基于声发射信号聚类分析和神经网络识别的岩爆预警方法实验研究

开展巷道岩爆室内模拟声发射监测实验,对岩爆过程中的声发射信号进行聚类分析,得到3种类型声发射信号,优选具有岩爆前兆演化异常、能量大、数量小等特征的信号类型作为岩爆前兆特征信号。岩爆发生前,岩爆前兆特征信号开始密集出现,明显的前兆异常。运用时间窗函数对岩爆前兆特征信号的时间密集性进行量化分析,提出衡量信号时序演化特征的量化指标即时间密集度f_t。岩爆发生前,前兆信号密集出现,出现了f_t≥3值,可将首次f_t≥3作为岩爆前兆信息,可将岩爆预警阈值a划定为3。基于岩爆前兆特征信号优选和预警阈值提取,借助BP神经网络,智能识取岩爆前兆特征信号,利用时间窗函数计算岩爆前兆特征信号f_t值,当岩爆前兆特征信号f_t值开始达到岩爆预警阈值(f_t≥a)时则进行岩爆灾害预警,建立了基于巷道岩爆模拟实验声发射数据的岩爆实时预警方法,为工程现场岩爆预警方法的建立提供了新思路。     

印缅俯冲增生楔气烟囱分带性及油气成藏规律

印缅俯冲增生楔位于印度板块与欧亚板块俯冲前缘,是深水油气勘探的重要地带。重新审视深水油气勘探潜力、认识增生楔地区油气成藏模式和机理是当前研究热点。印缅俯冲带增生楔提供了一个良好实例和研究契机,它不仅是一个斜向俯冲增生楔,而且是一个气烟囱发育的增生楔。本文基于高精度地震资料,应用地震波组和频谱扫描、地震属性检测以及基于多层感知器的非线性神经网络技术,识别出该区气烟囱具有分带性,且在增生楔斜坡和海沟盆地气烟囱发育。气烟囱总体表现出向海渐新、期次递减的特征,即增生楔斜坡以全新世和中新世两期发育的断层型气烟囱为主,纵向上横跨渐新统至更新统;海沟盆地以全新世发育的背斜型气烟囱为主,纵向上横跨中新统至全新统。气烟囱发育的动力来源为渐新统和中新统烃源岩持续生烃形成的超压,幕式构造活动产生气源通道,古近系和新近系中的泥页岩等提供封盖条件。气烟囱与油气成藏关系密切,具有振幅、频率、相位等地震异常并伴有亮点、平点等地震反射的相关伴生构造是油气运聚的有利目标。结合气烟囱的气源特征,本文提出混源断层型、生物气源断层-背斜型、生物气源背斜型等三种气烟囱成藏模式,指出海沟盆地气烟囱地震异常体具有较好的浅层天然气勘探前景,下覆烃源岩内幕构造、岩性圈闭是另一个有利的油气勘探领域。     

基于相空间重构的GA-SVR组合模型边坡位移预测研究

在传统支持向量回归机的基础上,考虑观测数据的混沌特性,通过对训练样本的相空间重构,并结合遗传算法在寻参上的优势,建立边坡变形的相空间重构GA-SVR组合模型。通过组合模型对某矿山边坡位移预测值与实测值进行对比分析,发现组合模型在预测精度上更具优势。     

(2+1)维广义Calogero-Bogoyavlenskii-Schiff方程的所有单行波解的分类、表示及分叉行为

利用多项式完全判别系统法,求出(2+1)维广义Calogero-Bogoyavlenskii-Schiff方程的所有单行波解的分类和表示(包括新解),显示参数变化导致的分叉现象,从局域运动转变到周期波动,体现模型丰富的物理内涵。     

面向户外增强现实的地理实体目标检测

本文研究了多种计算机视觉领域中用于图像分类和目标检测的卷积神经网络模型,在一种目标检测模型的基础上进行了修改,并结合了残差神经网络结构,旨在解决户外增强现实中地理实体目标检测的问题。我们根据这一模型开发了一款户外增强现实原型系统,通过将训练好的模型作为目标检测引擎,达到了较好的近实时性和准确性。     

近58a来玉树站气温变化特征

根据青海省玉树站近58 a (1951~2008年)的逐月气温资料,利用线性回归、小波分析、M ann-Kendall法和S/R分析等方法,分析了该站春、夏、秋、冬季及年平均气温的变化特征,结果表明:1)近58 a来玉树站各季节和年平均气温均经历了先降后升的阶段,整体呈现出上升趋势,其中春季气温上升最快的阶段出现在20世纪80到90年代,其它季节和年平均气温出现在20世纪末到21世纪初;2)各季及年平均气温普遍具有准5 a的年际振荡;3)各季和年平均气温突变普遍发生在上世纪90年代;4)根据S/R分析得出,未来一段时期玉树站气温依旧保持增暖趋势,尤其在秋、冬季的增温显著。      

北京城市住宅土地市场空间异质性模拟与预测

土地制度转型和空间重构背景下,价格信号在土地区位配置及空间结构塑造方面发挥出有效性。基于北京市2004-2009 年居住用地出让地块微观数据,利用空间扩展模型、地理加权回归模型和特征价格模型对居住用地价格影响因素及其空间异质性进行了有效检验和预测。模型结果表明：① 居住用地价格影响因素存在着显著的空间异质性,重点小学、轨道交通和公园等设施便利性因素在不同区域对地价的作用强度存在明显差异。② 相比于特征价格模型和空间扩展模型,GWR模型能够有效刻画土地市场空间异质性的离散性、突变性和跳跃性,因而其对居住用地影响因素的空间异质性刻画和居住用地价格的预测最为准确。③ 居住用地价格影响因素的空间异质性表明居住用地子市场存在的可能性,利用GWR模型对地价影响因素的估计可以为土地子市场的划分提供方法借鉴。     

基于广义回归神经网络的GPS高程转换

为提高GPS高程转换的精度,采用广义回归神经网络(GRNN)进行拟合。将控制点的X、Y坐标作为网络输入,高程异常作为网络输出,采用实验数据训练网络,训练完成的网络作为模型进行高程异常预测。结果表明,GRNN方法具有较高的GPS转换精度。     

利用神经网络建立GPS网络RTK的双差对流层误差模型

为减小对流层误差改正数中系统偏差的影响以提高对流层改正精度,提出了基于神经网络的顾及空间的对流层误差建模模型,该模型的对流层延迟误差改正在网内外精度均达5 cm。     

GIS支持下三峡库区秭归县滑坡灾害空间预测

基于GIS空间分析和统计模型相结合进行区域评价与空间预测是滑坡灾害研究的重要方向之一。以三峡库区秭归县为研究区,选择坡度、坡向、边坡结构、工程岩组、排水系统、土地利用和公路开挖作为评价因子。为提高模型的预测精度、可信度和推广能力,利用窗口采样规则降低训练样本之间的空间相关性。建立Logistic回归模型,对滑坡灾害与评价因子进行定量相关性分析。计算研究区滑坡灾害易发性指数,对其进行聚类分析,绘制滑坡易发性分区图,其中高、中易发区占整个研究区面积的38.9%,主要分布在人类工程活动频繁和靠近排水系统的区域。经过验证,该模型的预测精度达到77.57%。