基于奇异值分解的计算条件非线性最优扰动的集合投影算法

条件非线性最优扰动(CNOP)是线性奇异向量(LSV)在非线性领域的拓展,它代表了在一定物理约束条件下且在预报时刻导致最大预报误差的一类初始误差.CNOP类型的初始误差在天气和气候的可预报性研究中具有重要作用.在求解复杂数值模式的CNOP中,一般通过数值计算目标函数关于初始扰动的梯度,并沿着梯度下降方向在相空间搜索极值点而得到CNOP.计算梯度常用的一个方法是利用伴随模式得到梯度,然而发展一个复杂模式的伴随模式是困难且非常繁琐的,大大限制了CNOP方法在复杂数值模式中的广泛应用.本文在前人工作的基础上,提出了一种基于奇异值分解(SVD)的集合投影算法.该算法避免了集合投影算法中采用的局地化步骤,从而克服了局地化半径的经验性选择带来的不确定性.将该算法应用于中等复杂程度的ENSO预报模式中计算CNOP.结果表明,用新集合投影算法得到的CNOP能够有效地逼近用伴随算法得到的CNOP,抓住了CNOP的主要空间特征.因此,本文提出的基于SVD的集合投影算法是计算CNOP的一种有效近似算法.     

基于奇异值分解的时移地震互均衡方法

针对时移地震互均衡处理中的传统匹配滤波算法抗噪能力弱的特点,重新推导匹配滤波方程,引入奇异值分解方法求解,克服系数矩阵的奇异性,同时减少噪声的影响.模拟数据和实际数据都验证了基于奇异值分解匹配滤波较传统匹配滤波算法有更好的抗噪能力.     

电磁法数据处理的奇异值分解法

本文提出用奇异值分解方法处理电磁响应数据.根据电磁响应数据的奇异值分布特征,可以指出有用信号和随机误差所对应的奇异值范围.截断随机误差所对应的奇异值,利用与有用信号对应的特征象重构数据,可以消除随机误差.对加入随机噪声的理论数据处理的结果表明,这种方法的效果明显,随机噪声的标准差可降低60％多.另外,利用不同区段的特征象重构数据,可区分不同级次的电磁响应特征.最后,给出对实测数据处理的结果.     

电磁法数据处理的奇异值分解法

本文提出用奇异值分解方法处理电磁响应数据.根据电磁响应数据的奇异值分布特征,可以指出有用信号和随机误差所对应的奇异值范围.截断随机误差所对应的奇异值,利用与有用信号对应的特征象重构数据,可以消除随机误差.对加入随机噪声的理论数据处理的结果表明,这种方法的效果明显,随机噪声的标准差可降低60％多.另外,利用不同区段的特征象重构数据,可区分不同级次的电磁响应特征.最后,给出对实测数据处理的结果.     

基于自适应多分辨率奇异值分解的大地电磁数据处理

针对强电磁干扰极易掩盖微弱的大地电磁有用信号,本文结合奇异值分解在去噪方面的优越性,提出基于自适应多分辨率奇异值分解（Adaptive Multi-Resolution Singular Value Decomposition,AMRSVD）的大地电磁数据处理方法.首先对大地电磁数据构建Hankel矩阵,利用MRSVD得到不同分辨率的近似信号和细节信号;然后选用近似信号和细节信号的标准差差值,对大地电磁数据进行信噪辨识;接着结合MRSVD和相邻细节信号的标准差差值,提出先验信息未知情况下的AMRSVD法;最后对辨识出的强干扰运用AMRSVD去除噪声,重构有用信号.实验结果表明,该方法的处理效率高,能有效分离出相关性较强的噪声,时间序列和视电阻率-相位曲线均得到有效改善.

     

基于谱分解的断层自动识别

本文在总结国内外地震勘探解释系统的基础上,以物理地震学为理论基础,利用谱分解、地震信号处理中的偏移技术、模式识别中的分级聚类算法和最小二乘法,提出了自动提取断棱衍射、识别断层的思想.仿真结果表明该思想和方法是可行的.本方法还可用于岩性地球物理勘探.     

基于谱分解的断层自动识别

本文在总结国内外地震勘探解释系统的基础上,以物理地震学为理论基础,利用谱分解、地震信号处理中的偏移技术、模式识别中的分级聚类算法和最小二乘法,提出了自动提取断棱衍射、识别断层的思想.仿真结果表明该思想和方法是可行的.本方法还可用于岩性地球物理勘探.     

基于奇异值分解法的微震子台网监测能力分析

微震台网的监测能力反映在监测范围和监测精度两个方面。通过对单台拾震器监测能力的分析,得出微震定位动态子台网组合的判别准则(即监测范围),利用广义逆的奇异值分解技术,计算估计震源参数精度的参量空间协方差矩阵,进而得出震源参数误差的等值线图(即监测精度),并使用线性相关系数证明此种评估方法的可靠性。采用此方法研究唐口煤矿微震监测台网的定位误差分布,与实际定位误差对比,吻合率较高。     

利用地震面波频散反演岩石圈结构的奇异值分解算法

在利用面波频散数据反演介质S波速度结构的过程中,引入奇异值分解方法计算随机逆,利用Wiggins方法对较大奇异值修改和随机逆方法对较小奇异值修改的优点,协调了分辨率和解的关系,改进了随机逆解的精确性和稳定性．模型试算表明,该方法反演所得结果较Harkrider的程序反演结果精确,分辨率更高．     

利用地震面波频散反演岩石圈结构的奇异值分解算法

在利用面波频散数据反演介质S波速度结构的过程中,引入奇异值分解方法计算随机逆,利用Wiggins方法对较大奇异值修改和随机逆方法对较小奇异值修改的优点,协调了分辨率和解的关系,改进了随机逆解的精确性和稳定性．模型试算表明,该方法反演所得结果较Harkrider的程序反演结果精确,分辨率更高．     

1．奇异值分解方法在矿震定位中的应用

无论用线性和非线性模型，均可成功地使用求解线性方程组的奇异值分解方法进行点源定位，当输入数据的方差为已知时，也可使用该法求出单个震源坐标的方差。利用其协方差矩阵条件数，可求得地震台网的最佳布局，并且预期在某些输入数据有错误的情况下，还可用于检验用来定位的数据。文中还利用加拿大安大略省Ｑｕｉｒｋｅ矿的地震台网，举例说明了奇异值分解方法在求解性和非线性问题中的应用。     

利用奇异值分解方法实时自动检测P波和S波

利用奇异值分解(SVD)分析实现了一种新的P波和S波震相的自动检测方法。该方法是基于Rosenberger(2010)用于三分量地震波形奇异值分解的实时迭代算法。该算法通过利用奇异值分解并将波形分为P波和S波分量来识别视入射角。我们将该算法应用于滤波后的波形,然后在经过滤波和奇异值分解分开的信道上设置入射角和奇异值检测器,或者应用信噪比(SNR)检测器来拾取P波和S波。安扎地震台网和最近在圣哈辛托断层带地区部署的便携式仪器为测试不同设置的检测算法提供了一个非常密集的地震台网,包括不同震源机制的事件、具有不同场地特性的台站和射线路径偏离奇异值分解算法中使用的逼近。2~30Hz巴特沃思带通滤波器给出了各种事件和台站的最佳性能。我们在许多事件上应用奇异值分解检测,并且从2005年6月M_W5.2地震复杂、强烈的余震序列中得到结果。这个序列经过几位分析人员的彻底复查,确定了主震后第一个小时的294个事件都围绕主震密集分布。我们使用这个数据集来微调自动奇异值分解检测、关联和定位,实现了37%事件的自动识别和定位。所有检测到的事件都落在此密集区内,并且没有虚假的事件。普通的信噪比检测器不会超过11%的成功,并且位置分布更广泛(不完全在复查的群集内)。由奇异值分解检测器检测到震相(P波或S波)的预先知识显著降低了由震相盲信噪比检测器产生的噪声。     

奇异值分解(SVD)实现地震波场分离与去噪新思路

依据不同性质的地震信号（反射波、折射波、直达波、面波、VSP上下行波、多次波、随机干扰等）之间在运动学、视速度和相干性上的差异,借助某种数学变换、SVD分解与重构联合、时域与频域结合的方式,通过这些间接的处理手段,把要提取的目标信号或要剔除的干扰信号转换到一种相干性更好的空间域中,再进行SVD分解与重构,最充分利用SVD滤波技术特点,实现地震波场分离与去噪,而不是直接对信号进行SVD分解与重构来实现地震波场分离与去噪,这样做可有效地避免以往对SVD波场分离与去噪技术应用空间狭窄、有效信号损失严重等缺陷性.     

GIS环境下地球物理信号的奇异值分解、多维分形特征与应用

将布格异常作为二维实矩阵对其进行了奇异值分解。用其左特征向量矩阵与右特征向量矩阵的立积构造了一个二维完备(特征空间)正交基。布格异常投影到该正交基上的系数是布格异常矩阵的特征值(奇异值的平方)。奇异值代表了布格异常在其特征空间的一种功率密度。对比了密度分布面数、密度分布面数的变化率、密度分布面数的积分能量后，定义了奇异值谱半径量度下的能量测度。能量测度与能量谱半径符合(简单分形)指数或(多维分形)分段指数变化。利用教优分段方法得到这些分段点，利用这些分段点在特征空间中对地球物理场进行了重建、滤波。编制了与GIS结合的程序。用该方法分析和处理加拿大Nova Scotin的地球物理资料，并将结果与巳知的地质、金矿点进行了对比。结果表明，可以很好地提取地球物理场中的背景、异常场，该结果与岩性、构造、巳知矿点关联，可进行矿产资源评价和靶区预测。该方法还可用于各种地球物理信号的分离、图像处理、图像压缩等。作者开发的结合GIS的应用程序，使得这些分析能快速完成。     

基于拉格朗日分解算法的SAR图像混合像元分解

为解决与光学遥感图像不同的合成孔径雷达(SAR)图像中存在大量混合像元的问题,本文提出了一种基于拉格朗日分解算法的SAR图像混合像元分解的方法,结合相关内容中具体定理的证明,文中给出拉格朗日分解算法用于SAR图像混合像元分解的系统的求解方法.用人工模拟SAR图像和ENVISAT SAR图像进行实验,结果表明拉格朗日分解算法的混合像元分解结果明显优于非约束类神经网络(文中实验以BP神经网络为例)的分解结果.     

断层带围陷波的自动识别算法

在地震断层带台阵记录的数据中,研究出了断层带围陷波的一种自动识别算法。使用自动的S波最佳选择来识别地震图中的时间窗,以用于断层带围陷波的后续搜索。该算法计算每个台站记录的各个地震图的5个特征:卓越周期、1s持续时间的能量(代表围陷波)、相对波峰强度、到时延迟以及6s持续时间的能量(代表整个地震图)。共同用这些特征来识别台阵中地震图有统计离群值的台站。将此算法应用于大数据集可以从其他台站地震图中的偶然局部场地放大中识别出真正的围陷波。此方法在1992年美国兰德斯地震破裂区上记录的测试数据集上进行了验证,以前曾在此波形上人工识别出围陷波,然后应用到圣哈辛托断层带上记录的几千个地震事件的更大数据集上。所开发的技术为断层带附近记录的大型地震波形数据集的系统客观处理提供了一个重要工具。     

基于MP方法的地震信号快速分解算法

Matching Pursuits算法是信号分解的一种具体实现方法.针对地震信号在过完备库中进行分解时原子字典索引和计算量均非常庞大的问题,提出了一种原子字典索引的快速生成算法.首先根据地震信号的频带特征缩小字典索引的频率范围;然后同样依据地震信号的波形特征缩小字典索引的尺度范围.从而利用对地震信号的先验知识,收缩原子字典索引的扫描范围,实现基于Matching Pursuits算法的地震信号的快速分解.