基于可分解马尔科夫网的极端椒盐噪声图像滤波

提出了一种基于可分解马尔科夫网(decomposableMarkovnetworks,DMN)的极端椒盐噪声的均值滤波方法,指出其网络节点的阈值衰减特性和网络节点的连接特性具有很好的对椒盐噪声污染图像的噪声定位的作用,并提出一种在该网络控制下,只对与噪声相关的像素进行均值计算以替代噪声像素的亚均值滤波算法,实现了图像的较强自适应滤波。实验表明,本文方法具有良好的滤波性能。     

基于小生境遗传算法软土地基上加筋路堤稳定性分析

在软土地基加筋路堤稳定性分析方法中,传统分析方法(如瑞典法和荷兰法)因对加筋材料的加筋作用估计不足,导致计算结果过于保守,与实际不符。本文在充分考虑加筋体的加筋作用下,提出了新的加筋路堤稳定性分析计算方法,并采用小生境遗传算法搜索临界滑动面和最小安全系数。算例计算结果表明,本文提出的加筋路堤稳定性分析方法与工程实际情况吻合较好,并且小生境遗传算法能有效地搜索到边坡所有的临界滑动面。     

川西地区小震重新定位及其活动构造意义

使用双差地震定位法对川西地区1992～2002年的13367个小震进行重新定位, 初步分析了地震活动性与地表活动构造的关系及其揭示的构造信息. 重新定位后,地震活动沿活动断裂成线（带）状分布现象非常突出,呈现出与地表活动构造的密切关系：结构简单的单一走滑断层具有上宽下陡的花状结构特征,拉分盆地与逆断裂具有线性而发散的分布式结构特征,逆断裂之下还存在缺震层. 此外,沿活动断裂带地震活动还具有空间分段性,揭示出局部地段存在着隐伏活动断裂和可圈定为地震危险区的地震空区. 震源深度分布显示,川西高原在15～20km的深度范围内普遍存在厚度约5km的缺震层,以高温高压实验结果为基础,通过计算川西地区地壳强度表明,大约14～19km的深度范围花岗岩处于塑性流变状态,说明缺震层的出现具有地壳物质塑性变形基础.     

叠前三参数非高斯反演方法研究

针对地球物理反演中广泛采用的"噪声高斯分布假设",本文研究了叠前地震资料中噪声的非高斯分布特征,提出了针对非高斯噪声的地震叠前非高斯反演概念和思想,构造了能同时压制高斯和非高斯噪声的混合范数作为反演目标函数,采用改进的Powell算法进行求解,有效地抑制了叠前地震资料中的高斯和非高斯混合噪声.模型试算和实际地震数据的反演结果验证了方法的正确性和算法的可靠性.     

基于粒子群算法的岩体结构面产状模糊C均值聚类分析

结构面产状分析是进行岩体力学分析及稳定性评价的基础,玫瑰花图、等密度图等传统的图形分析方法较为粗糙,无法对产状数据进行准确分析,采用模糊聚类方法则可以得到较为准确的优势产状,但需要事先指定分组数及初始聚心,且模糊聚类算法为局部寻优算法,初始划分对最终的数据分析结果影响较大。为了得到较为客观的分组结果及优势产状,同时能够针对大量结构面产状数据进行聚类分析,提出了基于粒子群算法的岩体结构面产状模糊C均值聚类算法。采用粒子群算法进行模糊C均值聚类算法初始聚心的求解,在计算过程中可同时确定最佳分组数,避免了人为指定的主观性,克服了模糊C均值聚类算法易陷入局部极小值和对初始划分敏感的不足。最后,通过工程实例中不同方法的聚类效果对比分析该算法的有效性,并将该方法应用于实测结构面产状数据的分析,得到较为符合实际的优势结构面分组。     

2003年青海德令哈6.7级地震序列的震源机制解及其构造含义

利用8个流动数字地震台和国家数字地震台站的地震波形记录,测量了2003年4月17日青海德令哈6.7级地震及其主要余震的直达P波、SV波、SH波的初动方向和振幅比,应用Snoke(2003)的测定震源机制解的格点尝试法,测定出德令哈地震序列的48个2.4级以上地震的震源机制解.搜集分析了美国哈佛大学测定的德令哈6.7级主震和2004年二期地震活动中的7个地震的震源机制解.基于余震空间分布特征和对震源机制解特征的分析,讨论了德令哈地震序列的可能断层活动方式和地震的构造含义.结果表明,主震和大部分余震都是沿NWW-SEE走向的逆断层错动,北边的上盘可能沿低角度向北倾的断层面向南仰冲;个别正断层余震可能是震源区挤压变形弧顶区附近发生的局部张性破裂;在二期地震活动中,逆断层和走滑断层都有,走滑断层地震主要发生在震源区东侧.德令哈地震活动是青藏高原东北缘NWW-SEE向延伸的挤压带继续处于隆升活动中的表现,这一继承性新构造运动是德令哈地震序列的可能发震原因.     

煤矿矿震定位中异向波速模型的构建与求解

针对煤矿上覆岩层层状赋存和离层带的特点,构建矿井尺度的微震监测系统异向波速模型,模型中波速向量由地面探头速度与井下探头速度组成.研究了在只有强矿震信号和混有爆破信号两种条件下,以到时残差最小为目标和震源定位误差最小为目标的两种求解模型,模型求解选用具有全局寻优特性的遗传算法与CMEAS算法结合的混合算法.现场实际应用得出,只使用爆破信号的到时残差法最优,混有强矿震信号的到时残差法其次;与爆破信号定位所用的统一简化波速模型相比,震源定位误差大幅度降低.在此基础上进一步减低定位误差,还需从微震台网的优化布设方面解决.     

Identification of Convective and Stratiform Clouds Based on the Improved DBSCAN Clustering Algorithm

A convective and stratiform cloud classification method for weather radar is proposed based on the density-based spatial clustering of applications with noise (DBSCAN) algorithm. To identify convective and stratiform clouds in different developmental phases, two-dimensional (2D) and three-dimensional (3D) models are proposed by applying reflectivity factors at 0.5° and at 0.5°, 1.5°, and 2.4° elevation angles, respectively. According to the thresholds of the algorithm, which include echo intensity, the echo top height of 35 dBZ (ET), density threshold, and ε neighborhood, cloud clusters can be marked into four types: deep-convective cloud (DCC), shallow-convective cloud (SCC), hybrid convective-stratiform cloud (HCS), and stratiform cloud (SFC) types. Each cloud cluster type is further identified as a core area and boundary area, which can provide more abundant cloud structure information. The algorithm is verified using the volume scan data observed with new-generation S-band weather radars in Nanjing, Xuzhou, and Qingdao. The results show that cloud clusters can be intuitively identified as core and boundary points, which change in area continuously during the process of convective evolution, by the improved DBSCAN algorithm. Therefore, the occurrence and disappearance of convective weather can be estimated in advance by observing the changes of the classification. Because density thresholds are different and multiple elevations are utilized in the 3D model, the identified echo types and areas are dissimilar between the 2D and 3D models. The 3D model identifies larger convective and stratiform clouds than the 2D model. However, the developing convective clouds of small areas at lower heights cannot be identified with the 3D model because they are covered by thick stratiform clouds. In addition, the 3D model can avoid the influence of the melting layer and better suggest convective clouds in the developmental stage.     

一种基于实景图像的低能见度识别算法

为了利用大量视频监控设备提高能见度数据采集密度,提出一种基于实景图像转换的、采用简单卷积神经网络分类提取能见度等级的算法。该算法假设视频设备水平安装且具备开阔视野, 对原始视频图像进行水平分块,提取各分块的梯度、饱和度和亮度信息组成新的图像,基于简单卷积神经网络建模。采用2019年9月—2020年12月上海洋山港气象站29668张视频图像进行训练,建立识别模型,并采用2021年1—5月5757张视频图像对模型进行测试。采用该算法建立的模型参考雾的预报等级(GB/T 27964—2011)将能见度分为5个等级进行检验,白天准确率为87.99%,夜间准确率为81.32%,优于直接采用AlexNet模型。对1000 m以下低能见度天气的识别准确率达95%以上。利用现有的视频摄像头,可有效弥补气象站点能见度仪数据不足的问题,在气象业务上有一定的应用价值。     

利用遗传算法的网络GIS集群服务器动态负载均衡算法

针对现有负载均衡方法的不足和网络GIS数据的特点,提出了一种基于遗传算法的网络GIS集群服务器动态负载均衡方法。该算法将基于服务器状态和基于内容的调度算法综合起来考虑,设计了相应的编码机制和遗传操作。实验结果表明,和常用的负载均衡算法相比,此算法能获得更小的服务请求响应时间,能更好地服务网络GIS系统。