华北平原开采地下水产生的正效益估算

利用线性回归分析、综合比较的方法计算出了京、津、冀各地工、农业单位水创造产值;1980~2003年华北总的正效益为50287.38亿元,其3地正负效益比为北京116.58∶1,河北32.26∶1,天津2.12∶1。从3个比值可以看出地面沉降的灾情严重程度,天津为最,河北次之,北京较好。这与地下水开采历史以及地面沉降的发展历程相吻合。因此要想将正负效益比最大化,必须合理地开发利用地下水。对地面沉降必须尽早采取防治措施。     

岩石节理的渗流广义立方定理

首先讨论了岩石节理的渗流立方定理及其适用条件，然后从渗流与变形耦合的角度，论述了节理的开度性质，并提出了适用于一般节理的渗流广义立方定理，最后用有限元数值模拟方法验证了广义立方定理。     

由地面重力数据确定扰动位径向二阶梯度

提出利用地面重力异常数据计算地面扰动位径向二阶梯度，将该梯度的积分表达式转换为卷积形式的谱表达式，便于应用ＦＦＴ／ＦＨＴ技术进行快速计算。这一将地面重力异常化为重力梯度的实用算法为将卫星重力梯度和航空重力梯度观测数据与地面重力数据的联合处理提供了一种有效途径。最后，以本文导出的数学模型为基础，给出了模型（ＷＤＭ９４）数据的试算结果并作了分析     

利用原始观测数据计算隧道断面面积的方法

本文通过理论变换将断面区域转变为基于测量断面原始观测数据测角的平面直角坐标系中函数曲线在自变量取值范围内与坐标轴所夹的区域的方法,给出数值处理方法的推证及面积计算公式,并对常见的几种形状进行了验算,结果表明该方法可以替代坐标法计算光滑边界的不规则断面的面积,具有较好的实用性。同时,计算公式也比较适合计算机编程实现面积的自动计算。     

基于深度学习的LAMOST星系星族参数测量

星系的光谱包含其内部恒星的年龄和金属丰度等信息, 从观测光谱数据中测量这些信息对于深入了解星系的形成和演化至关重要. LAMOST (Large Sky Area Multi-Object Fiber Spectroscopic Telescope)巡天发布了大量的星系光谱, 这些高维光谱与它们的物理参数之间存在着高度的非线性关系. 而深度学习适合于处理多维、海量的非线性数据, 因此基于深度学习技术构建了一个8个卷积层$+$4个池化层$+$1个全连接层的卷积神经网络, 对LAMOST Data Release 7 (DR7)星系的年龄和金属丰度进行自动估计. 实验结果表明, 使用卷积神经网络通过星系光谱预测的星族参数与传统方法基本一致, 误差在0.18dex以内, 并且随着光谱信噪比的增大, 预测误差越来越小. 实验还对比了卷积神经网络与随机森林回归模型、深度神经网络的参数测量结果, 结果表明卷积神经网络的结果优于其他两种回归模型.     

空间直角坐标至大地坐标的直接严密变换

基于一元三次方程的求解,给出了空间直角坐标向大地坐标直接转换的严密计算公式,并用算例说明了其正确性。本文提出的方法完全可以替代现有的以数值迭代计算为基础的转换方法。     

Splatting算法在三维CT迭代算法中的应用

采用代数重建技术重建三维物体,提出了一种基于splatting原理的ART权值计算方法,以增强重建图像的空间分辨率.该算法基于三维锥束扫描方式,采用双三次样条局部基函数作为插值核,并利用其足印函数对物体进行插值来计算像素的权值.与常量插值相比,这种方法对物体的灰度值有更精确的近似,在相同的实验条件下可重建出分辨率高的物体.给出了适用于三维锥束重建的splatting算法的具体实现,并对实验数据进行了实物重建及误差分析.     

MS-VSCN:用于影像匹配的多尺度视觉相似度比较网络

影像匹配在多种计算机视觉任务中起着重要的作用.提出一种用于影像匹配的多尺度视觉相似度比较网络.该网络基于孪生网络结构进行构建,将普通卷积与空洞卷积进行融合,使得卷积神经网络在多个尺度上提取到的视觉特征实现互补.首先,网络的输入由两幅待匹配的影像组成,使用权值共享的两个网络分支分别提取两幅影像的深度特征;其次,在网络中与...     

代县地电阻率降雨影响及数值模拟

多年观测数据表明,代县地电阻率年变受降雨影响比较显著,通过褶积滤波法获取降雨量对视电阻率的影响值,定量分析降雨与视电阻率的相关性。在此基础上,利用代县地电阻率电测深数据及相关地质资料,建立三维有限元模型,模拟降雨对地电阻率的影响,进一步确定降雨对视电阻率影响的物理机制。结果表明:降雨是造成代县地电阻率年变的主要因素,且与视电阻率呈正相关性;降雨造成表层介质含水饱和度发生变化,使得相应电阻率下降近10倍,从而引起地电阻率年变幅度发生近1/10的改变。     

基于Siamese卷积神经网络的影像瓦片变化检测技术

针对地理信息变化较快而传统更新方式效率不高的问题,目前许多学者提出了各类变化检测的方法,但这些方法大都是基于影像数据进行试验,对影像预处理要求较高,且检测精度的稳定性较差,受数据源质量影响较大。而天地图、百度地图、谷歌地图等地图中均可免费下载各种级别的影像瓦片,因此本文提出利用天地图影像瓦片进行试验,采用Siamese卷积神经网络（SCNN）和深度学习技术,开发基于SCNN的高精度变化监测算法,以快速发现变化区域,实现地理信息变化信息检测。