交会图和Carbon软件在火山碎屑岩识别中的应用

针对火山岩储层的特殊性(复杂性、离散性和随机性),应用交会图及Carbon软件对火山岩测井解释中岩性识别问题进行了研究。该方法的技术关键是交会图的选取,以交会图和Carbon软件为基础实现对岩性的识别。将研究方法应用在海拉尔地区火山碎屑岩岩性识别问题中,取得了很好的效果,岩性解释符合率80%。     

松辽盆地东岭地区深层火成岩测井特征与岩性识别

以松辽盆地东岭地区深层火成岩地层为研究对象,基于录井、岩心、薄片分析等岩性资料,建立火成岩岩性与测井响应的关系,绘制了利用测井响应识别火成岩岩性的图版。并利用自组织神经网络方法识别岩性,取得了良好的效果。     

被动微波反演裸露区土壤水分综述

被动微波具有全天候、穿透性以及不受云的影响等特征,使其在反演土壤水分时具有很大的优势。通过研究发现,被动微波遥感是反演土壤水分的各种技术中最有效的方法之一。概括了主要的被动微波传感器并从被动微波遥感的原理出发,针对被动微波遥感裸露区地表随机粗糙面的模型以及土壤水分反演算法作了简要介绍。     

探地雷达信号特征分析和分辨率提高方法研究

探地雷达信号的奇异点或突变点作为雷达信号的重要特征通常反映介质重要信息,如电性变化界面或异常体等。分析了探地雷达信号在Hilbert变换下,利用小波变换确定探地雷达信号奇异点位置的方法。解决了传统傅立叶变换只能从整体检测探地雷达信号奇异性的局限性。并且由于小波变换良好的时频局部化特性,进一步讨论了其在提高探地雷达信号分辨率的研究中的应用。     

陆相沉积的天文地层研究方法简介——以井下地层为例

通过对我国大陆三十余口井的测井资料研究成果,归纳出对陆相地层进行天文地层研究的方法。介绍了所用的新的天文周期理论值、测井资料的选取及预处理方法,重点说明谱分析的数据点数的选定、不同参数(自然伽玛、自然电位和岩屑)的测井资料谱分析结果的对比,以实例说明如何选定主要优势旋回和AR值,以及FIR数字滤波器的基本性质和数字滤波结果,小波分析的特点和通过小波图进行调频的方法,并介绍了地层单位的延续时间计算和年龄确定方法。     

东营凹陷牛庄地区沙三段层序地层分析

山东济阳坳陷东营凹陷牛庄地区沙三段层序地层分析是在三级层序划分的基础上,通过对沉积体系发育特征和气候旋回单元的识别和解剖,建立了高精度层序地层单元的基本构型。气候旋回包含了从干旱枯水期到潮湿湖泛期的完整过程,沉积响应为受湖平面变化、沉积物供给等因素控制的多种方式叠置的湖底扇和前积体等,多期气候旋回叠合构成了湖泊层序的基本面貌。通过气候旋回的识别,可以对不同级别层序间的包含关系,以及高精度层序的内部构成进行分析和讨论。     

Java多线程及多点连接技术在WebGIS数据传输中的应用

目前空间数据的传输效率低下已成为制约WebGIS发展的主要瓶颈之一。多线程技术以及多点连接在提高系统吞吐率、有效利用系统资源、改善用户任务之间的通信效率等方面有着显著作用。本文采用地图分层和图面分割的方法以及Java多线程和多点连接技术实现了WebGIS空间数据的高效传输。     

基于对应分析的训练样本的选择

本文提出一种基于对应分析的训练样本的选择方法。它从训练样本中自动地选择有代表性的典型训练样本,使得在自动分类中充分利用所采集的样本信息,以便得到满意的分类结果。通过实验与分析证明,该方法是可行的,它明显优于人工随机选择训练样本的方式。与基于Q型因子分析的训练样本选择方法相比,可以更快地得到较少的典型样本,满意的分类精度。     

基于神经网络的遥感影像分类方法研究

本文在研究BP神经网络和模糊理论的基础上,提出了传统BP算法的一种改进方法和基于模糊系统的神经网络遥感影像分类方法。通过试验表明:基于模糊技术的神经网络分类方法要优于BP神经网络方法,取得了令人满意的效果。     

Comparison of Three Tropical Cyclone Intensity Datasets

Analyzed in this paper are the 16-yr (1988-2003) tropical cyclone (TC) intensity data from three major forecast centers of the western North Pacific, i.e., China Meteorological Administration (CMA), Regional Specialized Meteorological Center Tokyo (RSMC Tokyo), and Joint Typhoon Warning Center (JTWC) of the United States. Results show that there are significant discrepancies (at 1% significance level) in the intensity of TCs among the three centers, with a maximum difference for the same TC over 30 m s-1. The flight reconnaissance over TC can minish the discrepancy to some extent. A climatic and persistent prediction model is set up to study the impact of initial data from different forecast centers on the prediction of TC intensity. It is obtained that the root mean square error (RMSE) of a 4-yr independent test is the largest using data from JTWC, while the smallest using data from RSMC Tokyo. Average absolute deviation in 24-h intensity prediction is 2.5 m s-1 between CMA and RSMC Tokyo data, and 4.0 m s-1 between CMA and JTWC data, with a maximum deviation reaching 21 m s-1. Such a problem in the initial value increases the difficulty in intensity prediction of TCs over the western North Pacific.