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。     

预测有效波高的深度学习模型研究

研究基于RNN、LSTM、GRU深度学习模型,针对NOAA浮标数据集中的44013、44014、44017浮标的数据,通过斯皮尔曼相关性分析提高模型预测效果。实验结果表明,在进行相关性分析后,S-RNN、S-LSTM、 S-GRU的预测效果均比原始RNN、LSTM、GRU模型预测效果好。此外,提出一种基于LSTM的LSTM-Attention 波高预测模型,并进行相关实验,量化LSTM-Attention模型的预测效果,实验结果表明LSTM-Attention模型有更好的预测效果。为评估模型的泛化能力,研究还提出了一种采用邻近浮标数据进行学习,预测浮标缺失数据的方 法。实验结果表明,该方法的预测精度可以达到97.93%。本研究为海浪预测提供了新的方法和思路,也为未来深 度学习模型在海浪预测中的应用提供了参考。     

深厚覆盖层高压旋喷凝结体的宏观力学参数研究

基于现有工程试验资料,通过将高压旋喷凝结体分成成芯凝结体和不成芯凝结体两组材料组成,提出了深厚覆盖层高压旋喷凝结体的统计力学模型。该模型除能反映成芯凝结体的小尺度力学性质外,还可以反映不成芯凝结体的力学性质,也可考虑试验钻孔中不同芯样获得率的影响。应用随机模拟理论,给出了大体积高喷体内成芯凝结体与不成芯凝结体的空间位置及各小尺度力学参数的抽样方法。并通过结合弹塑性有限元和随机模拟两方法,建立了高喷体宏观力学性质的计算机模拟方法。应用所提三维弹塑性有限元随机模拟方法,分析研究了向家坝水电站深厚覆盖层高压旋喷凝结体的宏观力学参数。     

汶川8.0级地震前BSQ型数字垂直摆倾斜仪观测到的地形变异常现象

地倾斜连续观测是地壳形变观测研究中重要内容。汶川8.0级地震前,布设在四川德阳金河测点的新型BSQ型数字垂直摆倾斜仪观测到了明显的地形变异常现象。分析其观测结果可知,汶川8.0级地震前约半月时间内德阳金河测点的地倾斜运动速度较过去的平均运动水平提高了数十倍,且震前地表快速倾斜的方向在N25°W左右。除此之外,德阳金河BSQ型数字垂直摆倾斜仪测点还观测到较为完整的,对应于可以反映地表应力集中、释放过程的震前地表破裂过程。上述现象为今后研究强震孕育机理提供了重要的信息。介绍与分析了布设在龙门山断裂带附近的其它类型地倾斜仪在震前的观测结果。事实证明,BSQ型数字垂直摆倾斜仪在强震前的浅表过程监测中具有重要意义,值得在今后的地震前兆台网工作中进行推广。     

基于Hydrus-1d模型的农田SPAC系统水分通量估算——以山西省运城市董村农场为例

农田SPAC系统水分通量的研究对提高农业用水效率,缓解我国的水资源短缺现状具有重要作用.本文利用HydruS-1d模型,以山西省运城市董村农场为例,估算了研究区三种主要农作物(夏玉米、棉花和冬小麦)的农田水分通量.结果表明,在模拟期内,夏玉米、棉花和冬小麦的作物蒸腾占蒸散发(T/ET)的比值分别为84.7%、71.6%...     

基于Faster R-CNN的食品图像检索和分类

面向食品领域的图像检索和分类等方面的研究成为多媒体分析和应用领域越来越受关注的研究课题之一.当前的主要研究方法基于全图提取视觉特征,但由于食品图像背景噪音的存在使得提取的视觉特征不够鲁棒,进而影响食品图像检索和分类的性能.为此,本文提出了一种基于Faster R-CNN网络的食品图像检索和分类方法.首先通过Faster R-CNN检测图像中的候选食品区域,然后通过卷积神经网络（CNN）方法提取候选区域的视觉特征,避免了噪音的干扰使得提取的视觉特征更具有判别力.此外,选取来自视觉基因库中标注好的食品图像集微调Faster R-CNN网络,以保证Faster R-CNN食品区域检测的准确度.在包括233类菜品和49 168张食品图像的Dish-233数据集上进行实验.全面的实验评估表明：基于Faster R-CNN食品区域检测的视觉特征提取方法可以有效地提高食品图像检索和分类的性能.     

Study on Eogene Basalts: Implication of the Deep Process over the Bohaiwan Basin Evolution

ＳｔｕｄｙｏｎＥｏｇｅｎｅＢａｓａｌｔｓ：ＩｍｐｌｉｃａｔｉｏｎｏｆｔｈｅＤｅｅｐＰｒｏｃｅｓｏｖｅｒｔｈｅＢｏｈａｉｗａｎＢａｓｉｎＥｖｏｌｕｔｉｏｎ＊ＹｅＤｅｌｏｎｇＬｕＦｅｎｇｘｉａｎｇＺｈｕＱｉｎｗｅｎＺｈｅｎｇＪｉａｎｐｉｎｇＦａｃｕｌｔｙ...     

深部探测揭示壳幔结构及其资源能源效应——“中国大陆典型地区深部地质调查”专辑特邀主编寄语

地球深部结构变化、物质以及能量交换等地球动力学过程,是地球系统最主要的动力来源,诱发地表地貌变化、剥蚀、沉积作用和环境变迁,以及地震、滑坡等自然灾害,控制化石能源和地热等自然资源的分布,是理解成山、成盆、成岩、成矿、成藏和致灾等过程成因机制的核心。为探索中国大陆深部结构和资源能源效应,在党中央“向地球深部进军”的号召下,中国地质调查局于2016年开始设立了深部地质调查工程。工程以抢占大陆基础地质研究国际制高点,引领深部地质研究前沿为宗旨,选择我国资源、能源重要基地,重大地质边界和关键构造单元,开展了地球物理为主的深部探测和综合研究。获取了华南陆块等重要地质单元岩石圈精细结构,研究了班公湖—怒江缝合带重大地质边界性质及空间展布,在松辽盆地、西北盆山结合带等地发现和提取了一批与深部成矿、成藏和清洁能源有关信息。为进一步推动地质调查向深部进军,促进从二维地表地质调查到三维空间地质调查的转变,《地球学报》组织了“中国大陆典型地区深部地质调查”专辑。本专辑集中报道了深部地质调查近三年取得的部分阶段性进展和成果,主要聚焦深部地质调查在揭示地球深部结构,及其对浅部构造和资源能源的控制,服务地球深部探...     

西秦岭甘南地区上二叠统毛毛隆组古环境演变:基于遗迹网络分析

西秦岭地区是二叠系—三叠系之交深水相保存较为连续的地区,西秦岭甘南地区上二叠统毛毛隆组发育丰富的遗迹化石(12属17种)。遗迹网络分析作为新兴的研究方法,侧重于用相互连接的遗迹分类群来重建遗迹群落系统,这为研究遗迹群落的行为学和生态学提供了丰富的手段。笔者以西秦岭甘南地区上二叠统毛毛隆组发现的遗迹化石为数据源,运用遗迹网络分析方法,揭示出毛毛隆组遗迹群落具结构化特征,遗迹群落体现出环境驱动的遗迹组合面貌特征: Palaeophycus-Lockeia-Arenicolites-Dictyodora-Planolites-Protovirgularia-Chondrites组合(C1,近源浊流区),Palaeophycus-Lockeia-Arenicolites-Dictyodora-Protovirgularia-Phycodes-Chondrites-Helminthopsis组合(C2,浊流过渡区—浊流远源区),和Palaeophycus-Nereites-Scolicia-Protovirgularia-Helminthopsis组合(C3,远源浊流区)。该遗迹群落由C1演变至C3的过程,揭示了古环境从近源浊流区至远源浊流区的演变历程。