排序方式: 共有15条查询结果,搜索用时 15 毫秒
1.
在多普勒雷达降水回波径向速度场中及时准确地发现逆风区,对灾害天气预报预警具有重要意义.根据逆风区在雷达径向速度图中的物理图像特征,采用数字图像处理和分析方法实现了逆风区自动监测识别.首先,以雷达图像色标为依据,采用阈值法分别获取正、负速度区域二值图像,再对2幅图像分别进行形态学运算,然后将上述4幅图像做交叉逻辑运算,得到逆风区监测识别结果和相关参数.通过在2005-2011年长沙雷达站47幅根据实况进行人工标注后的多普勒雷达径向速度图像上进行实验,表明该方法对逆风区可以进行快速准确识别,与人工标注结果比较准确率可达89%,满足实际应用需要. 相似文献
2.
3.
5.
以一批进口土耳其铬矿石为例,对所取的40个样品进行0~ 10 mm、10 ~ 50 mm、50 ~ 150 mm、150~ 250 mm及大于250 mm五个区间的粒度筛分,分析粒度不均匀的铬矿石在各粒度区间内组分含量和所占质量百分比的差异情况.根据分析结果对40个样品在50 ~ 150 mm区间内的质量百分比与样品总组分含量进行相关性分析,结果表明:两者的相关系数为0.466,相关系数的显著性概率为0.002,小于0.01,说明在50~150 mm粒度区间内矿石的质量百分比与样品的总含量的相关性是高度显著的,提出为了提高粒度不均匀的铬矿石取样代表性,应首先保证在所含矿石质量百分比与总组分含量相关性最大的粒度区间内(50 ~ 150 mm),所取矿石样品与实际货物中矿石的质量百分比相一致. 相似文献
6.
选取库尔勒地震台2008—2015年记录的数字地震资料,与中国地震台网测定的体波震级进行对比,从震级大小、震中距、震源深度以及震中方位,分析二者之间的关系。结果可知,库尔勒地震台计算震级相对偏大,其中mb平均偏差为0.1455,mB平均偏差为0.1941;震源深度在0—96km时,mb和mB震级偏差接近平均值;当震源深度h>96km时,测定震级和中国地震台网测定震级基本一致;地震发生在第三象限时,台站测定震级与中国地震台网测定震级基本一致。 相似文献
7.
如何有效地提取和融合不同模态的特征是高光谱图像和激光雷达数据联合分类的关键。近年来,得益于深度学习强大的特征学习能力,其在高光谱图像和激光雷达数据联合分类领域受到了越来越多的关注。然而,现有的深度学习模型大多基于监督学习的模式,分类性能依赖标注样本的数量和质量。为此,本文提出了一种基于模态间匹配学习的联合分类方法,充分利用未标注样本的信息,减少对标注信息的依赖性。具体而言,本文首先通过高光谱图像和激光雷达数据之间的匹配关系和KMeans聚类算法,构造模态匹配标签。然后,利用该标签训练含有多个卷积层的匹配学习网络。该网络由两个并行分支构成,每个分支负责提取单个模态的特征。最后,以该网络为基础,构造高光谱图像和激光雷达数据联合分类模型。该模型的参数由匹配学习网络进行初始化,因而只需要少量标注样本进行微调即可达到理想的分类效果。为了验证本文方法的有效性,在Houston和MUUFL两个常用的高光谱图像和激光雷达数据联合分类数据集上进行了大量的实验。实验结果表明,与已有的分类模型相比,本文方法能够获得更高的分类性能。 相似文献
8.
我国原矿、精矿消费量和尾矿产出量巨大,这些矿产品中有毒有害污染物的溶解释放(称为"溶出")已经成为一个普遍存在的环境问题。本文阐述了目前国内外矿产品污染物溶出的研究现状,总结了研究矿产品中污染物溶出最常用的四种模拟试验方法(湿度室试验、淋滤柱试验、静态浸泡试验、萃取试验)的应用进展。湿度室试验可模拟自然风化过程,确定污染物溶出速率和产物;淋滤柱试验可模拟降水和喷淋过程,提供污染物吸附和解吸附动力学依据;静态浸泡试验可模拟被水浸泡过程,探明溶出规律和产物;萃取试验可对污染物进行形态分析,评估介质中污染物的流动性、稳定性等。污染物溶出的各种影响因素由强到弱依次是pH值、淋溶浸泡时间、温度、固液比、矿石粒径,多数情况下pH值越大、浸泡时间越长、温度越高、固液比越小、粒径越小越有利于污染物的溶出。溶出是一个长期和具有潜伏性的过程,其内部发生一系列物理化学反应,显示出与扩散效应不同的规律。目前这方面的研究对象还主要集中于废弃的尾矿,对经运输、堆放并在人类生活区使用的原矿、精矿产品的污染物溶出有待进一步研究,需要对其溶出污染进行预测和评估,采取有效措施控制和治理矿产品的污染。 相似文献
9.
分析库尔勒台超宽频带JCZ-1T型地震计记录的不同震中距的近震波形特征,发现新疆部分区域记录的地震波形有其特殊的特征:1)震中距小于230 km时,记录到Pg、Sg波;震中距大于230 km时,可以记录到首波Pn;2)除昆仑山特殊区域外,震中距大约为500 km时,面波发育不完全;3)震中距约大于700 km的喀什-乌恰交汇区范围,Pg、Sn波发育不清晰。 相似文献
10.
深度学习通过逐层抽象的方式提取输入数据的深层特征,近年来在高光谱图像分类领域得到了广泛的应用。现有的高光谱图像深度特征提取方法大多属于有监督学习模型,其训练过程需要大量标记样本,而高光谱图像逐像素的标注困难且费时。为此,本文提出了一种基于谱间对比学习的无监督深度学习模型。无须对样本进行标注,仅通过建模不同光谱波段之间的关系便可实现特征提取。具体而言,由于高光谱图像不同的光谱通道刻画了同一物体在不同电磁波段的响应程度,因此必然存在一个特征空间,使得不同通道的光谱信息具有相似的表征。受此启发,本文首先将高维光谱信息分成两组,然后利用多层卷积操作分别提取每组波段的特征,最后对比不同样本所提取的特征,通过对比损失函数来优化模型。为了测试本文方法的性能,将其应用于高光谱图像分类任务中,在Houston 2013、Pavia University和WHU-Hi-Longkou 3个常用的数据集上进行了验证。试验结果表明,在每类仅使用10个训练样本的前提下,本文所提出的无监督学习模型能够获得比主成分分析、自编码器等常见的无监督模型更优越的分类性能。 相似文献