地图复制印刷中图像还原定律的研究

根据地图复制印刷中图像变换的模型,推导了若干图像还原定律和推论,并给出数学证明,从而使地图复刊印刷中的相关经验知识,上升为理论的高度。     

局部地形校正的精密算法

对局部地形校正中的中央区奇异积分部分进行非奇变换,使用Simpson公式和Cotes公式推导出两种中央区的数值计算方法。试算结果表明,新方法可有效地提高地形校正的精度。     

混合模型中的层三角变换估计

提出了有着广泛应用的混合线性模型中参数估计的一种新方法,称层三角变换估计。将该变换用于检验和估计中,将产生一束套用于全面分析混合线模型的计算过程,这些过程在计算是稳定的,而且节省空间。     

新疆某区的油气非地震勘探研究

化控、遥感、土壤微磁、r能谱研究表明：不同的微地貌单元具有不同的背景场特征,遥感解译的六个微地貌单元代表不同的背景场区;数据分区标准化变换可以消除不同背景区的影响,是获取异常场的关键;通过异常分析,认为1,4,8呈构造所在地区为有利的含油气靶区,目前1号构造已见工业油气流,故4号和8号构造应予重视。     

基于数据分布域变换与贝叶斯神经网络的渗透率预测及不确定性估计

渗透率是储层评价和油气藏开发的关键参数.传统测井方法与常规机器学习方法估算的渗透率都是固定值.但由于测井数据本身存在噪声,渗透率的预测结果可能受到噪声的影响出现测量性的随机误差(即任意不确定性);同时,当测试数据与训练数据存在差异时,机器学习模型在预测渗透率时可能出现模型参数的不确定性(即认知不确定性).为实现渗透率的准确预测并量化两种不确定性对结果的影响,本文提出基于数据分布域变换和贝叶斯神经网络同时实现渗透率预测及其不确定性的估计.提出方法主要包括两个部分：一部分是不同域数据分布的相互转换,另一部分是基于贝叶斯理论的神经网络渗透率建模预测和不确定性估计.由于贝叶斯神经网络存在数据分布的假设,当标签的概率分布与网络的分布保持一致时,贝叶斯神经网络可以更好的学习到数据之间的关系.因此通过寻找一个函数将一个原始域的渗透率标签转换为目标域的与渗透率有关的变量(我们称为目标域渗透率),使得该变量符合贝叶斯神经网络的分布假设.我们使用贝叶斯神经网络预测目标域渗透率以及任意不确定性和认知不确定性.随后,通过分布域的逆变换,我们将目标域渗透率还原回原始域渗透率.应用本文方法到某油田的18口井的测井...     

不同小波基对水泥路面脱空信号时频特征的影响

水泥路面脱空是导致路面板块断裂的主要因素,及早确定脱空区域的范围,可为水泥路面结构安全性的力学分析提供依据,避免断板现象．以水泥路面脱空病害为研究对象,采用正演模拟方法研究了脱空形状和深度对探地雷达（Ground Penetrating Rada,GPR）响应信号的影响．使用连续小波变化（Continuous Wavelet Transform,CWT）提取脱空区域信号的时频域特征,并用CWT时频特征重构脱空区域的3D模型．在此基础上,研究了不同小波基对脱空特征的影响,并在室内模型上进行验证实验．结果表明,正演模拟与室内模型的脱空特征一致,且脱空与正常路面的GPR信号在时频域差异明显,CWT图谱能量集中区域可表征脱空的深度和范围;不同小波基函数的CWT处理结果不同,相比于morse小波和bump小波,amor小波的CWT的处理结果更精确,更能反映脱空的时频特征;CWT时频特征可实现脱空病害的3D可视化,为分析脱空区域范围提供参考,这为后续开展道路养护提供理论依据．     

基于改进的希尔伯特-黄变换的地震强震动特征提取

2021年5月21日漾濞M_s6.4地震是云南近10 a以来继M_s6.5鲁甸地震和M_s6.6景谷地震后发生的又一次破坏性浅源地震,其震中位于滇西北地区维西-乔后断裂带附近。震源机制结果显示：此次地震属于走滑型破裂,符合区域构造特征。为进一步研究该地震强震动特征,特引入改进后的希尔伯特-黄变换(HHT),以不同角度客观分析强震动的尺度和频域特征。研究结果表明：希尔伯特-黄变换在对实际地震动记录进行特征提取后,得到的边际谱和时频谱可在一定程度上保留原始数据的主要信息,该方法可为类似破坏性浅源地震的强震动特征分析提供更有效的信息参数,保证了信号分解的稳定性,更适于处理非平稳信号,可为现代信号应用分析于强震动特征提供另一种新思路。     

青海都兰地电场地震异常统计特征研究

在地震孕育发生过程中,不同频率地电场观测出现异常现象已有相关报道,但地电场不同频率成分与地震震级(能量)的相关性统计特征仍不清晰。文章基于小波变换对都兰台地电场观测资料进行分析处理,使用滑动相关性方法对地电场不同频率成分与台站周围400km范围内地震事件进行分析研究,并以青海玛多M_S7.4地震前后大地电场优势方位角计算结果进行回溯性检验。结果表明：(1)都兰地电场不同频率成分不仅在地震孕育发生过程中会出现异常现象,而且出现异常的频率与地震事件震级(能量)存在一定关联性：高频成分(3.4h和8h)与■及■两个地震序列的地震事件均有关联性,其中与■在震前约25(±5)天、10天和5天相关性异常显著,与■在震前约55天、35天、15天和5天相关性异常显著,而低频成分(24h)则仅与■地震序列中的地震事件在约55、35、20及5天左右出现较强的相关性;(2)玛多M_S7.4地震前,都兰地电场低频成分(24h)的大地电场优势方位角在地震前约55(±5)、20(±5)天左右出现明显异常现象,其出现的时间与相关性统计特征具有较高的一致性,原因可能是孕震断层与...     

基于振型曲率演化法的RC框架结构地震损伤识别

为快速识别地震导致的框架结构损伤,采用一种新的损伤识别方法,即振型曲率演化法。该方法采用S变换对结构顶部的加速度进行分析,进而得出地震前与地震期间的两个重要时刻,然后通过计算这两个时刻的振型曲率差识别结构薄弱层位置。为验证该方法的合理性和有效性,以6层3跨RC框架结构为例,在不同地震波和不同调幅工况下,分别对比振型曲率演化法与单参数层间位移角、双参数损伤指数两种损伤指标识别的结构薄弱层位置。在此基础上进一步研究了振型曲率差与两种损伤指标之间的相关性,并建立了线性关联模型来识别薄弱层损伤程度。结果表明：振型曲率演化法与两种损伤指标在不同地震工况作用下识别的薄弱层有很好的一致性,说明该方法能够准确识别结构薄弱层位置。振型曲率差与两种损伤指标之间的拟合公式的相关系数均在0.8以上,相关性都很高,通过分析这种相关性,可以利用振型曲率差获得结构薄弱层的损伤程度。     

时域卷积组合模型在桥梁沉降预测中的研究

针对桥梁所承受的动静荷载特性差异问题,该文通过小波分解将垂直位移监测数据分解成低频和高频信号,低频信号稳定性强,主要呈现了静荷载影响特点,而高频信号波动性较大,呈现了动荷载影响特点,因此将低频信号和高频信号分别进行小波重构,重构后的低频信号和高频信号分别使用时域卷积神经网络和BP神经网络进行预测,并进行叠加处理得到最终预测结果。以常泰大桥实际静力水准沉降监测项目为例,将该文模型预测结果分别与小波优化的BP神经网络模型和小波优化的自回归滑动平均模型(ARIMA)预测结果进行对比分析,已有的两种模型预测的平均绝对误差分别为0.61 mm和1.38 mm,而该文模型预测的平均绝对误差为0.46 mm,预测精度的提高,为桥梁的施工和维护提供参考。