基于HEC-HMS模型的不同雨型下泥石流清水流量特征探讨

基于HEC-HMS模型,选择SCS及Kinematic wave理论为基础构建了曾达沟泥石流的流域模型,并设置不同类型的12种降雨模型进行了流量计算以探讨不同降雨类型下泥石流清水流量的特征。结果显示泥石流沟口清水流量同降雨峰值到来时间、降雨集中程度（降雨模型幂次数）分别线性正相关;流量峰值延时（沟口峰值流量到来时间相较峰值雨强时间的延后值）同降雨峰值到来时间、降雨集中程度分别呈二次相关,相关关系主要为负相关,但随着第三变量的增加,相关关系不再单调;对前后两组各3个变量进行了二元多次方程拟合,拟合效果良好;将计算结果同生产中常用的推理公式法的计算结果进行对比,并分析了两者的区别及优缺点。     

一种高光谱遥感影像无损压缩方法与应用

针对遥感影像巨大数据量给传输、存储造成巨大压力和压缩比低的问题,本文提出了一种改进的自适应波段重排和最小均方误差预测的高效无损压缩方法。该方法能自适应地确定波段的最佳顺序,并根据最小均方误差预测充分利用这种排序相关性消除影像冗余。首先,该方法对高光谱影像波段自适应分组,在每个组内利用最小生成树算法排序,以提升相邻波段的谱间相关性。然后,对组内波段自适应地选择上下文进行谱间和谱内预测,去除高光谱影像的冗余。最后,对预测残差进行二进制算术编码去除统计冗余,完成高光谱影像无损压缩。基于资源一号高光谱影像的试验结果表明,本文方法有效利用了谱内、谱间相关性,改善了预测性能,优于常用的压缩方法。     

雪峰山西侧盆山过渡带油气成藏地质特征 和破坏类型

对雪峰山西侧盆山过渡带油气成藏的基本特征进行了总结,划分出该区在燕山—喜马拉雅期强烈构造改造作用下可能残存的5套含油气组合。总结了区内典型的成藏特征,提出该区下古生界地层中油气具有多源供烃、多期成藏特征,并经历了“古油藏”阶段,构造隆升剥蚀作用是造成油气保存条件不好的重要因素。提出在晚期构造强烈改造区中也存在油气保存条件相对较好的地区,这类地区主要位于“隔槽式”褶皱主背斜的断层下盘、两翼潜伏构造及复向斜等下寒武统、下志留统区域性泥岩盖层分布地区。研究区地层中存在原生、次生、再生型油气藏,无论哪类油气藏,“构造型油气藏”在构造强烈改造后保存下来的几率变小,“非构造型油气藏”(主要是岩性油气藏)保存下来的几率较高。通过分析研究区古油气藏的破坏条件,提出了五大类10亚类油气藏破坏类型划分方案,指出研究区存在多种破坏类型的古油藏。     

利用深源近震高频Ps转换波震相研究松辽盆地沉积层结构

本文利用高频深源近震地震波形数据的R/Z比来获取沉积盆地速度结构,并以2011-05-10发生在黑龙江省与吉林省交界处(131.09°E,43.32°N)的M W5.7深源地震(深度554.9 km)为例,分析位于松辽盆地沉积层内部NECESSArray中的22个台站记录到的0.5~2 Hz数据,利用沉积盆地对地震波的到时延迟效应及P波和Ps转换波的振幅信息,通过对沉积盆地底部剪切波速度与厚度进行网格搜索获得松辽盆地的速度结构。结果显示,22个台站下方的沉积层顶部剪切波速度为0.1~1.0 km/s,且盆地边缘速度较大,盆地厚度为0~6.5 km,总体呈现内部大于边缘的状态。与已有结果相比,本文结果在沉积层边缘地带较符合实际趋势,表明利用高频近震深源Ps转换波的方法可以较好地获得沉积盆地内部的速度结构。     

兼顾速度和精度的深度神经网络震相拾取

深度神经网络虽然在震相拾取中取得了良好效果,但作为高复杂度的机器学习模型,深度神经网络在取得较高精度的同时需要付出较高的计算代价,而且试验研究表明震相拾取中并不需要过高的模型复杂度。为此,本文根据地震波形的特点设计了四种具有不同复杂度的深度神经网络改进模型,可以综合具体的精度和速度需求从中选取合适的模型。在此基础上,将改进模型与现有四种到时拾取的深度学习网络模型进行了对比,结果表明本文中的网络模型在到时拾取上具有较高的速度和精度。同时,本文的深度神经网络通过使用多种深度学习模型压缩手段可将震相拾取模型的大小压缩到2.0 MB以内,从而使得模型可以在低功耗设备上完成高速震相拾取的同时尽可能地减少精度损失。      

四川盆地西部坳陷晚三叠一早白垩世地层沉积相

对四川盆地西部坳陷区内晚三叠－早白垩世地层、沉积相提出了一些新的认识,认为南部存在侏罗千佛岸组,中南部有较多的三角洲相沉积;讨论了沉积相的时空展布规律,这对区内上三叠－下白垩统沉积－层控矿产的研究和油气资源勘探均有重要的作用。     

面向对象方法在SPOT5遥感图像分类中的应用--以北京市海淀区为例

SPOT5图像的空间分辨率高,局部异质性较大,采用基于像元的传统方法分类精度低,难以满足实际应用的需要。以北京市海淀区SPOT5图像为例,应用面向对象方法对其进行分类试验,并将该方法与传统基于像元方法的分类结果进行对比分析。结果表明:利用面向对象方法对SPOT5遥感图像进行分类,不仅使分类结果具有丰富的语义信息,有效抑制“椒盐现象”的发生,还可以显著提高分类精度。