基于扫描矢量化地图数据生产的数据质量控制

概述了基于扫描矢量化GIS数据的生产过程 ,介绍了扫描矢量化质量控制的策略和方法 ,在地图扫描阶段采用栅格图纠正的方法对地图的变形进行纠正 ,以提高矢量化原图的质量 ,在基于扫描矢量化GIS数据的生产过程中 ,可从算法和软件使用工艺方面提高数据的质量     

形变数字化观测曲线畸变与处理——兼论资料预处理中遇到的一些问题

数字化形变台站日常下载、处理直至管理数据,都应用《数字化通讯控制软件》、《形变前兆台站(网)数据处理系统》及《形变前兆数据库服务软件(台站版)》等三个软件交互进行,在实际使用过程中会遇到一些棘手的问题。本文结合我台的观测工作的实践,总结经验,以供台站同行共享。     

空间运动对象与时空数据类型研究

当前时空数据模型多以描述空间实体的离散变化为主。该文中对空间运动对象在抽象层次的无限连续空间、离散层次的有限离散空间上的数据类型进行分析和定义，将其分别划分为时间类型、空间类型和时态类型来研究，并提出支持空间运动对象的表示方法和操作方式。该方法既能表示空间实体的连续运动，也能表示其离散变化，为空间运动对象时空数据模型的建立奠定了基础。     

基于A- CGAN的深反射地震数据随机噪声压制方法研究

基于深度学习的地震数据噪声压制方法是当前地震数据去噪处理的重要方向。深度学习方法突破了传统滤波处理的局限,在对常规地震数据的噪声压制中表现出效率高、信噪分离效果好的特点。但针对深部弱有效反射数据,当前的深度学习方法特征提取能力有限,难以取得较好的去噪效果。笔者等结合深反射地震数据特点,针对当前深度学习噪声压制方法在特征提取及对数据集依赖上的局限,提出了基于注意力循环生成对抗网络(Attention Cycle- Consistent Generative Adversarial Networks,A- CGAN)的深反射地震数据随机噪声压制方法。借助循环一致生成对抗网络(Cycle- Consistent Generative Adversarial Networks,Cycle- GAN)的域映射思想,降低对数据集的要求。为了构建适用于深反射地震数据的去噪网络,从3个方面对Cycle- GAN进行改进：在Cycle- GAN的生成器（去噪器）中加入残差结构和注意力机制,用于加深网络深度和提高其特征提取能力;在Cycle- GAN的鉴别器中使用块判决,提高鉴别精度和准确度;在损失函数部分加入感知一致性损失函数,提升网络模型恢复纹理细节信息的能力。通过合成地震数据和实际深反射地震数据测试,验证了优化算法的有效性,体现了良好的应用价值。