对连续Hamming方法的改进及其在潜在震源判定中的应用a

本文提出了一种模式识别方法————改进的连续Hamming方法(ICHAM)。它从下面两个方面对使用连续资料的Hamming方法进行了改进。 1)考虑到更为一般的样品分布情况,用方差较小的那类样品计算Hamming核; 2)改进了对Hamming核的计算方法,使之处于方差较小的这一类样品的中心。 文中还给出了ICHAM法应用于北京及邻区潜在震源判定的实例。结果表明,其效果比二值Hamming方法及原来未改进的连续Hamming方法都好一些。检验表明结果较为稳定。      

对连续Hamming方法的改进及其在潜在震源判定中的应用

本文提出了一种模式识别方法——改进的连续Hamming方法(ICHAM)。它从下面两个方面对使用连续资料的Hamming方法进行了改进。 1)考虑到更为一般的样品分布情况,用方差较小的那类样品计算Hamming核; 2)改进了对Hamming核的计算方法,使之处于方差较小的这一类样品的中心。 文中还给出了ICHAM法应用于北京及邻区潜在震源判定的实例。结果表明,其效果比二值Hamming方法及原来未改进的连续Hamming方法都好一些。检验表明结果较为稳定。     

场地类型的图象识别

本文采用改进的连续亨明方法对兰州市城关区有张掖地区进行场地类型的图象识别。结构表明，将图象识别方法用于场地类型的划分是可行的。它不仅改进了以往经验的、宏观的工作方法，而且在方法上实现了数值和计算机化，在增进识别能力的同时，提出了识别的准确度和速度。利用图象识别方法可以综合分析地质构造、场地上，地形地貌等多种因素或特征，并对特征进行选择，定量地对场对类型进行识别分类。     

基于改进EWT和LogitBoost集成分类器的地震事件分类识别算法

快速、准确地识别天然地震和人工爆破事件是地震台网监测的重要工作之一,也是提高地震观测记录质量、开展地震研究工作的重要基础。针对反向传播神经网络、支持向量机等主流分类识别方法在地震事件分类识别应用上的不足,提出一种基于改进EWT和LogitBoost集成分类器的地震事件分类识别算法。首先,基于S谱能量曲线对传统经验小波变换进行改进,将信号自适应分解为按频率和能量分布的本征模函数;其次,提取P波与S波最大振幅比,前4个本征模函数的香农熵、对数能量熵,以及去噪后重构信号主频等特征;最后,采用基于集成学习LogitBoost的决策树集成分类器进行分类。实验结果表明,所提算法具有较高的鲁棒性,能有效解决样本不足的问题,识别准确率达93.1%以上,比集成学习AdaBoost、反向传播神经网络和支持向量机等方法提高了1%以上,且分类识别效果好。     

基于改进多分类孪生支持向量机的测井岩性识别方法研究与应用

岩性识别是认识地层及求解储层参数的基础,受地质环境复杂性和非均质性影响,测井曲线间存在着大量的信息冗余,数据集类间分布不平衡,常用的分类算法无法满足实际需求.针对常用分类算法容错性差,识别岩性单一和无法有效解决类间不平衡的问题,本文改进合成少数过采样技术(Synthetic Minority Over Sampling Technique,SMOTE)来处理数据集,可得到类间平衡的新数据集,并提出一种新的模糊隶属度函数改进模糊孪生支持向量机,在北美Hugoton油气田实际测井数据的基础上,用改进多分类孪生支持向量(Improve Multi Class Twin Support Vector Machine,IMCTSVM)综合自然伽马(GR)、电阻率(RL)、光电效应(PE)、中子密度孔隙度差异(DPHI)和平均中子密度孔隙度(PHIND)五种测井参数,以及相对位置(RELPOS)和非海洋/海洋指标(NM_M)两种地质约束变量,识别出9种岩性.将识别结果与传统支持向量机、深度神经网络等方法进行对比与分析,发现IMCTSVM算法优于上述两种分类算法,取得了较好的识别效果.     

一至数年内地震活动区最大地震震级的统计—模糊综合估计

本文介绍了几种应用于地震活动区一至数年内最大地震震级综合估计的统计方法与模糊数学方法。所用的统计方法包括分类概率预报方法、穿过理论方法和改进的极值理论方法。使用的模糊数学方法则有模糊聚类分析、模糊信息检索、地震活动平静异常的模糊识别与模糊自相似等方法。这些大都是近年来的最新研究成果。作为应用实例,文中给出了这几种方法对华北地区1989年最大地震震级的综合估计与检验结果。     

地震模式识别“PR”程序包的几种方法在北京及其邻区易发震地点识别中的应用

本文使用地震模式识别应用程序包—简称“PR” 程序包(the packageof program-to apple algorithms of pattern recognition)提供的CORA-3修改方法和Hamming方法,对北京及其邻近地区的地质、地貌和地球物理资料进行了新的研究。得到的结果如下:北京及其邻近地区M≥6.0级地震的震中主要分布在自新生代以来活动断裂(特别是主活动断裂)的交汇带内,新生代断陷盆地和新生代断陷盆地与平原或山区的接触地带。 本文对同一组资料用CORA-3方法、CORA-3修改方法、Hamming方法和加权Hamming方法的识别分类结果进行了比较。其中加权Hamming方法识别分类效果最好,CORA-3修改方法次之,Hamming方法和CORA-3方法更次之。 CORA-3方法可以通过识别的示性特征给出震中地区的地质背景及其相应的图象。Hamming方法计算简便、节约机时和内存,而且识别分类效果就本文而言,加权Hamming方法还略好于CORA-3修改方法。     

基于BP-Adaboost方法的天然地震和人工爆炸事件波形信号分类识别研究

BP神经网络和支持向量机(SVM)是两种主流的分类识别方法,用于天然地震和人工爆炸事件波形信号分类识别时取得了较好的效果。但BP神经网络存在易陷入局部最优及隐层数和隐层节点数与训练样本数据密切相关而无法有效预先确定;而支持向量机(SVM)方法则缺乏有效手段来选取合适的核函数,从中不能很好地扩展到多分类。针对天然地震和人工爆炸事件波形信号的分类识别问题,文中将上述两种方法和集成学习——BP-Adaboost方法进行了对比实验研究。据对所选用的地震、爆炸事件波形信号数据集的分类识别结果表明,BP-Adaboost方法得到了98%以上的正确识别率,并且具有较好的泛化能力。相较于BP神经网络和PCA-SVM方法,BP-Adaboost方法对于数据集的划分和识别结果具有更好的鲁棒性,应用于天然地震和人工爆炸事件波形信号分类识别时,可取得更好的识别效果。同时,结合Adaboost方法的原理,阐述了BP-Adaboost方法拥有更好分类结果和泛化能力的原因。     

谱比法场地分类研究综述

工程场地分类是抗震设计的基础性工作。本文总结了传统场地分类方法的基本思路,对目前新兴的基于强震记录的单点水平/竖直谱比场地分类方法做了重点介绍。从基于谱比卓越周期划分场地类别和基于谱比曲线形状划分场地类别两个角度归纳整理了目前这种方法,并且对国内外研究进展及其优缺点做了总结。目前我国强震动台网的部分台站缺少钻孔勘测资料,台站场地分类较为简化,这种方法可以作为一种有效的手段解决这一问题。最后结合我国的实际情况,对该方法实际应用中需要注意的一些问题做了探讨。     

基于BP神经网络的在役管线焊缝故障缺陷的分类识别

本文利用计算机辅助进行在役管线焊故障缝缺陷检测,在缺陷特征提取中提出圆形度、长宽比、填充度、尖部尖锐度、对称度、灰度比以及缺陷的重心坐标相对焊缝中心的位置等7个参数作为缺陷的特征值,可有效地分类识别不同故障缺陷。在缺陷分类的解决方案上,采用具有自组织、自适应的3层前馈式神经网络,运用改进的BP算法,以焊缝缺陷的特征参数作为神经网络的训练样本。本文还通过实验的方法,分析了初始权值、隐含层的神经元数量、动量系数、误差水平及学习速率对网络训练的影响。     

地震属性在天然气水合物识别中的应用

地震属性包含了大量的地质特征,对天然气水合物矿体识别起着重要作用.在对天然气水合物进行识别时,如何选取适用于工区的地震属性和分类方法是解决问题的关键.本文对神狐地区地震数据进行了优化处理,提取了15种地震属性.通过自组织神经网络分析技术对地震属性数据所反映的地质特征进行自动识别和分类,与实际测井数据进行反复对比,获得了工区水合物的识别图和雕刻图.研究结果与已知的钻井区域进行反复对比和综合分析,发现自组织神经网络在水舍物识别研究中起了良好的作用.     

AVO属性分析方法的改进及其在煤系地层中的应用

在进行AVO属性分析时,直接应用梯度和截距属性做交会图,往往无法将异常与背景趋势有效的分离开.特别在煤系发育的地层中,由于其顶、底界面通常为良好的波阻抗界面,会形成较强的反射波,从而掩盖周围地层的异常信息.基于以上原因,煤系地层中异常信息的分类提取,尤其是煤层气的识别方法一直备受关注.本文对一项AVO截距斜率交会图技术进行了改进,并深入分析了此方法在煤系地层中的应用.最终本文给出了所选区块不同类型异常的分类方法,并进行了实际验证,结果表明该方法用于异常反演有很好的效果.     

面向对象的遥感震害信息提取方法——以汶川地震为例

本文总结了近年来利用遥感影像进行震害信息提取的方法和研究趋势,随着遥感影像分辨率的提高,震害信息提取逐渐从传统的基于像元方法向基于对象的方法转变.文中以汶川地震为例,利用面向对象的分类方法提取了典型震害信息,并提出了面向对象的变化检测方法的工作流程.对震害建筑物破坏情况,分别用最小距离分类、马氏距离分类、支撑向量机分类和面向对象分类进行了实验研究,并对这几种不同分类方法的实验结果进行了对比分析.实验结果表明,面向对象的震害信息提取方法克服了传统的基于像元的分类方法的缺点,提高了建筑物识别的精度,在建筑物震害和地震次生灾害的信息提取中取得了较好的效果.     

结合遗传算法的LVQ神经网络在声学底质分类中的应用

学习向量量化（Learning Vector Quantization,LVQ）神经网络在声学底质分类中具有广泛应用. 常用的LVQ神经网络存在神经元未被充分利用以及算法对初值敏感的问题,影响底质分类精度. 本文提出采用遗传算法（Genetic Algorithms,GA）优化神经网络的初始值,将GA与LVQ神经网络结合起来,迅速得到最佳的神经网络初始权值向量,实现对海底基岩、砾石、砂、细砂以及泥等底质类型的快速、准确识别. 将其应用于青岛胶州湾海区底质分类识别研究中,通过与标准的LVQ神经网络的分类结果进行比较表明,该方法在分类速度以及精度上都有了较大提高.     

框架结构损伤识别的改进直接解析法

在一般直接解析法的基础上进行模态截尾误差的改进,从而大大降低了测量模态数目,而且识别效果也很好,但迭代次数多且收敛比较慢,本文通过改进方程解法来提高其速度。作者将约束最小二乘法迭代迅速的特点和极小最小二乘法搜索寻优功能相结合,提出了一种混合迭代求解方法,改进的方法充分组合了一般方法的搜索能力强和约束最小二乘法求解精度高的优点,从而解决了改进模态截尾误差后迭代收敛慢的问题。通过对五层两跨的平面框架结构进行损伤识别数值模拟分析后表明改进的方程解法是有效的,与一般的方法相比,算法收敛速度明显加快,求解精度明显提高,验证了改进后方法的可行性与准确性。     

基于Landsat-8与ZY3多源遥感影像的城镇居民地识别与再分类研究

精细的居民地数据对地震灾害风险分析具有重要意义。 为得到具有较高时效性与精细度的居民地数据, 充分发挥其对人口、 建筑物空间展布的指示作用, 本文综合利用多源遥感影像的优势, 基于分层分类思想开展城镇居民地识别与再分类研究。 以甘肃天水秦州区的主城区为例, 采用具有较高时效性的Landsat-8 OLI影像, 建立决策树分类模型识别出居民地轮廓; 在居民地轮廓内部, 进一步采用资源三号卫星(ZY3)高分影像, 利用面向对象方法进行居民地内部的建筑群再分类, 最后得到了具有不同精细程度的居民地数据。 实验结果中Landsat-8土地覆盖分类总体精度为92%(其中居民地识别率达86%), 城镇居民地再分类的总体精度为81%, 说明了本文研究方案的可行性。     

改进的K近邻方法在岩性识别中的应用

岩性识别是石油勘探中的一项重要内容,数据信息的精度往往会严重的影响到识别的准确率．本文根据数据的特点,改进了传统的K近邻方法,提出了加权K近邻的方法,进一步增强了利用测井数据识别岩性的能力,并在实际应用中证明了本方法的正确性和实用性．     

断层识别方法综述及研究进展

断层解释是地震资料解释的基础与关键,准确合理的断层识别关系到构造图的精度,同时控制着油田的注采关系,对油气开采起着至关重要的作用.随着油田对断层解释精度需求的日益提高,单纯通过人工解释难以达到较高的精度,因此多种断层识别和解释方法应运而生.本文调研国内外大量相关文献,对多种断层识别方法进行分类和总结,并将常用的断层识别技术划分为四类,即:常规识别方法、地震属性识别方法、自动追踪解释方法和图像处理识别方法.重点介绍了目前应用较为广泛的断层识别方法,如相干体技术、曲率属性识别技术、方差体技术、蚂蚁追踪技术以及边缘检测技术.对每种方法的基础原理、发展历程、适用性、优缺点及实际应用效果进行了归纳总结,为其他学者进行断层识别方法研究提供参考.最后对断层识别技术未来的发展趋势做了几点展望:寻找新的对断层具有明显响应的地震属性;针对不同岩性,不同沉积环境下断层识别技术的应用;基于叠前地震数据的断层识别方法.     

一种改进的重力梯度全张量数据的边界识别方法

边界识别是重力资料解释中的一项重要任务.随着重力梯度测量技术的迅速发展,重力梯度张量数据在边界识别中的应用越来越广泛.本文重点研究了随着深度的增加,边界识别能力下降,正负异常中出现假边缘的问题.另外,有些边缘检测方法对走向不同的地质体识别能力有所差异.本文对基于重力梯度张量的水平方向Theta法进行改进,通过选择合适的阈值来减少虚假异常,提出了一种改进的重力梯度全张量数据的边界识别方法(IED).通过模型试验的对比,证明该方法不再受地质构造走向的影响,对不同深度的地质体边缘检测清晰、连续,且正负异常之间无虚假边界.最后,将该方法应用于加拿大圣乔治湾的重力梯度张量资料,其结果显示了更多的地质细节.     

基于深度学习的地震断层智能识别研究进展

高精度地震勘探技术的发展与广泛应用对断层解释提出了新的要求,在构造复杂地区断层连续性差、识别难度大等问题严重限制了复杂地区油气藏勘探开发.深度学习作为一种新兴技术,为地震断层识别提供了新的方法.本文调研与分析多种地震断层智能识别方法,将断层智能识别网络分为两类:分类网络与语义分割.并分析经典卷积神经网络、残差网络、FC...