基于融合残差注意力机制的卷积神经网络地震信号去噪

由于U型卷积神经网络(Unet)在地震数据去噪中存在计算量大、网络退化和泛化能力弱等问题,本文为了提高去噪效果以及增强模型的泛化性,提出了一种融合残差注意力机制的卷积神经网络(RAUnet)。该网络结构主要由编码和解码两部分构成,网络的每个卷积层之后都加入了批标准化和带泄露整流激活函数。在编码器中,为了提高对噪声的提取能力,引入了残差结构和卷积块注意力模块。残差结构利用残差跳跃连接的方式减弱了网络退化,降低了特征映射的难度。卷积块注意力模块使用通道和空间的混合注意力权重,能提升相关度高的特征并抑制相关度低的特征。在解码器中,为了提升特征融合的维度恢复能力,选用双线性插值方式进行上采样。实验测试结果表明,对于合成地震信号,本文方法对简单模型和复杂模型随机噪声的压制效果均更有效,并且更好地保护了有效信号;对于实际地震信号,本文方法仍然能在去噪的同时尽量保持有效信号中的细节,对叠前数据和叠后数据都展现出了良好的泛化性。     

张家口-宣化盆地现今地壳变形特征与断层滑动速率反演

基于PS-InSAR结合先验条件的最小二乘迭代逼近法,利用3轨道Sentinel-1数据获取张家口-宣化盆地及周边区域地表三维形变速率场,并在此基础上使用剖面投影法和由刃型位错提出的倾滑断层震间形变数学表达式,反演得到张家口断裂和宣化盆地南缘断裂滑动速率和闭锁深度。断层参数结果显示,张家口断裂中段和宣化盆地南缘断裂闭锁程度较高,具备发生中强以上地震的应变能积累背景条件。     

桂北新寨角闪花岗岩角闪石矿物化学特征及其指示意义

对桂北新寨侵入岩体中的角闪花岗岩进行了详细的偏光显微镜观察和系统的矿物化学研究,并在此基础上,基于电子探针分析结果选取共生的角闪石和斜长石,估算了该岩体侵位时的温压条件、氧逸度和含水量。岩相特征观察显示,新寨角闪花岗岩中主要发育有自形、未蚀变半自形/他形和强交代半自形/他形3种主要类型的角闪石,是岩浆侵位过程中在不同深度的结晶产物或交代蚀变产物。电子探针研究结果显示,新寨花岗岩中角闪石成分变化较大,且在岩浆侵位过程中呈现出Al₂O₃、FeO^T、Na₂O、TiO₂、K₂O含量降低但MgO、SiO₂含量升高的趋势。矿物温压计估算结果显示自形和未蚀变半自形/他形角闪石的结晶压力分别为0.28~0.30 GPa和0.19~0.26 GPa,对应的结晶温度分别为767~783℃和740~764℃。温压计算结果表明新寨岩体初始侵位深度应大于11.3 km,且侵位过程是一个近乎等温降压的过程,变压结晶作用为新寨侵入体持续侵位过程中的主要结晶方式。角闪石结晶时具有较高的氧逸度,变化范围在ΔNNO+0.1（log f_O2=－13.5）到ΔNNO+0.5（log f_O2=－12.9）之间。角闪石结晶时熔体含水量为4.9%~6.4%,但在侵位到中地壳7.0~9.5 km时经历了由于降压引起的流体出溶。角闪石化学组成指示其母岩浆属于钙碱性的中酸性岩浆,来源于壳幔混合,且在侵位过程中不断有壳源物质加入。     

一种面向生态环境领域的知识图谱构建方法

面向生态环境领域,提出了一种利用文献文本的领域知识图谱自动构建方法。首先利用机器学习技术抽取生态环境领域的关键词和关键关系;再结合统一建模语言系统构建生态环境领域知识图谱模式层,并以该模式层为指导建立生态环境领域语料库;然后采用深度学习方法从文本文献中自动抽取关键信息,通过来源指数和校验次数保证抽取知识的置信度;最终实现知识图谱的自动化构建与可视化展示。结果表明,利用2 000万字规模的文献文本可得到含29 490条知识三元组的知识图谱,利用Transformer模型抽取的总体精度为96.27%。     

基于重力的莫霍面反演方法比较

详细回顾了基于重力方法反演Moho面的地壳均衡理论(包括普拉特-海福特模型、艾黎-海斯卡涅模型、维宁曼尼斯区域模型3种经典模型)、Vening Meinesz-Moritz (VMM)反演理论、Parker-Oldenburg(P-O)反演理论、Parker-Oldenburg扩展反演理论、直接法反演理论等算法的研究现状,并阐述了各种算法之间的区别和联系。同时,详细论述了地壳均衡理论与Moho面反演之间的区别和联系。重点剖析了重力反演Moho面算法的优点和局限性,为高精度、高分辨率反演Moho面深度提供了理论指导。最后对重力反演Moho面方法进行了展望,并提出了新的解决方案。     

基于深度学习的农业大棚检测

农业大棚的即时空间分布信息能为相关农业部门提供农业管理和资源分配的依据,具有重要意义。针对这一需求,对比分析了深度学习模型FCN, UNet和HRNet在高分辨率遥感影像大棚检测任务上的性能,对FCN, UNet和HRNet模型在大棚检测方面的效果进行定量和定性分析。通过对比发现UNet等网络模型正确率均可达到90%以上,交并比IOU达到85%以上,其中HRNet的效果最好,正确率和IOU分别为92.79%和87.32%。实验表明基于深度学习的大棚检测方法可为快速精确获取大棚分布信息提供技术支撑,具有实用价值。     

基于Geoway Feature的基础测绘变化信息检测研究

随着各领域对基础地理信息现势性需求的增强,基础测绘工作需实现变化要素的实时处理,因此变化信息检测的效率与精度成为制约基础测绘更新效率的瓶颈。以提高变化信息提取的自动化程度、促进靶向性更新的快速开展为目标,依托Geoway Feature遥感信息提取软件,采用基于深度学习策略的计算机变化信息检测方法,对甘肃省庆城市区域多时相卫星正射影像展开试验,最后对实验效能予以评价,对其应用前景、研究方向进行了展望。结果表明Geoway Feature软件的检测结果的准确性与检测对象种类、样本库数量质量相关性大。     

煤矿采区高密度三维地震深度域资料解释方法

时间域地震资料解释比较成熟,深度域处理技术已经走向煤炭领域,但煤矿采区高密度三维地震深度域资料解释实际应用还存在很多问题。通过煤炭地震深度域层位标定、深度域断层解释、深度域底板成图的摸索应用,参考时间域解释的流程,初步建立在煤炭高密度三维地震深度域资料中直接解释煤田地质成果的方法。以淮北祁南矿三维叠前深度偏移地震资料应用为例,通过深度域、时间域地震数据的对比剖析,断层解释、回采面地震属性显示及底板成图,取得精度更高的结果,利于一线技术人员直接运用深度域地震资料来指导煤矿生产。      

藏北温泉盆地地热田水文地球化学特征研究

藏北温泉盆地地热资源丰富,但研究程度较低。为查明温泉盆地地热资源赋存状态及热源来源,揭示热循环机理,定量评估研究区热储温度、冷水混入比例、热循环深度等,利用温泉盆地地热田共18组温泉水样进行水化学分析,进行定量计算。结果表明:温泉盆地温泉水水化学类型主要为Ca-HCO3?SO4型。温泉盆地地下热水在向上运移过程中,受浅层地下水的混合作用影响,使得热水变为“未成熟水”。温泉水中文石、方解石等钙质热液的饱和度指数大于0。热储温度60.93~96.52 ℃,热循环深度3 238.06~5 215.28 m,冷水混入比例在20.97%~70.19%之间。硅-焓模型计算出未混入冷水时深部热储温度在81.94~167.26 ℃之间,热储循环深度4 405.56~9 145.56 m。      

深度学习在煤层气测井解释中的应用研究

将常规储层测井解释方法应用于煤层气储层测井解释,其效果存在一定的折扣。为了改善传统方法在煤层气测井解释中出现的问题,将深度学习的思想引入测井解释,提出受限玻尔兹曼机的数量、受限玻尔兹曼机隐含层神经元数量、分类阈值的确定方法,利用深度信念网络进行煤层识别及煤层气含气量的预测。实验结果表明：首先,在交会图法效果不好的情况下,通过深度信念网络进行煤层识别,继而对识别结果进行适当校正,煤层识别成功率可达到90%以上;其次,经过多种方法的对比,利用深度信念网络进行煤层气含气量预测的效果,要好于BP神经网络、多元回归统计以及Langmuir方程三种方法。深度学习改进了传统的BP神经网络,具备更强的复杂函数泛化能力,适用于煤层气测井解释,并具有进一步的推广价值。