基于样本增强的卷积神经网络震相拾取方法

为了快速、高效地从地震数据中识别地震事件和拾取震相,本文利用基于样本增强的卷积神经网络自动震相拾取方法,将西藏林芝地区L0230台站3个月数据作为训练集,该区内另外6个台站连续1个月的波形数据作为测试集,采用高斯噪声、随机噪声拼接、随机挑选噪声、随机截取地震事件等4种样本增强的方法扩增训练集,以提高自动震相拾取技术的准确率。结果显示:样本增强前模型在测试集上的地震事件识别准确率为80%,样本增强后提升至97%,表明样本增强有效地提高了模型的泛化性能和抗干扰能力;在0.5 s误差范围内,震相自动拾取准确率高于81%,在1.0 s误差范围内,准确率高于95%;利用基于样本增强的卷积神经网络震相拾取方法能够检测出人工拾取震相中误标和漏检的震相。      

AutoCAD在桩基工程测量内业计算中的应用

高速铁路线下工程主要测量任务是桥梁桩基放样,而全线桥梁桩基坐标计算量大、复杂且极易出错。对此,结合沪杭高铁工程实例提出一种利用AUTOCAD进行坐标计算的方法,不但可以提高计算速度,而且可以提高计算质量。     

1980—2017年四川省气候变化综合区划北大核心

基于四川省1980—2017年主要气象要素观测资料,运用ArcGIS空间分析法,分别探讨了气温、降水量和极端气候指数的年际空间变化特征;同时建立极端气候指标体系,结合熵权法、模糊综合评价法开展综合极端气候指数区划,最终完成1980—2017年四川省气候变化综合区划。研究表明:1980—2017年四川省极端气候事件的发生率呈上升趋势,从区域分布上大致表现为东高西低;根据四川省气温和降水量变化速率区划、综合极端气候指数区划,将四川省划分为6个气候变化区,其中,川东北地区综合气候变化速率最快。