煤层采动顶板水文地质参数演化与矿井涌水量动态计算方法

矿井工作面涌水量预测对确保矿山安全、优化资源配置、提高工作效率等都具有重要作用。为提高预测结果的准确性和稳定性,基于钻孔水位和微震能量数据与涌水量的强关联性,选择其作为多因素特征变量,提出SSA-CG-Attention多因素矿井工作面涌水量预测模型。该模型在门控循环单元(Gated Recurrent Unit,GRU)提取时序特征的基础上,与卷积神经网络(Convolutional Neural Network,CNN)融合形成新的网络结构提取数据的有效非线性局部特征,并且加入注意力机制(Attention),在预测过程中将注意力集中在输入元素上,提高模型的准确性。最后通过麻雀搜索算法(Sparrow Search Algorithm,SSA)优化模型参数,避免局部最优解的问题。将提出的模型分别与传统的BP神经网络、LSTM、GRU单因素涌水量预测模型以及MLP、SLP、SVR、LSTM、GRU、SSA-LSTM、SSA-GRU多因素涌水量预测模型的预测结果进行对比分析,结果表明：SSA算法以最少迭代次数快速寻优,避免了局部最优解的缺陷;SSA-CG-Attention多因素涌水量预测模型整体预测指标绝对误差(E_MA)、均方根误差(E_RMS)以及平均绝对百分比误差(E_MAP)分别为5.24 m³/h、7.25 m³/h、6%,指标方差和为8.90。相较于其他预测模型预测精度更高,相较于单因素涌水量预测模型,多因素涌水量预测模型预测结果更加稳定。研究结果为矿井工作面涌水量预测提供了新的思路与方法,对矿井工作面涌水量预测及防控有着借鉴与指导作用,具有一定的理论价值和现实意义。

     

一种基于迁移学习的栅格型图表自动分类方法

图表自动分类是实现图表内容解译及信息提取的前提.基于Inception V3模型,采用迁移学习的方法,对图表自动分类方法进行了研究,提出了对5类栅格图表进行自动分类的模型.通过与传统的图表自动分类方法的对比试验,测试了在不同学习率参数下模型的分类效果,给出了针对结构化特征的指数衰减学习率的数学表达式.结果表明:采用迁移...     

异源遥感影像特征匹配的深度学习算法

针对异源遥感影像的成像模式、时相、分辨率等不同导致匹配困难的问题,提出了一种基于深度学习特征的匹配方法CMM-Net.首先,利用卷积神经网络提取异源遥感影像的高维特征图,根据同时满足通道最大和局部最大两种条件选取关键点,并在特征图上提取相应位置的512维描述符.在匹配阶段,完成快速最近邻搜索特征匹配后,为解决误匹配点多...     

DCLS-GAN:利用生成对抗网络的天绘一号卫星高原地区影像去云方法

利用深度学习开展高原地区卫星影像去云是一个研究热点.本文提出了基于DCLS-GAN的天绘一号卫星高原地区影像的去云方法,采用对抗学习的思想构建深度卷积对抗生成网络,自主学习影像中云覆盖部分的典型地表特征,从而恢复云覆盖下垫面形貌.基于Encoder-Decoder结构生成网络,构建固定与可移动2种云区掩膜,在矩形固定中...     

基于深度学习的计算机辅助诊断系统在肋骨骨折诊断中的应用

目的:探讨基于深度学习(DL)的计算机辅助诊断(CAD)系统在肋骨骨折诊断中的应用价值。方法:回顾性分析232例胸部外伤患者CT图像并采用3种方式阅片。CAD系统阅片:应用CAD系统行肋骨骨折检测并记录结果;医师阅片:两名具有6年肋骨骨折CT诊断经验放射科主治医师独立阅片并以两人一致意见作为诊断结果;CAD系统辅助医师阅片:CAD系统辅助两名医师采用共同阅片模式阅片。金标准:两名具有15年以上肋骨骨折CT诊断经验的放射科高年资医师对患者初诊及复诊CT独立阅片,结果不一致时以两人协商一致的意见作为肋骨骨折诊断金标准。计算并比较3种阅片方式的敏感度、假阳性率及阅片时间。结果:232例患者共发现712处肋骨骨折。CAD系统阅片敏感度为81.2%,CAD系统阅片敏感度低于医师,医师阅片敏感度低于CAD系统辅助医师阅片。CAD系统阅片假阳性率为0.48±0.13,在3种方式中最高,医师阅片与CAD系统辅助医师阅片假阳性率差异无统计学意义。CAD系统阅片时间为(2.45±0.92)s,在3种方式中耗时最少,CAD系统辅助医师阅片时间少于医师阅片且阅片时间减少34.2%。结论:进一步提高敏感度并降低...     

改进的混合2D-3D卷积神经网络高光谱图像分类研究

卷积神经网络在进行高光谱图像分类时,往往需要设置较多的参数,因此其计算效率受到很大影响。基于混合卷积神经网络模型,本文利用全局平均池化层代替原有的全连接层,将卷积层输出的多个特征图映射为一个特征点,并将多个特征点构成一维向量,形成改进后的混合2D-3D卷积神经网络模型;最后,对改进后的模型分别在IP(IndianPines)数据集、PU(PaviaUniversity)数据集及Botswana数据集上进行测试。结果显示,总体分类精度分别达到99.64%、99.98%、99.91%。这表明在大量减少参数的条件下仍具有较好的分类性能。     

基于深度学习的高分辨率航空遥感影像单木识别技术研究

城市森林监测的数字化和智能化是未来发展的主要趋势。利用上海市2020年航空影像和植被冠层高度模型,采用U-net卷积神经网络对上海市金山区乔木林进行单木自动识别研究。研究结果表明：利用计算机深度学习自动识别金山区乔木林单株约454万棵;不同林地类型单木自动提取的精度不同,常绿林地的单木提取精度最高为90.77%;不同郁闭度表现出不同的识别精度,不同郁闭度林地的计算机单木自动识别精度均高于80%。本研究将为上海市森林资源的智能化和数字化管理提供技术支持和科学依据。     

分层层间多次波预测与自适应压制方法研究

在地震勘探中,层间多次波在地震剖面上形成的虚假界面会严重影响对地质构造的解释.由于层间多次波在走时、频率和形态上与一次波的差异较小,因此较难对层间多次波进行识别和压制.本文使用分层层间多次波预测方法与基于2D卷积信号盲分离的多次波自适应相减方法相结合的策略对层间多次波进行压制处理.首先推导并阐述了分层层间多次波预测方法的理论基础,然后对地下介质中存在的多个多次波产生界面实现了层间多次波的分层预测,最后采用基于2D卷积信号盲分离的多次波自适应相减方法对层间多次波进行压制,以更好的保护有效信号.分层预测的方法通过分离层间多次波产生层位,对目标层位产生的所有层间多次波直接进行预测,该方法避免了共聚焦点方法构建共聚焦点道集的聚焦运算,降低了计算成本,同时该方法是基于数据驱动的,算法容易实现.模型数据和实际地震资料试算结果表明,本文方法能直接利用地表数据对层间多次波进行压制,并有效的保护一次波．     

基于车载点云数据的道路交通指示标志检测方法

测绘技术硬件、软件技术的发展为三维地理空间数据的高效获取提供了有效便捷,随着测绘新技术的发展与成熟,为实景三维中国、新型基础设施建设等提供重要支撑。基于此,本文基于移动车载激光扫描点云数据,研究并提出一种道路交通指示标志检测方法,提升道路交通指示标志检测效果,探索智能化测绘的实际应用。首先,按照车载激光扫描系统采集车载点云数据时,存储的扫描点反射角度,构造双向扫描线索引,按照扫描线上车载点云数据的空间分布特征,通过移动动态窗口分类交通指示标志与其余地物车载点云数据;其次,通过Canny边缘检测算法,在交通指示标志车载点云数据内,提取交通指示标志边缘信息;最后,在双线性卷积神经网络内输入交通指示标志边缘信息,提取交通指示标志特征,结合支持向量机,输出交通指示标志检测结果。实验证明：该方法可有效采集道路交通环境的车载点云数据;可有效分类交通指示标志与其余物体车载点云数据,并完整提取交通指示标志边缘信息,完成道路交通指示标志检测;在不同光照条件下,该方法的道路交通指示标志检测的一个用来评价二分类模型优劣的常用指标AUC值均接近1,检测精度较高。