基于深度学习和台阵策略的震相自动拾取方法APP++及其在川滇地区的应用

在APP方法的基础上,使用U-net++模型,提出了进一步的改进算法APP++用于台阵下的震相到时自动拾取,测试结果显示,APP++模型在具有和APP相当的拾取能力的同时,还能够更好地避免误识别,且具有跨区域泛化能力;将该方法用于川滇地区的固定台网和流动台阵上,扫描了2014—2019年6年的连续数据,检测到了7329...     

基于机器学习的区域工程地质分层思路与方法研究

传统的地质分层方法通常依赖于人工解释和经验判断,存在过程繁琐、工作量大、受人为因素影响较大等缺点。本文旨在研究基于机器学习的区域工程地质分层的思路与方法,将地层分层问题转换为地质体空间单元的序列到序列预测任务及地质属性特征分类任务,以提高地质分层的准确性和效率。本文在对工程地质原始数据开展深入研究的基础上,提出采用深度学习方法对静力触探试验数据进行地质分层的训练和预测,通过分类算法对取土孔土样进行分层,并定量评价了相关算法的适用性。通过对比传统方法和机器学习方法的结果,验证了机器学习在地质分层中的优势。本研究为区域工程地质研究提供了一种新的地质分层思路,具有重要的实践意义。     

井资料高分辨率层序地层学

在准层序中进行层组一级地层单元的识别和对比是高分辨率层序地层学研究的主要难点.提出了一种综合应用井资料进行层组界面识别和对比的新方法.通过测井曲线形态特征、岩心观察、铸体薄片、X衍射、扫描电镜分析、FMI测井资料, 对工区内钙质夹层成因、泥岩电阻率差异、储层电阻率和海拔深度关系进行了研究.结果表明: 钙质夹层单层厚度在0.5~2m之间, 靠近风化壳和断层位置单层厚度大, 分布在水下分支河道底部和河口坝顶部; 低阻泥岩(4~5Ω·m)和高阻泥岩(> 10Ω·m) 分别来源于不同的沉积物源或者形成于不同的沉积相带; 储层电阻率随着海拔深度的增加而增加.因此, 钙质夹层可以作为层组界面识别和对比的标志, 利用泥岩电阻率差异可以确定层组的叠置关系, 判断储层连通性.据此, 建立了准噶尔盆地石南地区西山窑组含油层段等时地层格架, 确定了格架内储层的连通性及油水界面, 并且通过MDT测井资料进行了验证.在此等时地层格架内, 层组的发育顺序、叠置关系、空间展布形态、以及彼此之间的连通性都被定性、定量的表征出来.      

深基础降水喷射泵的特性方程

为方便工程技术人员优化设计并合理地选用降水同心式喷射泵, 介绍了同心式喷射泵井点降水系统结构和应用特点, 建立了深层降水喷射泵降深与结构、性能参数等之间的优化数学模型.既可通过该数学模型, 按降水深度和排水量的要求, 选择工作泵的压力和流量, 设计喷射泵的结构; 又可根据喷射泵设计的数学模型计算特定降深的排水量, 进行深基础降水设计.      

车载激光雷达点云快速栅格化算法研究及应用

针对车载激光雷达点云数据量大、密度高且存在分层错位和噪点等情况,提出了一种具实时性激光点云快速栅格化算法,该算法根据雷达扫描精度预设栅格单元大小,可在不丢失对象形状特征的情况下,能快速完成点云数据平滑及降采样处理,并将数据量缩小为处理前的60%。将该栅格算法处理后的点云数据应用于深度学习,作为pointnet++神经网络的训练集及测试集,完成语义分割模型训练与测试。实验结果表明,该算法可在1 s内完成上百万量级的点云栅格处理,并且经该算法处理后的点云数据能有效缩短训练时长、提升网络测试精度。     

基于深度学习的目标检测定位系统设计与实现

针对传统遥感影像目标检测方法效率不高,并且无有效手段对检测信息进行管理利用的问题,提出了在B/S构架下基于深度学习的目标检测及定位方法。通过集成深度学习框架、WebGIS以及数据库,实现了集遥感影像目标检测、展示及管理于一体的目标检测定位系统,满足多用户基于前端浏览器的并发目标检测需求。利用网格划分策略,实现了基于前端的大区域范围的目标快速检测。基于某机场飞机目标及某城市区域运动场目标检测结果表明:本文设计的目标检测定位系统能够在前端实现目标快速检测定位,具有较高检测精度,并可有效管理检测信息,为深度学习循环再利用提供数据支撑。     

人工智能技术在地震减灾应用中的研究进展

近年来人工智能(AI)技术的迅猛发展,引领了包括地震减灾在内的众多科技领域的前沿.为反映和描述当前人工智能技术的引入和促进地震减灾科技发展的全貌,本文系统整理和回顾了近10年来已发表的相关文献,解读了其在地震监测预警、地震预测、风险防治、应急处置与风险管理四个方面取得的主要技术进展,具体包括事件检测、震源参数测定、事件...     

大深度潜航器水下空间运动建模与仿真

分析大深度潜航器水下空间运动特点,建立描述其空间运动的数学模型,并以数学模型为基础利用 MATLAB\Simulink 软件完成潜航器空间运动仿真模型的开发。在搭建的仿真模型基础上,通过数学仿真手段分析了潜航器在螺旋下潜、抛载过渡、定角爬升、稳定至水面航行状态下的水下运动全过程,给出了具有弧形翼板的潜航器外形设计方案的运动能力仿真评估,为后续潜航器运动能力优化设计提供仿真依据。     

中国农村深度贫困的空间扫描与贫困分异机制的地理探测

从自然和社会经济因素中选取贫困的影响因子,建立评价指标体系,通过Pearson相关分析确定了贫困的主要影响因素,利用GIS空间分析和BP人工神经网络,分别模拟了省域、市域和县域3个尺度下的自然致贫指数与社会经济消贫指数,进一步计算获得了3个尺度下的贫困压力指数,对其空间分布格局进行分析;借助Flexible空间扫描探测识别出深度贫困县,在此基础上运用地理探测器揭示其主导致贫因素,并提出差别化的减贫对策建议。结果表明：① 省域、市域、县域3个尺度的自然致贫指数和贫困压力指数在空间分布上具有较高的一致性,呈现出明显的“东低西高”的空间分布格局;社会经济消贫指数的空间分布一致性不高,县域尺度更为破碎。以黑河—百色线为界,县域贫困压力指数在空间上表现出“大分散、小聚集”的分布状态。识别出的全国贫困县共计655个,主要分布在重点生态功能区和农产品主产区。② 3个尺度下,空间扫描识别出的贫困高风险区主要分布在西北、西南少数民族和边疆地区。县域尺度下识别出208个深度贫困县,多位于省际边缘区。③ 地理探测器识别出深度贫困县的7个致贫主导因素,按照主导因素将深度贫困县划分为地形要素制约型、区位交通制约型、经济收入制约型和生态环境制约型4类。     

基于深度学习理论的无人机影像分类

针对无人机影像深度学习分类方法缺乏现状,本文利用深度学习理论卷积神经网络方法对无人机影像进行了分类。该法首先抽取无人机影像作为训练集和检验集,然后建立一个2个卷积层-池化层的卷积神经网络模型进行深度学习,通过设定参数并运行模型实现无人机影像分类。实验表明,本文提出的方法可完成较复杂地区无人机影像分类,其分类精度与支持向量机方法相当,为无人机遥感影像分类提供了一个崭新的技术视点。