地震勘探全波形反演的应用与发展分析

本文首先对20世纪80年代发展起来的全波形反演应用及其在勘探地球物理领域的发展进行了分析;其次,面对定量化、精细化的地震勘探要求,提出了将地震勘探全波形反演与其他数据处理环节或处理技术相结合的研究设想,并展望了全波形反演的发展趋势;最后,论述了全波形反演研究中地震波场数值模拟、反演初始速度模型获取、目标函数形式选择、寻优算法启用及各向异性介质中的应用等关键问题,并总结了通过Laplace域的全波形反演获取反演初始速度模型、结合射线追踪并充分发挥并行计算之于波动方程方法来模拟地震波场的巨大优势,及灵活选用反演目标函数形式和寻优算法更新速度模型参数来加快全波形反演方法的实用化进程。     

ENVISAT测高数据波形重跟踪分析研究

对卫星测高技术中的波形重跟踪技术及其算法进行了详细分析讨论．同时分析了波形重跟踪中最小二乘解初值及权的确定,根据ENVISAT的SGDR波形数据,利用波形重跟踪技术研究了开阔海域上的距离改正情况(一般距离改正为20～30cm)。结果表明,重跟踪改正后的精度,18Hz距离优于1Hz距离。     

基于张量分解的AoT序列数据有损压缩方法

Array of Things (AoT)通过单一位置上的多传感器对城市系统进行连续动态观测。AoT观测数据量大且持续增长,使得如何利用有限的计算资源进行AoT序列数据的压缩传输成为其应用的关键瓶颈之一。本文提出了一种基于张量分解的AoT序列数据的有损压缩方法。面向其海量、高维且需在传感器端处理的需求,该方法首先将AoT序列数据组织成高维张量,利用算法复杂度较低的张量CANDECOMP/PARAFAC (CP)分解提取各维度上的特征主分量,而后利用张量重构实现特征保持的数据有损压缩。利用基于张量分解的有损压缩方法,针对美国芝加哥市区的24 h内感测的声光电磁数据进行了实验,讨论了不同压缩参数对压缩比、压缩误差、压缩精度、压缩时间、压缩过程运行内存占用和压缩结果内存占用之间的影响。实验结果表明该方法可实现AoT序列数据的有损压缩,其较小的内存占用能够支持传感器端数据压缩。并且与原始光场强度对比表明,压缩后的数据保持了原有时空分布特征。与传统矢量量化编码压缩方法相比,在相同压缩精度下,本文方法的压缩比约高27%~76%,压缩时间约节省46%~73%,压缩结果所占内存约节省17%~57%,因此本文方法具有更高的压缩比,更低的压缩时间和内存占用,可为AoT这一类数据的大规模有损压缩提供借鉴意义。     

基于BEMD分解的地貌分类研究

地貌是指地势高低起伏的变化,即地表的形态。地貌划分对气温、降水、太阳辐照等诸多应用领域都有着重要作用。本文选择空间分辨率为90 m的福建省的数字高程模型(DEM)数据作为地理信号,运用二维经验模态分解(BEMD)进行分解处理,得到多个具有不同尺度、不同物理意义的本征模函数(BIMF1-BIMF3)以及对应余量ORIG。这些BIMF分量对应不同尺度的微观地形,ORIG余量表现为该研究区的地貌分布趋势,体现了平原、丘陵与山地的大致分布区域。运用变点分析法确定最佳计算单元,利用地形起伏度对各个信号区域进行一级分类,依据绝对高度进行二级分类,最后将一级分类与二级分类相结合,实现对地形的分类,这一分类过程体现了研究地区地貌组合复杂的特征。结果表明:①叠加BIMF分量,提取出分量和大于74 m的区域为高频信号区域。该区域以小起伏度的低山为主,并伴随有丘陵和小起伏度中山。②ORIG余量中余量高度小于等于340 m的区域,去除其中包含的高频信号区域后为低频信号区域,该区域以平原、丘陵为主。③剩余区域定义为中频信号区域,该区域的地貌以平丘陵和小起伏的山地为主。研究成果表明福建地貌可分为7种主要类型:低频平原,低频丘陵,中频丘陵,高频丘陵,中频小起伏低山,高频小起伏低山,高频小起伏中山。     

基于深度全连接神经网络的大坝变形预测研究

将深度全连接神经网络引入大坝变形预测领域,结合大坝多源监测数据的训练样本,建立基于深度全连接神经网络的大坝变形预测模型.利用几种常见的深度优化学习算法对模型进行优化训练,通过对比各损失函数的变化曲线选取最优学习算法,进一步构建基于最优学习算法的深度全连接神经网络大坝变形预测模型;最后结合大坝多源监测数据的测试样本对模型...     

基于广义高斯模型的机载测深LiDAR波形拟合算法

针对传统LiDAR测深波形拟合算法受噪声干扰严重、对微弱回波信号及复杂波形拟合不准确的问题,提出一种基于广义高斯模型的波形拟合算法。首先通过计算滤波前后尾段波形的差异估计波形的噪声;然后利用广义高斯模型提取海面与海底反射信号分量,并对剩余信号进行迭代拟合;最后利用LM算法对参数进行优化,并对优化后的参数进行约束,避免冗余分量。采用南海实测数据进行验证,该算法拟合微弱回波及复杂波形能力强,不论在浅水(回波发生叠加)还是深水,其拟合精度均优于传统算法,具有良好的鲁棒性。     

基于主波峰的自适应波形重跟踪算法研究

构建基于主波峰的自适应波形重跟踪算法（AMWRT）。首先提取主波峰,然后对主波峰分别应用经典的重心偏移法（OCOG）及阈值法（threshold）进行波形重跟踪,并进行精度比较,得到最优的观测水位。将AMWRT、OCOG和threshold法应用于长江中游地区,结果表明：1）测高卫星观测的长时间水位序列与水文站实测数据趋势较为一致;2）AMWRT算法相较于OCOG法及threshold法表现良好,比其中表现最好的经典threshold_0.5法的精度提高了30%,其绝对平均误差（MAE）和均方根误差（RMSE）分别降低至0.55 m和0.72 m。     

基于高斯曲线拟合-FFT方法的南海风场反演

海面风场是海洋学的基本参量,获取海面风场对了解海洋的物理过程以及海洋与大气之间的相互作用至关重要。宽阔的海域面积及复杂的海面状况通常使南海海面上的风场信息很难被及时获取。ENVISAT ASAR是一种全天候全天时监测海面的微波雷达传感器,可实时获取海面风场数据。本文基于已有ASAR数据对南海海面风场进行反演实验,首先将结合高斯曲线拟合的FFT风向反演方法应用于南海风向反演,并参考Cross-Calibrated Multi-Platform （CCMP）风场数据去除180o方向模糊获得海面风向。然后,将高斯曲线拟合-FFT风向与传统的峰值-FFT风向进行对比,最后将准确率较高的高斯曲线拟合-FFT风向分别输入CMOD4模型和CMOD5模型获得海面风速大小。实验结果与CCMP参考数据的比较结果表明,在风条纹不明显的情况下,利用结合高斯曲线的FFT风向反演方法和CMOD4模型风速反演方法可有效地进行南海海面风场反演。该成果对利用SAR数据实时获取南海大面积海面风场信息,尤其是观测点缺乏海域的风场信息,具有重要的指导意义。     

遥感数据的高斯金字塔尺度上推方法研究

尺度转换是遥感信息科学领域的研究热点,其传统研究方法大多局限于统计模型,对数据的空间结构信息考虑较少,很难满足遥感数据的多尺度表达要求。基于此,针对遥感数据的尺度不一致问题,本文提出了一种利用高斯金字塔的图像模糊特性进行遥感数据尺度上推的方法,在对金字塔每一层的数据高斯模糊的基础上,通过多次连续的降采样,得到一系列不同尺度的数据,从而满足实际应用的空间分辨率要求。为了验证本文所提方法的有效性,本文选择Landsat7 ETM影像和ASTER GDEM为研究数据进行尺度上推,并与传统的最邻近、双线性以及立方卷积等方法进行了实验对比,采用均值、方差、均方根误差、平均绝对误差等评价指标,以及相同分辨率的ASTER GDEM和SRTM DEM的等高线套合结果来衡量高斯金字塔方法的性能。实验结果表明,本文使用的高斯金字塔尺度上推方法能够有效地实现连续遥感数据的尺度转换,在保持遥感数据局部细节特征的基础上,较好地保持了原始遥感数据的信息量以及空间结构特征。     

面向地图综合的VGI道路网重要度层次分解选取方法研究

自发地理信息数据具有现势性好、覆盖范围广、信息丰富、获取方便等特点,可作为全球范围内地理信息数据生产与更新的良好数据资料。但是由于数据的无尺度特性,导致自发地理信息道路数据细节过于繁杂,难以直接应用于生产。现有道路网自动选取算法在计算道路重要度时,对所有待选取道路的重要性进行排序,并依据重要性从大到小依次选取。这种方法忽略了选取过程中,道路网结构变化对道路重要性的影响。为此,本文提出了一种基于重要度层次分解的道路网自动选取算法,该方法针对自发地理信息道路网细节繁杂的特点,根据地图数据制图综合时逐级缩编的思路,采用基于层次分解的选取策略进行道路网选取：首先计算所有节点的重要度,然后剔除重要度最小的一些道路节点,并重新计算新的所有节点的重要度,重复上述步骤,直至所有道路节点排序完毕,从而可获得所有道路的重要性排序并完成道路网选取。利用开放街道地图道路网数据进行实验,实验结果表明本文算法选取结果优于网络中心性方法。     

基于机载Lidar的地貌数据快速更新方案研究

空间地理信息作为国家信息资源的重要组成部分之一,承担着越来越重要的作用,地貌数据作为空间数据的组成部分,其数据采集及更新十分重要。机载Lidar问世以来受到测绘行业广泛重视,其应用不断扩展。该文以地貌数据的快速更新为研究目的,深入分析了地貌更新流程以及机载Lidar数据成果,并在此之上提出基于机载Lidar数据的地貌快速更新方案,研究其具体步骤以及核心技术,同时采用CAD二次开发实现地貌更新数据预处理,大幅提高地貌更新效率。     

Study of frequency domain full waveform inversion based on Huber norm and L-BFGS algorithm

Full waveform inversion( FWI)is a high resolution inversion method,which can reveal detailed in-formation of the structure and lithology under comPlex geological background. It is limited by many kinds...     

变分模态分解结合样本熵的变形监测数据降噪

针对变形监测数据中包含的噪声成分难以有效滤除,导致预测结果精度不理想的问题,提出一种应用于变形监测领域的新降噪方法。首先利用变分模态分解（VMD）将原始监测序列分解为k个不同中心频率的带限固有模态函数（BIMF）,再将样本熵（SE）大于设定阈值的高频BIMF作为噪声成分剔除,最后重构余下的BIMF获得降噪序列。仿真算例和工程实例检验的结果表明,新方法与EEMD及CEEMD方法相比各评价指标均为最优,降噪结果可为形变分析和预测提供可靠依据。     

基于小波分解与GA-LSSVM的GPS可降水量短临预报

针对GPS可降水量时间序列具有非线性、非平稳性的特征,研究一种基于小波分解（WD）、遗传算法（GA）和最小二乘支持向量机（LSSVM）的GPS可降水量短临预报方法。先采用小波分解将GPS可降水量时间序列分解成便于预报的低频分量和高频分量;然后利用遗传算法优化LSSVM参数,进而对各分量建立预报模型;再将各分量预报结果进行叠加重构得到最终预报结果。选取两组数据进行实验,并将预报结果分别与LSSVM和遗传小波神经网络（GA-WNN）预报结果进行对比。结果表明,该组合模型具有良好的泛化能力,可有效解决神经网络易陷于局部极小的问题,提高了全局预报精度。     

车载激光扫描数据控制点布设方案研究

该文以提高车载激光扫描数据高程精度为出发点,分析了扫描数据的误差来源。该文提出多种控制点布设方案,以京沪高速部分路段激光扫描数据为例,统计并分析各个控制点布设方案改正结果,为以后车载激光数据外业控制点布设提供参考。     

利用最小填充树分解方法实现最短路径查询

随着社会的快速发展,道路网的规模越来越大,传统的最短路径算法已不能满足当前的实时要求,本文将基于最小度的树分解查询算法扩展至有向有权图中,提出了效果更好的基于最小填充的树分解最短路径查询算法,并对查询算法求解集合的过程进行了优化,实验结果表明,随着数据规模的增长,算法的时间效率相对于采用二叉堆的Dijkstra算法得到数量级提高。     

混合光谱分解算法的太湖水体组分浓度反演分析

二类水体组份的遥感定量反演一直是水色遥感的难点和热点问题,原因在于其水体组分(纯水、叶绿素、悬浮物及CDOM)之间复杂的相互作用.本文引入光谱分解算法,通过Hydrolight软件模拟叶绿素、悬浮物和CDOM的标准反射率光谱,解决光谱分解算法中“纯端元”难以获取的问题.在此基础上建立了二类水体组分光谱分解反演模型.模型...     

基于局部均值分解和相关向量机的变形预测

基于改进局部均值分解（LMD）及加权核函数相关向量机（RVM）算法,构建多尺度变形预测新方法。利用LMD将变形数据分解成多个具有物理意义的变形分量,并基于遗传算法优化的RVM对每个变形分量分别进行预测。将各变形分量预测结果进行叠加,最终建立多尺度变形预测方法,并应用于大坝变形预测。实验结果表明,改进LMD-RVM方法的多个精度指标均优于BP神经网络方法、RVM方法和改进EMD-RVM方法,证实了新方法的有效性及可靠性。
     

函数模型与随机模型双约束的GPS-InSAR数据融合方法建立三维形变场

针对InSAR技术研究地表三维形变时监测信息不足的问题,以GPS监测信息为先验信息,建立附有随机模型约束的地表三维形变模型。考虑到SAR卫星极轨方式运行导致LOS向观测量对南北向形变不敏感的问题,以GPS南北向形变观测值作为强约束,构建三维形变解算的函数约束条件。模拟数据与西安地区实测数据的计算结果表明,基于随机模型与函数模型共同约束的地表三维形变参数最小二乘解的精度优于仅有函数模型约束或仅有随机模型约束及无任何约束的参数解精度。