油气储层表征与随机建模的发展历程及展望

使用MEMS传感器及其配套技术,近源监测花岗岩样品的受压破裂过程。在岩样完全破裂前近360s的受压过程中,观测到四次微破裂相对集中发生。对岩样不同部位所记录到的微破裂产生的加速度及幅频特性进行了详细讨论。压机油泵产生的噪声在岩样内部的传递,可以很好地表征岩样内部物理状态的变化。预示MEMS技术在震源过程监测和微地震成像以及噪声成像领域有广阔的应用前景。     

中国林权制度改革和水权制度改革的比较与借鉴（英文）

集体林权制度改革和水权制度改革是从上世纪80年代中国改革开放以来,由中国政府主导的两种资源制度改革。林权制度改革已经完成,水权制度改革正在进行。本研究剖析了集体林权制度改革,总结梳理出林木采伐限额制度、林权补偿措施、林权确权手段和林权交易平台四个具有典型代表的改革成功措施经验,为水权制度改革提出相对应的弹性取水指标、水权流转所涉及的补偿措施、水权确权处理和各形式水权交易平台四方面切实可行的建议。这将弥补中国体制下两种重要的资源制度改革之间对比研究领域的不足,以期为推动国内外水权制度的进一步改革和发展提供参考。     

基于改进矩匹配算法的珠海一号高光谱卫星影像相对辐射校正

珠海一号高光谱卫星影像部分波段存在着噪声干扰,严重影响了数据的质量与信息利用.本文分析了珠海一号高光谱卫星数据噪声的特点,在矩匹配算法的基础上,使用移动窗格对影像进行分段处理,并采用距离加权计算与去除极端值统计数据的方法提高参考值的准确度,实现了基于影像的相对辐射校正.实验结果表明,与传统矩匹配法和傅里叶滤波法相比,本文方法能有效去除遥感影像中存在的噪声,并能较好保留原影像的辐射特征.     

最小二乘支持向量回归滤波系统性能分析

支持向量机(Support Vector Machine: SVM)一直作为机器学习方法在统计学习理论基础上被研究和发展,本文从信号与系统的角度出发,证明了平移不变核最小二乘支持向量机(Least Squares SVM: LS-SVM)是一个线性时不变系统.以Ricker子波核为例,探讨了不同参数对最小二乘支持向量回归(Least Squares Support Vector Regression: LS-SVR)滤波器频率响应特性的影响,这些参数的不同选择相应地控制着滤波器通带上升沿的陡峭性、通带的中心频率、通带带宽以及信号能量的衰减,即滤波器长度越长通带的上升沿越陡,核参数值越大通带的中心频率越高,且通带带宽越宽,正则化参数值越小,通带带宽越窄(但通带中心频率基本保持恒定),有效信号幅度衰减越严重.合成地震记录的仿真实验结果表明,Ricker子波核LS-SVR滤波器在处理地震勘探信号的应用中,滤波性能优于径向基函数(Radial Basic Function: RBF)核LS-SVR滤波器以及小波变换滤波和Wiener滤波方法.     

西藏邦浦钼铜多金属矿床稀土元素特征

冈底斯斑岩铜矿带是青藏高原腹地内一条与玉龙斑岩铜矿带斜交的重要的斑岩铜矿带,是西藏乃至中国最重要的铜(钼)成矿远景区之一,有望成为西藏第二条"玉龙"铜矿带.     

混沌噪声背景下检测微弱信号的神经网络方法分析

地震勘探资料的噪声许多呈现混沌现象，利用传统的去噪方法效果并不理想，如何根据混沌固有的性质，对地震勘探资料中的有效信号进行提取是许多科学工作者极为关注的问题，针对这种混沌噪声下的微弱信号检测，本文提出三种神经网络方法并对此进行比较，理论分析及仿真实验表明这三种神经网络在信噪比达到—37dB时，均能检测混沌噪声背景中的微弱信号。     

微弱信号混沌检测临界阈值的Lyapunov指数算法

提供一种微弱信号混沌检测中临界阈值的判定方法，将Lyapunov特性指数作为混沌判据引入了微弱信号混沌检测领域，为混沌检测提供了一种量上的判据、并将这种算法与其它算法进行比较，仿真实验充分证明了该方法的有效性和优越性。     

基于时频分析与分数阶最优控制网络的地震数据噪声压制

在复杂的地表环境,地震勘探采集到的实际地震资料信噪比较低,分辨率较差,接收的噪声能量较强,与有效信号存在频谱的重叠.常规的消噪手段很难在保证有效信号幅值的同时,还兼顾噪声压制的效果.本文采用基于分数阶最优控制(Fractional Optimal Control)理论建立的深度学习神经网络——FOCNet来压制地震数据噪声,并恢复微弱同相轴.不同于传统深度学习网络(DCNN)算法大多为基于经验的网络设计,FOCNet具有坚实的数理基础,它从动态系统的最优控制角度阐述了网络的原理,并采用长期记忆的方式增强了网络的稳定性,提高了系统对噪声的消减能力.针对地震数据有效信号在低频带与噪声重叠严重,且FOCNet对数据中、高频信息保留更好这一情况,本文提出了一种基于理想时频分析与FOCNet相结合的算法(TF-FOCNet)来压制地震噪声,提取有效信号.该算法通过理想时频分析,针对性的提取信噪重叠的低频目标数据成分,并与数据的中、高频成分一起送入网络中进行处理并融合,完成噪声的压制,增强了低频信息的保留能力.模拟及实际的实验结果验证了算法在随机噪声、面波压制及微弱信号恢复上的有效性和优越性.     

陆地地震勘探随机噪声统计特性

在地震勘探随机噪声压制领域,噪声通常被假设为平稳、高斯随机过程的信息.然而,在某些情况下,这样的假设并不准确.本文应用现代统计检验方法对地震勘探随机噪声的平稳性、高斯性和线性进行了研究.结果表明地震勘探随机噪声并不是传统意义上认为的平稳随机过程,其平稳性受到噪声时长和采集环境复杂程度的影响.发现噪声时间越长,采集环境越复杂,随机噪声的平稳性越差,但是对于短时长随机噪声而言,其可以近似认为是平稳的.同时,采集环境的复杂程度也影响着随机噪声的高斯性和线性特性,环境条件越复杂,随机噪声高斯性越好,线性特性越差,但总的来说随机噪声可以归为线性非高斯随机过程.     

丘陵地带地震资料随机噪声压制新技术:高阶加权阈值函数的Shearlet变换

随着山地和丘陵地震勘探环境的复杂化,传统的消噪方法已经难以有效地压制地震记录中的随机噪声.Shearlet变换是一种新的多尺度多方向的时频分析方法,具有良好的稀疏表示特性,并且在每个尺度进行方向分解,非常适合用于地震信号随机噪声的压制.但是传统的Shearlet变换去噪方法采用的是硬阈值,在抑制随机噪声的同时也消除了很多有效信号,使得去噪之后的地震资料出现虚假的同相轴,为了解决这一问题我们提出高阶加权阈值函数.高阶加权阈值函数不但整体上连续性较好,而且克服了硬阈值函数存在剧烈的变化的缺点以及软阈值在处理较大Shearlet系数总存在恒定偏差的问题,同时保留了传统的软硬阈值函数的优点.实验结果表明这种基于高阶加权阈值函数的Shearlet变换去噪的方法,可以有效的消除模拟地震信号和实际丘陵地带地震信号中的随机噪声,同时很好的保留有效信号的幅度.