排序方式: 共有38条查询结果,搜索用时 335 毫秒
1.
2.
3.
4.
用传递矩阵法求解多层层状弹性半空间轴对称动力问题的奇… 总被引:2,自引:0,他引:2
本文利用Laplace-Hankel联合变换及传递矩阵技术,导出了多层层状弹性半空间轴对称动力问题在层间完全接触情况下奇异解的一般解析表达式。本文方法概念清晰、公式简洁、易于应用。文中给出了计算实例,所得结果与文献的计算结果吻合较好。 相似文献
5.
6.
义马煤田义马组含煤岩系是一套典型的陆相沉积,岩性、岩相横向变化大。众所周知,在煤层底板中,直立树干化石是屡见不鲜的,但砂岩中存在有众多的直立树干化石且大部分都镜煤化实属少见。笔者在对义马组环境分析过程中注意了这一现象并对其成因和环境意义作了探讨。 相似文献
7.
井间地震方法观测到的波场信息丰富且复杂,其难点是如何识别和分离这些波场信息。这里从纵波波场为无旋场,横波波场为无散场出发,利用一阶速度~应力方程的交错网格高阶有限差分法,对井间弹性波纵、横波场分离问题进行了数值模拟。经数值模拟试验表明,同二阶的位移方程相比,使用等价的波场分离交错网格的一阶速度应力方程,无论是模拟精度还是模拟的稳定性方面都有了较大的提高,同时该横波资料的获取方法为井间地震资料的解释应用,提供了一种新的技术思路。 相似文献
8.
压缩感知技术通常利用地震信号在某一变换域内的稀疏性质,将随机缺失的地震数据重建问题转化为L1正则化问题.本文首先通过Shearlet变换获得地震信号的稀疏性质,再将广义全变分(TGV)约束引入L1正则化模型,构建了基于Shearlet变换的双正则化模型用于重建地下介质的图像.与传统L1正则化方法相比,基于Shearlet变换的双正则化方法不仅考虑了信号的稀疏性,同时兼顾了地下介质结构的复杂性,可以较好的重建地下结构体的图像.最后采用交替方向乘子法(ADMM)求解所建模型,每个子问题均可得到显式解.数值实验对比了基于小波变换、Shearlet变换的L1正则化方法和TGV正则化方法,结果表明基于Shearlet变换的双正则化方法对于随机采样50%数据的情况具有较好的重建结果,同时对于有限范围的连续缺失数据的重建亦具有一定的有效性.
相似文献9.
由于激发、接收及工区现场等导致野外采集的地震数据出现异常道,这时需要对地震记录道编辑处理.当数据量比较大时,人工进行道编辑工作量庞大.非人工做法主要是利用计算机将异常道剔除,没有对异常道细致分类,由此造成了大量的原始数据损失,异常道的产生原因也无从得知.随着计算机性能的提高,深度学习发展迅猛,卷积神经网络(CNN)在深度学习领域起着至关重要的作用.CNN避免了前期很多工作,可以直接输入数据训练模型,将模型用于分类预测.作为一种快速高效的识别算法,可以广泛应用到各个研究领域.本文对极性反转、单频信号、强振幅噪声、空道四种常见的异常道和正常道进行细致分类编号,利用优化的深度卷积神经网络算法识别坏道并进行有效分类,不仅有利于后续对相应道的特殊处理,而且有利于推断产生异常道的原因,在以后的工作中针对产生原因做相应的工作调整. 相似文献
10.
利用常规测井资料识别砂岩储层大孔道方法研究 总被引:4,自引:0,他引:4
通过对测井原理、水淹层解释、大孔道形成机理的研究,总结大孔道形成后在测井曲线上的响应特征,并利用层次分析原理对各个因素综合分析,提出1个准确合理的综合参数,最终实现人机交互式识别大孔道,称之为大孔道参数法。将其应用到大庆喇嘛甸油田大孔道判别中,取得令人满意的结果,正确率达80%以上。结果表明:大孔道参数法识别大孔道是行之有效的。 相似文献