石分类中的应用

为了更好地解决火成岩岩石分类问题,引入一种快速实用的BP算法—Resilient Backpropagation(RPROP)算法.在说明RPROP算法的基础上,结合火成岩岩石资料,建立基于RPROP算法的BP网络火成岩岩石分类模型,进行火成岩岩石分类的应用研究.结果表明,应用RPROP算法进行火成岩岩石分类,分类的准确率高,与基本BP算法及其一些改进算法相比,训练速度快,具有很好的应用前景.     

致密砂岩气藏动态分类委员会机器测井流体识别方法

致密砂岩流体识别难度大,智能算法能够较好地建立其流体识别模型.相较于单一智能算法,分类委员会机器通过联合多个专家(智能算法)有助于提升智能模型整体性能.而针对分类委员会机器中单个专家性能难以提升的问题,添加门网络构建动态分类委员会机器是一种更有效的模块化学习方式.本研究首先采用门网络将输入数据划分为多个子数据集,然后联合决策树、概率神经网络、贝叶斯分类、BP神经网络、最近邻算法分别训练子数据集得到多个子模型,最后利用组合器最优化子模型组合得到最佳的流体识别模型.针对塔里木盆地库车坳陷大北、克深、博孜地区致密砂岩地层测井数据和测试数据,采用平均影响值法优选敏感测井系列作为输入,构建了动态的测井流体识别模型,其训练、验证准确率分别为96.29%和91.39%.利用此模型以BZ9井为例进行流体类型判别,预测结果与测试结果一致.该方法将无监督与有监督学习相结合,引入门网络提高了数据集利用效率,避免了数据集分布不均衡对模型构建的影响;采用投票机制集成多种专家,建立了子模型与专家的适应关系,流体识别模型预测精度和泛化能力大大提高.     

大数据量遥感图像目标地物检索方法研究

在海量遥感数据中,检索某些特定目标,对于遥感应用和分类具有重要的意义.针对TM数据,研究了基于内容的大数据量遥感图像中目标地物的检索方法.根据数据的特点和研究的目的,采用支持向量机作为特征提取和相似性比较的方法,从而避免了特征提取中的信息损失,提高了检索速度.在基于内容的大数据量遥感图像目标地物检索技术上做出了尝试和探索.     

基于小波融合的ASTER数据自组织特征映射神经网络分类研究

重点介绍了有自组织功能的两层结构的神经网络Kohonen自组织特征映射, 两层之间各神经元实现全连接并且在竞争层各神经元之间还存在侧连接, 实现了有效的竞争和抑制, 提高了自适应的学习能力, 因此成为国际遥感数据分类的研究热点. ASTER卫星数据是新型遥感数据, 包括3个15 m分辨率波段和3个30 m分辨率的短波红外波段. 选择天津大港ASTER数据作为方法实验数据, 首先对数据进行了小波融合, 然后进行了土地覆盖类型的神经网络分类研究. 研究结果与相同训练点的最大似然监督分类比较, 总体提高分类精度7%, 特别对城镇分类精度提高近一倍.     

结合温度因子估算太湖叶绿素a含量的神经网络模型

神经网络方法估算复杂水体水质参数的优越性已经得到证实.基于太湖水体实测叶绿素a浓度,利用MODIS 250m影像和反演得到的水温数据建立了估算太湖水体叶绿素a含量的两个单隐层BP神经网络模型:NN1模型不含温度因子、NN2模型包含温度因子,采用Levenberg-Marquardt算法训练网络,利用初期终止方法提岛网络泛化能力,均取得了较高估算精度,其中包含温度因了的反演模型精度稍有提高,但不显著.     

基于深度卷积神经网络的地震数据随机噪声压制

本文以提高地震数据的成像质量为目标,提出一种智能的卷积神经网络降噪框架,从带有噪声的地震数据中自适应地学习地震信号。为了加速网络训练和避免训练时出现梯度消失现象,我们在网络中加入残差学习和批标准化的方法,并采用了ReLU激活函数和Adam优化算法优化网络。此外,Marmousi和F3数据集被用来对网络进行训练和测试,经过充分训练的网络不仅能在学习中保留地震数据特征,而且能去除随机噪声。首先充分地训练网络,从中提取出随机噪声,并保留学习到的地震数据特征,之后通过重建地震数据估算测试集中的波形特征。合成记录和实际数据的处理结果显示了深度卷积神经网络在随机噪声压制任务中的潜力,并通过实验验证表明了深度卷积神经网络框架有很好的去噪效果。      

基于遗传算法优化神经网络权值的大坝结构损伤识别

针对传统 BP 神经网络存在着容易陷入局部极小点、训练时间太长等缺点,本文采用基于浮点编码的遗传算法,对 BP 神经网络的初值空间进行了遗传优化。用基于浮点编码的遗传算法来优化 BP 神经网络的权值,可得到最佳初始权值矩阵,并按误差前向反馈算法,沿负梯度搜索进行网络学习。文中以混凝土重力坝结构作为算例,用结构的模态频率变化作为网络的输入向量,结构的损伤位置作为输出向量,对网络进行了训练。仿真结果表明：遗传 BP 神经网络的收敛和诊断能力优于传统 BP 神经网络,可有效地运用到大坝结构的健康诊断与损伤识别中。     

基于遗传神经网络的大地电磁反演

为进一步提高大地电磁非线性反演的稳定性、运算效率及准确度,将遗传神经网络算法引入大地电磁反演.首先针对大地电磁二维地电模型建立BP（Back Propagation）神经网络基本框架进行学习训练,网络输入为已知地电模型的视电阻率参数,输出为该地电模型参数;再利用遗传算法对神经网络学习训练过程进行优化,计算出多种地电模型网络连接权值和阈值的最优解;最后将最优连接权值和阈值对未知模型进行反演测试,网络输入为未知地电模型的视电阻率参数,输出为该地电模型参数.模型实验表明：遗传神经网络算法充分结合了遗传算法的全局寻优性和神经网络的局部寻优性,相比单一神经网络算法,在网络学习训练中提高了解的收敛成功率和计算速度,在反演测试中能更准确地逼近真实模型.将遗传神经网络算法与最小二乘正则化反演进行对比,理论模型和实测数据都验证了遗传神经网络算法在大地电磁反演中的可行性和有效性.     

基于图像语义分割的层位自动追踪方法

层位追踪是地震资料解释中基础且重要的工作.传统的层位追踪主要依靠人的主观性判断,是一项既要求专业知识经验,同时又费时费力的环节,为此本文提出了一种基于图像语义分割技术的层位自动追踪方法.图像语义分割是像素级别的分类技术,我们将地震剖面中的层位看作图像中的一个语义类别,借助分割网络进行层位的分类与追踪.本文选择了改进的Dense-UNet神经网络作为分割算法,该网络强调对特征的传递和复用,同时避免了梯度消失的问题,能够很好适应地震数据的分割任务.首先以实际地震数据制作实验所用数据集,应用数据扩充方法增大训练样本数量,再借助改进的Dense-UNet神经网络训练出最优的追踪模型,通过测试集在最优模型上的表现来评价追踪的效果.实验结果表明,改进的Dense-UNet网络能够准确且快速的自动完成层位追踪任务,验证了该方法的可行性和有效性.     

基于GA-BP理论的储层视裂缝密度地震非线性反演方法

基于GA-BP理论,将自适应遗传算法与人工神经网络技术(BP算法)有机地相结合,形成了一种储层裂缝自适应遗传-神经网络反演方法.这种新的方法是由编码、适应度函数、遗传操作及混合智能学习等组成,即在成像测井裂缝密度数据约束下,通过对目标问题进行编码(称染色体),然后对染色体进行选择、交叉和变异等遗传操作,使染色体不断进化,从而快速获得全局最优解.在反演执行过程中,利用地震数据和成像测井裂缝密度数据之间的非线性映射关系建立训练样本,将GA算法与BP算法有机地结合,优化三层前向网络参数;或将GA与ANFIS相结合,优化ANFIS网络参数.并采用GA算法与TS算法(Tabu Search)相结合的自适应混合学习算法,该学习算法自始至终将GA和BP两种算法按一定的概率比例进行,其概率自适应变化,以达到混合算法的均衡.这种混合算法提高了网络的收敛速度和精度.我们分别利用两个研究地区的6井和1井成像测井裂缝密度数据与地震数据之间的非线性映射关系建立训练样本,对过这两口井的测线的地震数据进行反演,获得了视裂缝密度剖面,视裂缝密度剖面上裂缝分布特征符合沉积相分布特征和岩石力学性质的变化特征.这种视裂缝密度剖面含有储层裂缝的定量信息,其误差可为油气勘探开发实际要求所允许.因此,这种新的方法优于只能作裂缝定性分析的常规裂缝地震预测方法,具有广阔的应用前景.     

基于SVM多源遥感影像的面向对象倒塌建筑物提取研究

快速准确地获取倒塌建筑物信息能为震后救灾工作提供支持。采用玉树灾区LiDAR数据和高分辨率Quickbird遥感数据,通过对研究区内LiDAR数据进行预处理,使用面向对象分类与SVM技术相结合的方法对震后倒塌建筑物信息进行提取,提取总精度达到82.21%。     

基于神经网络的视电阻率快速算法

本文从瞬变电磁均匀半空间二次磁场响应公式出发,提出了一种基于神经网络的视电阻率快速计算方法.以中心回线为例,根据瞬变响应公式的特点,简化网络结构,选用三层BP神经网络和误差训练算法,用均匀半空间样本数据进行训练,确定了收敛快、误差小的一步正割法和隐含单元数,得到基于不同采样时窗的一组网络参数.用本文方法与二分法、牛顿迭代法做模型计算比较,及最后的实验计算,说明算法的快速,准确.本文方法不依赖初始模型,避开了复杂的电磁场数值计算,实现了视电阻率的快速计算,对瞬变电磁法资料的快速解释有一定的参考价值.     

SPOT5卫星遥感影像数据在农村土地利调查中的应用与分析

文章以四川省凉山州冕宁县SPOT5遥感影像数据为应用分析对象,主要利用SPOT5 10m的多光谱数据和2.5m全色数据,针对土地利用遥感影像分类中的影像预处理、影像融合、影像判读方法和土地利用现状信息如何更新等问题开展应用、分析、研究,以期获得适合利用SPOT5卫星影像数据来开展山区各种比例尺土地利用调查的技术方法。     

基于粗糙集的BP神经网络在震例中的应用研究

采用《中国震例》作为数据源,通过初步整理分析和预处理,构建了较完备的震例研究样本集。尝试将粗糙集与BP神经网络相结合的方法引入到震例研究中,用基于粗糙集的属性约简算法从众多复杂的地震异常指标中筛选出对最终分类起决定作用的核心异常作为输入,震级作为输出,构建了泛化能力强的BP神经网络模型来模拟异常与地震之间的不确定关系。仿真测试结果表明:地震震级预测精度误差基本控制在-0.5～0.5级之间。     

基于Lasso函数的分层混合模糊-神经网络及其在遥感影像分类中的应用

本文提出一种新的分层混合模糊-神经网络(HHFNN)算法.在模糊系统中使用Takagi-Sugeno模型和三角波隶属函数.同时,为降低离散输入变量中可能存在的强交瓦作用,采用了系数收缩机制中的Lasso函数.最后,以福建的漳平洛阳—安溪潘田地区LANDSAT ETM+遥感影像数据地物分类为例,应用本文的改进算法与其他神...     

基于最优分割的高分辨率遥感影像震害建筑物识别技术

为了提高建筑物震害信息提取的效率与准确度,针对震后高分辨率遥感影像,根据震害建筑物在遥感影像上的特征,以2010年海地M_S7.0地震为例,通过尺度参数估计算法自动选择最优分割尺度对影像进行多尺度分割,并采用面向对象方法对海地高分辨率遥感影像进行建筑物震害信息提取,同时与基于像元的支持向量机、反向传播神经网络、基于分类回归算法的决策树分类方法进行比较。试验结果表明,面向对象的分类方法具有更好的目视效果和更高的分类精度,有利于地震后震害信息的准确提取和快速评估。      

面向对象遥感分类方法在汶川地震震害提取中的应用

震后城市建筑物震害的自动识别与分类, 是遥感震害调查中的关键步骤, 其精度直接影响损失评估的结果. 而随着高分辨率遥感影像的发展, 传统基于像元的分类技术已不能满足需求, 引入面向对象的信息提取技术, 充分挖掘影像对象的纹理、形状和相互关系等信息, 能够有效的提高震害的分类精度. 该文阐述了面向对象的遥感震害提取思路和方法, 并应用汶川地震震后高分辨率航空遥感数据, 针对建筑物震害进行面向对象的快速提取与自动分类. 结果表明, 与基于像元分类比较, 面向对象的建筑物震害分类能够显著改善分类效果.     

基于Noise-to-Noise自监督学习的地震数据去噪方法

在地震勘探采集到的地震数据中不可避免的存在随机噪声,而高信噪比的地震数据是地震资料反演和解释的基础.因此随机噪声压制一直是地震资料处理中的重要工作.近些年来,随着深度学习技术的发展,基于卷积神经网络的地震数据去噪方法已经取得了丰硕的成果.常规的监督学习策略需要获取无噪数据作为标签,然而从实际地震数据中获取无噪数据只能通过传统去噪方法进行预处理,以此方法构建标签数据的监督学习去噪网络必然受构建数据集的去噪方法影响.针对此问题,本文提出了一种基于Noise-to-Noise自监督学习的地震数据去噪方法,该方法通过对实际地震数据添加不同等级的噪声构建训练数据集,仅需要含噪地震数据即可训练去噪网络.合成数据测试和实际数据测试表明,本文方法可以有效去除地震数据中的随机噪声,性能优于受数据集构建方法所限的监督学习去噪方法和传统去噪方法.     

基于区间值模糊C-均值算法的土地覆盖分类

用区间值数据描述聚类原型特征更符合遥感数据的模糊性特点,即传感器获取的地物反射光谱的不确定性和不均匀性在影像上的反映.本文以遥感影像数据为基础构建了区间值数据模型,并提出一种区间最大相异度量方法,进而进行基于区间值数据的模糊C-均值聚类.利用珠三角地区SPOT5卫星和青海玉树附近的TM影像数据进行基于区间值模糊C-均值算法的土地覆盖分类实验.结果表明区间值数据的模糊C-均值算法兼顾了模糊聚类的泛函特性和地物反射光谱的条带特点,从而可以明显改善聚类效果,尤其可以降低"同物异谱"现象对聚类结果的不利影响,而区间最大相异度量可实现基于多波段遥感影像构建的区间向量的最大可分离度,有效抑制类间光谱混叠造成的错分现象,进一步改善聚类效果,最终结果明显优于传统的模糊C-均值聚类方法.