深海采矿转臂机构采矿姿态优化研究

针对海底地形不平坦特性,提出了一种变幅机构来自适应海底地形采矿姿态的采矿机构。综合考虑采矿机构采掘头距海底高度对采矿率影响,利用关键点法建立了节臂上的点到海底地形距离的数学模型。在此基础上,建立了以采矿率最高为目标的最优采矿姿态数学模型。以某实际地形为例,采用模拟退火遗传算法优化求解最优采矿姿态。根据其优化后结果可知,其最优采矿姿态与海底地形坡度变化一致,从而证明了采矿姿态模型的正确性。     

基于近岸GPS RTK技术的潮位和波浪提取算法研究

由于潮汐和波浪的周期相差甚远,对实时海面高程数据进行相应的低通和带通滤波即可提取潮位和波浪信息。通过对仿真的实时海面高程数据进行平滑滤波、中值滤波、小波滤波等低通滤波,以及椭圆、巴特沃斯等带通滤波结果分析表明:近岸GPS RTK技术可用于潮位和波浪同步测量;对于潮位信息的提取方面,平滑、中值、小波等低通滤波均能很好的提取出潮位信息,其中平滑滤波最佳,且工程中易于实现;对于波浪信息的提取方面,椭圆滤波、巴特沃斯、切比雪夫Ⅰ型等带通滤波均能很好提取出波浪信息。     

基于Sage-Husa算法的拖曳式Overhauser海洋磁场传感器海浪磁场噪声实时抑制方法

利用Weaver海浪模型,对拖曳式Overhauser海洋磁场传感器海浪磁噪声与深度、波幅等之间的关系进行了理论分析,证明了在极端海况条件下对海浪磁噪声进行抑制的必要性.为提高海洋磁测灵敏度,提出了一种基于改进的Sage-Husa自适应Kalman算法的海浪磁场噪声抑制方法.仿真结果表明,该方法能在不需要先验的噪声统计或实时参考噪声的情况下,实现磁场噪声协方差的快速收敛;且与常规的Sage-Husa算法相比,改进后的Sage-Husa算法降低了对初始参数的依赖性.另外,设计了一种拖曳式Overhauser海洋磁场传感器测试仪来测试上述算法.对比结果表明该方法不仅实现了磁场噪声统计参数的自适应估计,而且比经典Kalman滤波具有更好的滤波效果;此外,海浪磁噪声的功率谱密度由50 pT/Hz1/2@1Hz下降到6 pT/Hz1/2@1Hz.      

基于岩石图像深度学习的岩性自动识别与分类方法

岩石岩性的识别与分类对于地质分析极为重要,采用机器学习的方法建立识别模型进行自动分类是一条新的途径。基于Inception-v3深度卷积神经网络模型,建立了岩石图像集分析的深度学习迁移模型,运用迁移学习方法实现了岩石岩性的自动识别与分类。采用此方法对所采集的173张花岗岩图像、152张千枚岩图像和246张角砾岩图像进行了学习和识别分类研究,通过训练学习建立岩石图像深度学习迁移模型,并分别采用训练集和测试集中的岩石图像对模型进行了检验分析。对于训练集中的岩石图像,每组岩石分别用3张图像测试,三种岩石的岩性分类均正确,且分类概率值均达到90%以上,显示了模型良好的鲁棒性;对于测试集中的岩石图像,每组岩石分别采用9张图像进行识别分析,三种岩石的岩性分类均正确,并且千枚岩组图像分类概率均高于90%,但是花岗岩组2张图像和角砾岩组的1张图像分类概率值不足70%,概率值较其他岩石图像低,推测其原因是训练集中相同模式的岩石图像较少,导致模型的泛化能力减小。为了提高识别精确度,对准确率较低的岩石图像进行截取,分别取其中的3张图像加入训练集进行再训练,增加与测试图像具有相同模式的训练样本;在新的模型中,对3张图像进行二次检验,测试概率值均达到85%以上,说明在数据足够的状况下模型具有良好的学习能力。与传统的机器学习方法相比,所提出的岩石图像深度学习方法具有以下优点:第一,模型通过搜索图像像素点提取物体特征,不需要手动提取待分类物体特征;第二,对于图像像素大小,成像距离及光照要求低;第三,采用适当的训练集可获得较好的识别分类效果,并具有良好鲁棒性和泛化能力。     

基于人工鱼群算法和SCA等效理论的井中横波速度预测方法

在建立页岩岩石物理模型的基础上,根据等效自相容近似(SCA)岩石物理模型,构建出岩石的纵波速度、横波速度与岩石密度、组分和孔隙度等的定量关系,得出使理论纵波速度和实际纵波速度最接近的孔隙纵横比,进而将该孔隙纵横比作为约束条件来实现横波速度预测。反演算法利用人工鱼群算法来计算最佳孔隙纵横比,并将预测的横波速度与实际测得的横波速度对比,证明了人工鱼群算法的有效性。     

几种梯度场计算的数值算法及其地学应用

梯度作为标量场在空间上最重要的微观变化特征,能较好地反映其在空间上的变化趋势。本文介绍了中心差分算子、相邻梯度因子和Sobel梯度算子三种梯度数值算法。以点电荷在三维空间中产生的电势场构造了一标量场,通过理论公式求解了其梯度值,并将理论梯度值与三种数值算法的结果进行了对比与统计分析,验证了三种梯度数值算法的有效性和适用性。结果表明,排除场源的影响后,Sobel梯度算子相较其它两种数值算法更逼近于理论梯度值。最后,利用Sobel梯度算子求取了某铜矿区可控源音频大地电磁法(CSAMT)三维视电阻率场的梯度场,用梯度场刻画了视电阻率在空间上的变化趋势,提高了对三维地下空间的电性分布规律和地质情况的认识。     

一种适用于多源道路网自动匹配的通用算法

多源数据匹配是数据转换、更新与融合的关键技术。随着GIS技术的发展以及地理信息空间数据不断增大,多源空间数据的匹配与融合成为目前GIS领域面临的重要问题。本文对多源道路网的匹配算法进行了研究,并在传统算法的基础上创建了一种可适用于多源道路网自动匹配的通用算法。该算法能够更加便捷和高效地利用道路间的拓扑特征与上下文信息关系,从而极大地提高了匹配运算的成功率和准确度。大量的数据测试表明该算法同时具有成功率高、准确度高以及通用性强等多项优点。     

盾构隧道点云典型要素分割

针对盾构隧道点云及其几何特征构建八叉树索引,使用体素化网格降采样进行点云降采样,利用统计特征滤波器达到精简点云,继而实现典型要素自动分割。结合点云精简算法,提高了随机抽样一致性(RANSAC)算法效率,通过拟合模型的几何特征,设置合理阈值,自动分割隧道典型要素。实验结果表明,该方法可以精确地分割出相邻距离阈值较小的盾构隧道典型要素,拟合的隧道半径与设计半径误差仅为3 mm;相比传统RANSAC算法,该算法运行速度提高了17倍,实现了相邻距离阈值达1.0 cm精度的目标分割。     

一种基于属性值变化程度定权的聚类算法

针对经典K-means聚类算法以欧氏距离作为相似度判断法则进行聚类划分,而未考虑聚类对象的各属性值对聚类划分的影响程度存在差异的问题,该文提出了一种基于属性值变化程度定权的聚类算法。通过采用Iris dataset数据进行实验,该算法相对于其他聚类算法获得了更好的聚类效果,且该算法适用于生物物种分类、遥感影像识别等工作领域,能提高聚类运算的精准度。     

序列蒙特卡洛算法的数字地图线状特征跟踪模型

针对数字地图中的线状特征,如道路、河流的提取问题,该文提出一种基于序列蒙特卡洛的特征提取算法。算法利用粒子滤波方法与贝叶斯模型的建模思路,描述数字地图道路的状态及其观测估计方法;在此基础上,讨论跟踪过程中的模拟退火处理以及粒子聚类分析;最后,将跟踪模型应用在数字地图的特征提取中。实验表明,与传统的数字栅格地图道路提取算法以及基于其他粒子滤波的算法相比较,基于跟踪模型的算法具有较强的鲁棒性以及精度,同时能够很好地处理扫描栅格地图中缺失的道路信息提取。