利用经验格林函数识别地下核爆炸与天然地震

利用目标区域内的小当量地下核爆炸事件作为经验格林函数(EGF), 来估计发生在该目标区域内的可疑地震事件的相对震源时间函数(RSTF). 天然地震和地下核爆炸的震源物理过程的本质区别会通过震源时间函数, 表现出不同的特征. 研究结果表明, 地下核爆炸的远场RSTF表现为简单的、与方位角无关的单脉冲或双脉冲形式, 宽度约为1.0 s; 而基于地下核爆炸事件作为经验格林函数反演得到的天然地震的RSTF通常表现出很复杂的形式; 不仅表现为周期不固定的多脉冲形式, 而且随方位角、震中距的变化而变化. 对目标区域范围内发生的可疑地震事件, 利用已有的经验格林函数来反演其RSTF, 并通过对RSTF的分析来研究是否为地下核爆炸, 对地下核爆炸检测及识别研究不失为一种有效的参考手段.     

基于最大熵方法月球表面亮温度数据处理模拟

由天线成像原理可知,通过密云50 m天线、“嫦娥一号”卫星(CE-1)和“嫦娥二号”卫星(CE-2)所搭载微波探测仪获取的月球亮温度图是微波天线方向图与真实亮温度图的卷积,所以想清晰准确地还原亮温度图,就必须采取反卷积方法.在处理过程中引入最大熵方法,选择基于Bonavito提出的直接迭代法求解方式,并论证了其作为反卷积方法的可行性,通过一系列的模拟仿真验证其反卷积的有效性.仿真结果理想,对后期处理真实数据(密云50 m天线观测数据,微波探测仪观测数据)打下坚实的基础.     

基于最佳扫描行快速搜索策略的线阵推扫式影像微分纠正算法

线阵推扫式影像的几何纠正是当前海量遥感影像数据处理的难点与性能瓶颈。基于严密几何模型对线阵影像进行微分纠正是生成各级影像产品的基础,其核心是地面点的反投影,即确定地面点对应的最佳扫描行。传统的最佳扫描行搜索算法基于像方的共线方程迭代计算,效率低,实用化程度不高。本文基于严密几何模型提出一种适用于大数据量线阵影像微分纠正的最佳扫描行快速搜索策略,利用扫描行投影面进行物方几何约束,通过判断物方点到扫描行投影面的距离定位最佳扫描行。由于线阵列CCD像元并非严格按照一条直线排列,笔者讨论了CCD线阵的分段处理以及分段投影面的确定方法。利用机载ADS40、火星快车HRSC线阵影像进行试验。结果表明,本文方法仅需少量几次物方空间解析几何迭代计算即可精确定位最佳扫描行,计算效率相比基于像方的搜索方法提高了8倍以上,线阵影像微分纠正速度提升了6倍以上。     

基于VMD-TCN的月降水量预测模型

准确的月降水量预报对水资源的合理开发利用及洪涝灾害的预测和防治具有重要意义.针对传统降水预测方法信息挖掘能力不足的问题,提出了一种基于VMD-TCN的月降水量组合预测模型.该模型使用VMD将原始序列分解为一系列相对平稳的子序列,然后利用TCN对各子序列分别进行预测,输出各子序列预测结果,叠加得到最终预测结果.将VMD-...     

实现复频移完全匹配层吸收边界条件的递推卷积方法

完全匹配层吸收边界（PML）已经被证明是非常有效的边界吸收技术,对体波和面波的吸收都具有非常好的效果,已经被广泛应用于弹性波的数值模拟中。但是在某些情况下传统的PML技术还是存在一定的问题,比如对掠射情况下的体波和窄区域自由表面条件下的面波的吸收等等。在坐标变换中采用复频移拉伸函数的复频移PML可以有效地改善PML边界条件的吸收性能。基于弹性波一阶速度-应力方程,推导了复频移PML的递推卷积实现方法,并采用交错网格高阶有限差分法对其进行了数值模拟,与传统的PML进行了对比。结果表明：传统的PML对掠射情况下的体波和窄区域自由表面条件下的面波吸收不足,会产生虚假反射,影响真实波场;而基于递推卷积的复频移PML算法能够有效地改善困难情况下的吸收效果,并且在实现过程中不用分裂变量,应用更加方便简单。计算卷积时采用递推的形式,推导过程直观易懂,易于编程,而且不会增加计算量,存储量也没有太大的变化。     

一种双流CNN的太阳黑子群磁类型分类方法

太阳耀斑大多数发生在磁极复杂的黑子群上空,因此,黑子群磁类型可以作为预测太阳耀斑的重要依据.针对同时具有白光图和磁图数据的太阳黑子分类,提出了一种双流卷积神经网络(Convolutional Neural Network,CNN)的黑子群磁类型分类方法.该方法通过两个网络分支同时提取白光图和磁图特征,在全连接层对两类特...     

多层球状物角度稀疏投影CT重建仿真研究

本文主要针对高密度差多层球状物体的角度稀疏投影CT重建问题,进行基于FBP算法的仿真研究。参考特殊工件材料结构特征设计建立检测对象模型,采用C＋＋语言开发完成平行束圆周扫描FBP重建仿真软件平台。分别采用直接补零和紧邻填充两种方法补全缺失的稀疏投影数据,并进行仿真重建和比较分析。对重建图像进行了有针对性地基于边缘和区域的增强处理方法研究,使缺陷特征得以凸显。本文的研究内容和方法可为具有类似特征的CT无损检测提供技术参考。     

基于多尺度卷积神经网络的结构损伤识别研究

为了利用结构振动响应的时间多尺度特征来提升卷积神经网络识别结构损伤的能力,给出了两种用于结构损伤识别的多尺度卷积神经网络,即多尺度输入和多尺度卷积核卷积神经网络.对于多尺度输入卷积神经网络,将通过下采样和滑动平均获取的具有不同时间尺度特征的振动信号输入固定尺寸卷积核的分支卷积神经网络;对于多尺度卷积核卷积神经网络,则将...     

基于卷积神经网络和火山岩大数据的构造源区判别

早先的构造源区判别图由于受时代、研究区域、研究思路以及研究手段、分析技术和样本数量的限制, 存在某些不足,导致部分学者在研究中遇到各种困惑和矛盾。在大数据的冲击下,部分传统图解的可靠性正在接受考验。本文提出了一种将地球化学数据二维图像化的方法,将GEOROC数据库中来自11个构造环境的火山岩数据生成了34 468张灰度二维码图像。根据深度学习理论和方法构造了卷积神经网络(CNN)模型,利用其中75%的二维码数据进行自动学习和训练。该模型可以对不同来源的火山岩数据进行有效分类,总体分类准确度可达95%以上。该模型具备较好的泛化能力,可以作为日常工具辅助人工进行火山岩样本的构造源区的判别。     

基于卷积神经网络和无人机倾斜摄影图像的单个高层建筑物高度测算方法

为了提升单个高层建筑物高度测算效果,本文提出了基于卷积神经网络的无人机倾斜摄影图像的单个高层建筑物高度测算方法。首先,采用无人机倾斜摄影技术采集高层建筑物图像;然后,在卷积神经网络中输入高层建筑物图像,对其展开增强处理,提高图像的清晰度;最后,通过波段转换指数和阴影指数计算阴影长度,以此为依据测算单个高层建筑物的高度。试验结果表明,本文方法的图像增强处理效果较好、高度测算精度和效率较好。