神经网络油气检测技术

多参数神经网络油气检测技术首先提取四大类２６ 个地震波特征参数，并定量描述这些参数，然后用神经网络技术对这些参数进行分析，预测油气分布，使油气识别工作定量化、计算机化。本次研究开发了一套神经网络油气识别软件，并利用其对东濮凹陷胡１９ 块进行油藏精细描述，预测沙三下砂组含油面积０－７ ｋｍ２ ，石油地质储量７０ ×１０４ 吨。     

应用GAMIT进行高精度GPS基线数据处理

GAMIT是美国麻省理工学院(MIT)与斯克里普斯海洋研究所(S1())研制的一个大型而复杂的GPS数据处理软件,是目前国际上优秀的高精度GPS数据处理通用软件之一.本文主要介绍了GAMIT的数据处理过程和使用方法,并结合实例对GAMIT数据处理结果精度进行了分析.     

几种因子对鞍带石斑鱼精子活力的影响

研究不同梯度的盐度、pH、温度及低温保存时间对鞍带石斑鱼精子活力的影响。结果表明:鞍带石斑鱼精子活力的适宜盐度范围为27.5～35.0,最适盐度为32.5,此时精子的快速运动时间和寿命分别为13.2min和14.8min;最适pH为8.5,精子的快速运动时间及寿命最长,分别达12.7min和17.3min;温度范围为27～31℃,以29℃时快速运动时间最长,达16.6min;在0～4℃冰箱保存6h后鞍带石斑鱼精子活力未显著降低,其中保存前精子快速运动时间为18.4min,保存6h后为18.2min,保存120h后仍有活力,精子快速运动时间为2.3min,精子激活率为3.3%。以x为保存时间,快速运动时间y和寿命y′符合线性方程y=-0.8334x+19.164(R2=0.9856),y′=-1.1358x+27.8(R2=0.9573)。     

宝丰县依法封填17座"黑毛土"井

目前,宝丰县国土资源局重拳出击,组织国土资源所、稽查队、铝黏土所等部门,在公安局、张八桥镇政府的配合下,采取联合行动,对位于张八桥镇闫洼村附近的违法开采"黑毛土"井实施封填.     

Ⅰ型Seyfert星系的3000包与其在双色图上的表现

本文从Ⅰ型Seyfert星系在双色图上的行为出发,假定可见光与紫外波段连续谱的主要成分包括幂律非热致辐射、黑体辐射、宽线区Balmer连续谱的复合辐射和高阶Balmer线辐射,计算了这些发射机制的参数,发现结果与从分光光度测量决定的参数符合很好。因此,本文结果对已测定色指数的Ⅰ型Seyfert星系可决定出其热致成分(黑体谱和Balmer连续谱)在全部辐射中占的比重;给出了研究类星体的可见光与紫外波段辐射机制的新方法。     

穿体标志对黄鳍鲷幼鱼的生长、存活及脱标的影响

研究了不同幼鱼规格、标志部位和消毒处理对黄鳍鲷存活的影响,探讨了不同标志部位幼鱼的脱标情况。结果显示,不同规格、标志部位和消毒处理对黄鳍鲷幼鱼的存活无显著差异;但标志后进行1次消毒处理可使黄鳍鲷的存活稳定期提早一天出现。标志部位对黄鳍鲷幼鱼的存活有显著影响,以背鳍棘基部肌肉标志的存活率为最高,达87.0%;背鳍棘膜标志的存活率其次,为75.2%;而背鳍条基部肌肉标志的存活率最低,仅68.0%;死亡高峰均出现在标志后前3 d。幼鱼规格对脱标无影响,但标志部位对脱标影响显著。在肌肉做标志均未脱标,而在鳍棘膜做标志的全部脱标。表明黄鳍鲷幼鱼可在背鳍棘基部肌肉进行穿体标志,暂养4 d后进行放流。     

几种常见影像融合方法的比较

简述了多源遥感影像融合过程，并利用IKONOS-2的全色影像和多光谱影像，对常用的几种影像融合方法进行了试验与比较，同时对实验结果进行分析和讨论，结果表明小波变换融合算法总体优于其他几种融合方法。     

机载LIDAR点云高程数据精度检核及误差来源分析

利用GPSRTK系统对点云高程数据进行质量检核，通过对检核数据的分析，得出实际测量中不同地形情况下LIDAR测高数据能达到的精度，并分析了误差的来源。     

综合测绘技术在古建筑现状勘察中的应用研究 ——以养心殿东配殿综合测绘项目为例

养心殿东配殿综合测绘,是养心殿研究性保护工作基础测绘的专题研究内容,通过三维激光扫描、近景摄影测量、传统手工测量等技术方法,全面采集了东配殿的空间、纹理、现状形制特征、历史遗迹等文物本体信息.同时,研究了各类测绘技术的适用性、支撑性、效率、成果利用价值、经济性等特性,通过比较分析,得出相应结论:三种测绘技术在全面数据采集过程中,各有优势,都无法相互取代,在技术选择及应用中,需要结合文物建筑的价值特征进行判断、组合,做到空间信息、图案纹理信息、构造细部信息的综合采集.     

高分辨率遥感影像解译中的机器学习范式

高分辨率遥感影像解译是遥感信息处理领域的研究热点之一,在遥感大数据知识挖掘与智能化分析中起着至关重要的作用,具有重要的民用和军事应用价值。传统的高分辨率遥感影像解译通常采用人工目视解译方式,费时费力且精度低。所以,如何自动、高效地实现高分辨率遥感影像解译是亟待解决的问题。近年来,随着人工智能技术的飞速发展,采用机器学习方法实现高分辨率遥感影像解译已成为主流的研究方向。本文结合高分辨率遥感影像解译的典型任务,如目标检测、场景分类、语义分割、高光谱图像分类等,系统综述了5种代表性的机器学习范式。具体来说,本文分别介绍了不同机器学习范式的定义、常用方法以及代表性应用,包括全监督学习(如支持向量机、K-最近邻、决策树、随机森林、概率图模型)、半监督学习(如纯半监督学习、直推学习、主动学习)、弱监督学习(如多示例学习)、无监督学习(如聚类、主成分分析、稀疏表达)和深度学习(如堆栈自编码机、深度信念网络、卷积神经网络、生成对抗网络)。其次,深入分析五种机器学习范式的优缺点,并总结了它们在遥感影像解译中的典型应用。最后,展望了高分辨率遥感影像解译的机器学习发展方向,如小样本学习、无监督深度学习、强化学习等。