前兆观测数据监视及异常自动识别软件系统

研制了前兆观测数据监视及异常自动识别软件系统。该软件可对前兆数据的上报情况和各测项的异常情况进行自动检测和报警。对系统进行了概述,从八个方面对系统功能的实现予以阐述。该软件的应用大大提高了工作效率。     

利用测井资料计算机自动识别沉积微相方法研究

以关键井沉积微相分析为基础,将测井学同地质、现代数学相结合,从测井资料中提取反映各种微相的测井特征参数,并应用一套多元统计分析方法,建立各种沉积微相的判别模式,研究开发一套软件系统,实现计算机根据测井资料自动分析判别陆相地层沉积微相.应用该软件对某油田西区的十几口井的测井资料进行处理,并绘制出沉积微相平面图.     

地面雨滴谱观测的图像自动识别方法

该文介绍了地面雨滴谱观测方法的研究, 通过增大取样面积、增加辅助观测手段, 改进了传统的滤纸取样法, 设计出图像自动识别软件应用到雨滴谱资料的处理中, 这种方法不仅可以增加观测的样本数, 以获得稳定的雨滴谱资料, 而且有利于资料的相互配合与分析。对其图像的位置变化、形状改变、滴谱重叠等情况进行验证以及对计算结果进行误差分析, 雨滴谱资料中的单个滴谱图像位置变化和形状变化对图像识别后的结果没有影响, 自动图像处理程序运行结果稳定可靠。程序在处理不粘连的滴谱资料时敏感性较好, 对于大滴溅散而形成的很多溅散滴时, 会处理成很多单独的小雨滴, 同时也说明无法解决溅散问题。在雨滴重叠问题上该程序智能程度不高, 不能真正鉴别是否存在重叠现象, 无法将重叠的雨滴分离开来, 往往会将重叠在一起的雨滴视为一个滴, 从而带来观测雨滴数量减少的现象。从雨滴谱资料处理误差分析上看, 斑迹直径在3~18 mm时相对误差小于6%, 对于直径小于4 mm雨滴误差完全控制在6%以内, 且在处理小滴时误差更小。该方法在地面雨滴谱观测及资料处理中准确度高、性能稳定、实用性强, 为雨滴谱资料的处理分析提供了一个新的思路, 可以应用到实际工作中。     

基于神经网络的气象卫星影像森林火点自动识别的试验研究

森林火点的识别是利用气象卫星资料监测森林火灾的基础。传统的目视解译火点识别法难以实现计算机的自动识别,神经网络技术为解决这一问题提供了新的工具。作者探讨了应用神经网络实现气象卫星影像森林火点自动识别的技术方法,并在湖北省地理范围内进行了试验。试验结果显示,经过训练的神经网络能够记忆火点的特征,具备将森林火点从气象卫星影像中识别出来的能力。与目视解译法相比,神经网络方法的精度接近目视解译法,最重要的是实现了森林火点的自动识别。     

基于熵函式模板的阵风锋自动识别与实现

阵风锋作为强对流的冷性出流特征,是重要的边界层辐合系统,对其自动监测识别一直是日常气象业务中的难点,该文基于深度卷积神经网络设计了阵风锋的自动识别算法。通过对输入和输出端的重新设计,在Faster RCNN算法和Inception V2网络模型的基础上实现了通过雷达回波数据对阵风锋窄带回波实现端到端自动识别。利用雷达数据绕雷达中心旋转不变性特点,增加了数据样本,降低了需提取特征的复杂度。利用2007-2011年南京雷达数据,对该模型进行了20万步的训练,总损失函数值收敛到0.003。对识别效果的分析表明,在训练样本中识别率100%,漏识率0%,准确率87%。通过对合肥雷达2009年6月5日阵风锋天气过程的32个体扫进行模型泛化能力评估,得到识别率91.7%,漏识率8.3%,正确率73.3%。

     

基于地貌特征的崩塌、滑坡、泥石流遥感自动识别

建立了一种基于地貌特征的崩滑流（崩塌、滑坡、泥石流）遥感自动识别方法,通过对地物的光谱特性、几何形状和顺坡性相关的6次布尔运算完成对崩滑流的自动识别。并以碧罗雪山一处高山峡谷地区为例,采用10m空间分辨率的SPOT-5多光谱影像和1：5万地形图生成的DEM（数字高程模型）作为数据源,进行了崩滑流自动识别效果的检验。实验结果表明：①该方法顾及了地貌对崩滑流空间几何形态的影响,可以有效地提高崩滑流遥感自动识别的正确率;②识别对象与数据源的关系明确、逻辑简单、决策阈值容易确定,便于使用决策树进行分类;③该方法对数据源要求较低,只需中等以上比例尺的DEM和拥有红、近红外的遥感影像即可;④粘连图斑的分割是该方法面临的主要难题。     

叠前去噪技术在煤矿采区全数字高密度三维地震中的应用

高密度三维地震采用数字检波器单点接收,数字检波器灵敏度高,对信号采取宽频接收,使得更多弱背景噪声和有效信号一起被记录下来。因此,全数字高密度三维地震资料单炮信噪比偏低,需要在叠前采用针对性去噪技术以提高处理效果。以淮北矿区全数字高密度三维地震数据为例,讨论了高密度空间采样的充分性以及高密度三维地震数据中面波、异常振幅与多次波等主要干扰波的特点,结合高密度三维地震数据宽方位、宽频带、高密度等特点,针对性地压制面波、异常振幅与多次波。在纵测线和非纵测线方向上对面波进行十字排列分析,根据面波空间分布规律设计锥形滤波器进行滤除;通过计算多个地震道的包络并设定阈值自动识别后进行单道压制以处理异常振幅。应用抛物Radon变换把CMP道集变换到τ-ρ域剔除多次波。原始数据经过处理后,有效信号得以保留,信噪比得到较大提升,取得了良好的效果,对今后的全数字高密度三维地震数据处理工作有借鉴意义。     

基于振幅和瞬时频率的震相自动识别方法

为了充分反映地震信号振幅增大和频率改变的特征,发展了一种以振幅和瞬时频率比乘积为特征参量的震相自动识别方法。谐波信号和有限实际地震记录的应用表明,本方法具有较高的识别精度。     

流体势场中油气运移分隔槽的自动识别及运聚单元的划分

流体势场是控制油气二次运移的主要因素。根据网格化的流体势数据,采用基于数字高程模型的剖面识别与多边形除边脊线识别算法(PPA),可以自动地识别出流体势场中的油气运移分隔槽。在此基础上可进一步划分出油气运聚单元或含油气系统,从而为利用网格化的数值模拟结果计算不同油气运聚单元内的油气资源量提供了一种有效的方法。通过在吐鲁番—哈密盆地台北凹陷三间房组的应用,自动划分的分隔槽比人工划分的分隔槽更精细,位置更准确。