基于变分模态分解算法的探地雷达信号去噪研究

探地雷达信号属于非平稳信号,容易受到干扰噪声影响导致探测能力降低.为了消除雷达信号的噪声,经验模态分解(EMD)、总体经验模态分解(EEMD)和完全总体经验模态分解(CEEMD)等方法被应用到雷达数据处理中.EMD虽然不断被改进,但仍存在一些不足,例如容易受到噪声干扰,存在模态混叠现象,依赖经验性等问题.因此笔者采用变...     

基于变分模态分解的机器学习模型择优风速预测系统

精准的风速预报对风力发电系统具有重要意义,但风速信号自身固有的随机性使其波动复杂且不可控,以往的研究采用单一或固定的组合模型很难把握风速序列的特征.提出一种基于分解的机器学习模型择优风速预测系统,采用变分模态分解算法降低原始风速序列的复杂度.进而利用模糊神经网络、非线性自回归神经网络、Elman神经网络、反向传播神经网络和自回归差分移动平均模型构成机器学习模型择优系统,分别对子序列的验证集进行预测,通过均方根误差等性能指数选择其最优模型,提高了整体模型的预测精度.试验采用宁夏地区4个站点的实测风速数据,仿真实验结果表明,所提模型相比于单模型以及较新的深度学习组合模型,具有更高的预测精度.     

基于经验模态分解的航空重力测量动态误差分离

航空重力测量数据在测量的过程中很容易受到飞机动态运动的影响,飞机动态运动强时,航空重力测量数据的质量也随之降低,虽然经过数字滤波后可以将航空重力异常数据中的大部分噪声去除,但一部分与信号重叠的噪声还是无法被消除.利用经验模态分解对受飞机动态影响较大的一组实测数据进行深化处理.结果表明,在不影响航空重力异常数据分辨率的情况下,该方法很好地消除了由飞机动态运动引起的动态误差,使得航空重力测量的内符合精度由1.43mGal提升到了1.27mGal.     

基于时频域的变分模态分解油气检测技术及应用

在油气勘探中,地震数据在采集过程中受到多种因素的干扰,会导致有效反射信息被压制削弱.变分模态分解(VMD)是一种新型的用来解决非线性问题的方法,VMD具有将信号的不同成分分解出来的特性,因此可利用VMD方法将含气目的层的弱反射信号有效识别出来.与此同时,通过时频分析求取衰减梯度的方法已经成为含气性检测的一种重要工具.为...     

基于经验模态分解的重力异常分离

根据重力异常水平梯度特性,建立了基于经验模态分解的新型重力异常分离方法。通过不同模型实验对比,发现该方法分离所得异常和模型理论异常能很好地吻合,可进行异常定量划分。实测数据处理中,将该方法与平均对数功率谱分析相结合,所分离出的区域异常可以有效描述研究区的区域地质特征。模型试验和实测数据处理都充分表明该方法所分离出的重力异常基本没有畸变和虚假信息产生,具有良好的实际应用价值。     

航空重力测量数据的小波滤波处理

"滤波技术"是航空重力测量数据处理中的关键性核心技术之一。针对"小波"滤波这一核心技术,本文研究、设计了小波低通滤波器,用于航空重力测量数据处理。基于小波包分析方法,按估算的小波包分解层次对应的信号频率范围、低通滤波器的截止频率和小波包系数频率由小到大节点的排列顺序,优化设计小波包树。研究分析了不同小波的主要特性,选用正交或双正交小波,采用本文提出的阈值处理方案和设计的小波低通滤波器,对GT-1A航空重力勘查系统的测量数据进行了滤波试验研究。结果表明,上述滤波方法和阈值处理方案是可行的,在选用的小波中,离散Meyer小波滤波器滤波效果最佳,获得与GT-1A系统滤波结果几乎同样满意的滤波效果,二者滤波结果的均方差值在0.2～0.3 mGal之间。     

基于变分模态分解的采空区“三带”微震信号能量衰减规律

为探明微震信号能量在采空区“三带”结构中的衰减规律,拟开展采空区覆岩相似模型试验,采集人工激发微震波经由采空区结构传播的微震信号,通过变分模态分解（variationalmodedecomposition,VMD）处理微震信号,获取各频率下模态分量。针对采空区微震信号在VMD下各模态分量中心频率与能量之间的关系展开分析。根据中心频率法确定微震信号最佳模态数量,并计算微震信号欠分解状态、最佳分解状态、过分解状态下各分量能量;对各震源下信号最佳分解状态时各模态分量能量与中心频率分布关系进行拟合,分析在“三带”结构中,微震信号不同传播状态下各结构层对信号能量影响作用。研究结果表明：（1）在VMD过程中,人工激发震动信号有效模态数量在6～11范围内,微震信号能量随模态数量变化明显。（2）采用幂函数可实现对微震信号模态能量与频率关系的拟合,且拟合状态良好（决定系数大于0.9）,其中低频模态分量包含能量占信号总能量近50%;采用高斯函数可以拟合震源各分量能量在频域上的分布表现,拟合状态较好,且表现出高斯单峰特征。（3）微震信号穿越采空区“三带”结构,微震信号能量随震源位置与传感器距离增加而减小,同...     

基于经验模态分解的MT数据脉冲类电磁噪声处理

电磁脉冲干扰是大地电磁测深系统(MT)信号的主要噪声之一,严重影响后续视电阻率和阻抗的计算及目标信息的提取。针对脉冲类噪声在时间域中的变化特征,利用经验模态分解（EMD）对脉冲类电磁噪声进行压制处理。首先,对大地电磁信号经EMD分解后得到N个本征模态函数（IMF）;然后,对每一阶的IMF选择一个合适的阀值,对于该IMF中超出该阀值的部分进行截断;最后,进行EMD重构。实测数据测试表明:改正后信号能量损失小, 与改正前信号相关性高, 可有效地抑制脉冲类噪声干扰。     

基于粒子群-变分模态分解、非线性自回归神经网络与门控循环单元的滑坡位移动态预测模型研究

以三峡库区八字门阶跃型滑坡为例,针对静态机器学习模型在周期项位移预测中的不足以及高频随机项位移预测困难等问题,提出了一种新的滑坡位移预测方法。基于时间序列分解思想,采用粒子群算法（PSO）对变分模态分解（VMD）进行参数寻优,并将位移时间序列分解为趋势项、周期项和随机项。趋势项主要受滑坡内部因素影响,采用傅里叶曲线进行拟合预测;周期项由外部因素导致,基于格兰杰因果检验进行成因分析,并引入一种对时间序列历史状态具有较高敏感性的非线性自回归神经网络（NARX）进行预测;随机项频率较高且影响因素无法判定,采用一维门控循环单元（GRU）进行预测。最后将各分量预测位移进行叠加重构,实现滑坡累计位移的预测。结果表明,提出的（PSO-VMD）-NARX-GRU滑坡位移动态预测模型精度较高,且各位移分量预测精度明显高于静态模型中BP神经网络、支持向量机（SVM）和传统自回归模型ARIMA,可为阶跃型滑坡位移预测提供参考。     

基于重力全张量数据的Parker-Oldenburg算法研究

相比重力数据,重力张量数据通常包含更多的异常信息。本文根据重力数据与重力张量数据的关系,利用位场转化技术,将重力张量数据应用于传统的Parker-Oldenburg密度界面反演算法中。通过模型试验,证明了在网格间距较大或者数据存在一定噪音时,使用本文算法进行反演能得到更好的效果。实验结果说明利用重力张量数据可以有效地提高密度界面反演的分辨率。     

基于MPI和OpenMP的重力及重力梯度数据并行正演算法研究

为提高重力及重力梯度数据的正演效率,笔者引入基于MPI (Message Passing Interface)和OpenMP (Open Multi-Processing)的并行计算,通过对比分析不同数据规模的网格数和模型体个数对并行效率和加速比的影响,得出随着正演数据规模的增加,并行效率和加速比均得到提高。同时对比了基于MPI和基于OpenMP的两种并行方式的性能,结果表明,重力及重力梯度数据正演的并行计算中MPI的提速能力优于OpenMP,且在较大规模数据的正演计算中基于MPI的并行效率优于基于OpenMP的并行效率。     

改进麻雀搜索算法的自然电位数据反演

自然电位法是一种成本低廉,野外观测操作简便的天然源地球物理勘探方法。自然电位数据反演具有病态和非线性的特征。常规反演算法分为局部优化类和全局搜索类,但基于梯度运算的局部优化算法难以求得全局最优解且反演效果依赖于初始模型的构建,而传统全局搜索算法又存在收敛速度慢,易陷入局部极值和不稳定的缺点。基于此,对一种新的全局优化策略(麻雀搜索算法)进行改进,通过混沌映射叠加反向学习策略初始化麻雀种群,再依随机概率使用Levy飞行策略更新麻雀个体位置来进一步提升算法对于解空间的探索能力和增强算法跳出局部极值的可能性。将改进前后的麻雀搜索算法分别应用于合成自然电位数据(不含与含10%、30%的随机噪声)与来自印度和法国的实测数据的反演解释中以对比检验改进算法的反演效果。理论测试结果表明：麻雀搜索算法(SSA)在无噪声干扰下的垂直圆柱和倾斜板模型数据反演误差为0.42%和0.25%,相同情况下改进麻雀搜索算法(ISSA)的反演误差为0.06%和0.07%,改进后算法拟合精度提高到3～7倍,对比目标函数收敛曲线图中ISSA的收敛速度与收敛精度都要明显优于SSA;SSA反演参数的稳定性、精度和异常响应曲线拟...     

非局部均值滤波在重力异常数据处理中的应用

根据小子域滤波原理,小子域滤波产生异常边界扭曲主要表现为高频干扰,提出小子域滤波与非局部均值滤波联合的方法以克服小子域滤波存在的异常边界扭曲问题。利用小子域滤波良好的边界增强能力和非局部均值滤波高频细节保护能力,在压制小子域滤波缺陷的同时尽可能保护小子域滤波的边界增强效果。通过模拟计算和莱州湾海域实测重力数据处理表明,本文方法在增强异常边界的同时压制小子域滤波产生的边界扭曲效应,获得了更好的重力异常处理效果。与单一小子域滤波相比,本文方法不需要考虑异常边界形态,具有更强的稳定性和普适性。     

全张量重力数据水平分量噪声滤除方法

为获得更好的噪声滤除方法,本文建立一个球状模型,对全张量重力梯度三个水平分量加入高斯白噪声,并利用FFT和PSD分别对加噪后三个分量(Vxx1,Vxy1,Vyy1)进行频谱分析,根据频谱分析结果分别设计了巴特沃斯低通滤波器和高斯低通滤波器对加噪数据进行滤波,取得了较好效果,并利用复杂模型验证滤波效果。     

基于重力及重力梯度数据的位场偏移成像

为了验证位场偏移快速成像方法的有效性以及对比基于重力和重力梯度数据的偏移成像的效果,笔者利用MATLAB编写了重力及重力梯度数据位场偏移成像的算法,并进行了模型正演计算,发现基于梯度数据的偏移成像的横向分辨率、抗噪性和抗背景场能力好于重力数据的偏移成像,并且能够较好的确定模型的中心埋深。将此方法应用于葫芦岛市黑鱼沟的某铅锌矿洞的深度计算中,验证了该方法的有效性。     

基于改进遗传算法的边坡可靠度分析

采用基于概率的可靠性分析方法来分析边坡的稳定性,以克服目前大多数分析方法以确定性安全系数为评判标准的弊端。对于每次搜索中给定的滑移面,结合拉格朗日乘子法提出边坡可靠度的计算模型;采用遗传算法搜索关键滑移面,提出边坡的适应度函数。为克服标准遗传算法在进化过程中无法调节全局搜索和局部搜索速度、且可能陷入次优解的缺陷,改进了子代中最佳个体的确定方法,来并以相邻两代的群体多样性特征值增量为导向,动态调节交叉概率和变异概率,以保持群体的多样性和搜索的有效性。实例分析结果表明,本文方法可以提高遗传算法的搜索能力和收敛速度,保证解全局最优;该法适用于边坡稳定可靠度分析,且前处理简单;在遗传操作前预优化可靠指标计算模型能大大减少遗传算法中的计算量,节约机时。     

基于线性回归的重力数据三维RMS成像

这里提出了一种基于线性回归的RMS成像方法,通过该方法可以分析判断重力异常源所处位置及赋存范围的方法。经过线性回归,得相关系数、斜率和截距三个参数,利用这三个参数计算RMS并对场源进行成像分析,以得到场源的位置及赋存状况。为了验证算法的可行性,通过简单模型和实测重力异常数据进行试验分析,验证了该方法可以有效地显示出异常地质体的位置及空间赋存状态。