基于随机反传和筛选模型的微震逆时定位成像

对于常规的逆时定位成像方法,成像结果中强震源的成像值通常远大于并且会掩盖弱震源;同时,成像结果中假象的压制与消除也一直是该技术中颇受关注且比较难解决的问题.对此,本文结合了混合成像条件与高通滤波,从图像对比度的角度加强定位成像效果.提出了反传检波点随机选择的方法,通过重复进行随机选择与随机分组,从而得到不同震源的、包括一些冗余在内的更多信息,通过对信息的融合以提高定位可靠性.提出了筛选模型的概念,将成像过程中各点的波场反传序列引入震源判断标准,构建函数以大致量化震源存在的可能性,结合阈值,构造出由0和1组成"筛选模型",对成像结果进行通过性选择,以此消除假象并提高震源识别的正确性.通过简单模型和复杂模型,验证了本文提出方法的有效性以及对各类干扰因素的适应性与抵抗性.     

我国高放废物地质处置库场址筛选总体技术思路探讨

综合对比瑞典、加拿大、芬兰和美国等国高放废物地质处置库场址筛选技术思路,分析国外高放废物地质处置库场址筛选过程中取得的经验、教训,总结了我国处置库选址工作取得的成果和存在的问题。在综合研究基础上,分析提出我国高放废物地质处置库场址筛选总体技术思路,包括应遵循的原则、工作范围、目标和总体技术步骤等,以利于今后处置库选址工作更系统、规范和统一。     

阿特拉津低温降解菌的筛选及降解机理研究

以阿特拉津为唯一氮源, 在低温条件下(10℃),从吉林市污水处理厂的活性污泥中分离、筛选出1株能够高效降解地下水中阿特拉津的菌株W4.通过16S rDNA碱基测序和比对,初步确定该菌为假单胞菌属;通过室内降解条件优化,确定W4的最佳降解条件:初始pH范围为7～9,最佳碳源为蔗糖和乳糖,最佳碳源加入量为0.4 g/L.在最佳降解条件下,W4对初始质量浓度为34 mg/L、22 mg/L和10 mg/L的阿特拉津的生物降解反应符合零级反应动力学方程,对初始质量浓度为5 mg/L的阿特拉津的生物降解反应符合一级反应动力学方程.GC/MS分析结果显示,菌株W4降解阿特拉津遵循氯水解途径,代谢产物为2-羟基-4-乙胺基-6-异丙胺基-1,3,5-三嗪.     

基础地质调查的新任务--关于地质--生态环境调查新概念的探讨

提出确定地质环境的自然状态,查明危及生态环境的各类因素,预测未来地质环境的变迁,营造人类最佳生存环境和评价环境效益的地质—生态环境调查的新概念。地质—生态环境调查除完成传统的基础地质调查任务外,还必须评价生态环境,应用当代高精度、数字化、深层次的观察手段,确保填图质量。将全国分为经济区的、营造地质环境的、基础地质调查的和海洋的４类填图区,并以长江经济带的地质—生态环境调查为例,列出填图的目标和任务     

国家级矿产实物地质资料的筛选和管理意义

国家级矿产实物地质资料是反映中国矿产资源成矿特点、展现全国矿产勘查与科技工作水平的实物地质资料.国家级矿产实物地质资料由国家实物库永久收藏管理,因此实物地质资料需要筛选.筛选包含2层含义,一是矿床的筛选,即具有典型性、代表性、特殊性的矿床;二是钻孔实物的筛选,即入选矿床最具有代表性的钻孔岩矿心.笔者对2层含义的筛选分别进行了阐述并制定了筛选依据和工作方法,使国家级矿产实物地质资料的筛选有章可循,具可操作性.最后,对全国矿产实物地质资料的管理提出了建议.     

利用人工神经网络预报芜湖的雾

雾对人类的活动有着很大的影响，尤其是对军事活动影响更为突出。由于雾是一种小概率事件，准确地定点预报雾难度更大。本文提出了神经网络B－P算法输入层因子的筛选方法，隐层挑选、位置矩阵等特殊处理方法，它们对于网络的稳定学习是非常有效的。通过对芜湖雾日预报试验，取得了较为满意的试报效果。     

正交筛选模型在气候变化预测中的应用

利用时间序列经适当数学变换后生成的均生函数，建立了一个可用于长期气候变化趋势预测的数学模型，并将此模型用于四川地区年平均气温及年降水总量的历史拟合及预测。结果表明：模型对较长时间序列的多步预测有较好的效果。     

面实体匹配的集成学习CatBoost方法

现有的面实体多指标几何匹配方法在计算综合相似度和确定最终匹配实体时面临着指标权重和阈值难以科学量化的难题,集成学习算法通过构建并结合多个机器学习器来完成学习任务,在解决分类问题时体现出了较为明显的性能优势。为此,本文提出了一种基于集成学习算法CatBoost的面实体匹配方法,将匹配问题转化为分类问题。选取形状、面积、方向和位置4个几何特征作为模型分类特征;利用过采样与欠采样相结合的混合重采样技术减轻原始训练样本的类别不平衡度;借助贝叶斯优化算法确定CatBoost模型的最优超参数;引入可解释人工智能领域的SHAP解释框架从全局和局部两个角度解释各输入特征对匹配结果的影响。在青藏高原的面状湖泊数据上对本文提出的方法进行了验证,实验结果表明：对模型预测影响最大的特征是位置,然后依次是面积、形状,影响最小的特征是方向。CatBoost匹配方法在实验数据集上的查准率、查全率和F1-score分别达到0.9937、0.9753和0.9844,相比于直接使用样本不均衡的原始样本进行模型训练,分别提高了约5.8%、0.6%和3.3%。与传统的面实体多指标双向匹配方法和逻辑回归、K近邻、决策树、神经网...     

基于熵值法特征筛选的GRNN降雹识别

针对冰雹监测难和冰雹灾情不易估计的问题,结合声信号的时域、频域特点,采用时域、频域和小波域相结合的特征提取方法,将熵值法与广义回归神经网络(GRNN)相结合,提出一种基于熵值法特征筛选的GRNN降雹识别方法.对采集的降雹和降雨声信号提取时域特征、频域特征和小波包能量谱特征,采用熵值法确定各特征的权重大小,剔除权重较小的...     

逐步判别分析法在筛选泥石流评价因子中的应用

运用逐步判别分析原理,在多个评价因子中按其对泥石流沟判别能力贡献的大小进行筛选,从而确定泥石流沟的评价因子。应用改进的层次分析法对筛选后的评价因子进行赋权,使求得的判断矩阵满足一致性要求,避免了层次分析法后期检验过程中多次调整判断矩阵带来的过于主观性的问题。在评价因子的筛选和赋权的基础上进行了单沟泥石流危险度评价的实例验证,结果表明,运用逐步判别分析法筛选后的评价因子客观、准确地反映了当地泥石流危险度的影响因素,与传统方法所得危险度结果相比更符合泥石流危险度实际情况,可靠性更强。