目标采集技术在西部新区地震勘探中的应用

目标采集技术是根据复杂的地下地质构造提出来的,它是针对诸如小断层、小断块、复杂断裂带、特殊岩性、泥岩裂缝等主要地质构造目标而进行的有针对性的目标观测系统设计及目标采集施工方法设计的技术。针对目标采集的特点,在观测系统设计中提出了以地质模型正演模拟分析为核心的观测系统设计技术;在老资料分析和采集参数论证中提出了细化、量化分析技术。通过目标采集技术在西部探区的应用,有效的解决了西部新区勘探开发中广泛存在的复杂隐蔽油气藏勘探难题。     

0509号台风"麦莎"对山东造成的暴雨洪水灾害分析

本文介绍了2005年9号台风“麦莎”的路径、特点及对山东造成的暴雨洪水灾害, 并对暴雨洪水特性进行了分析,阐述了台风防御在防灾减灾工作中的重要作用。     

一种新的实时电磁逆散射方法

为解决介质圆柱体逆散射问题,提出一种新的在线逆散射方法,通过支持向量机将逆散射问题转化成一个回归估计问题. 该方法可应用于各种逆散射方面, 尤其是目标的几何与电磁参数重构和埋地目标探测. 文中首次将支持向量机方法应用到该领域,设置多个散射场的观测点,通过提取散射场的不同信息作为样本信息训练支持向量机, 建立了介质圆柱体的逆散射模型, 利用该模型重构了介质圆柱体的电磁参数,同时探测了埋地位置. 数值结果显示了该方法的有效性和准确性,为目标的实时逆散射研究提供了一种有效方法.     

盐津5.1级地震现场调查与烈度分布

对盐津5．1级地震现场38个居民点、20所学校、8个卫生院（室）及计生站、21项生命线工程及水利工程结构、文化旅游设施和铁路等的震害调查资料进行了分析,得出了本次地震的等烈度分布及有关参数。分析了场地条件、断层、震害异常原因及各类房屋、生命线工程、水利设施等的震害特征和地质灾害特点,并提出了灾区恢复重建的减灾措施和建议。     

一种动态场景下的双目视觉里程计算法

在同步定位与地图构建领域,视觉里程计因其传感器成本低廉、定位精度高、蕴含丰富环境信息等优势而得到广泛应用,但环境中的动态物体会显著降低其解算的精度与鲁棒性。针对此问题,提出了一种深度学习辅助的双目视觉里程计,基于几何约束与目标位置约束的方法,能够准确筛选出环境中的动态物体,以提高结果精度,同时能够恢复动态物体的运动轨迹,便于建立语义地图。在KITTI和TUM RGB-D的动态场景数据集上进行测试,得到的结果精度较高。     

不同频率条件下海月水母目标强度测量及分析

为获得海月水母不同频率下声学特征,在水池条件下,运用鱼探仪对海月水母开展目标强度（TS）测量实验。结果表明：伞径约为10 cm海月水母,姿态角在60°～90°时,单频（120 kHz）条件下,目标强度测量值为–66～–63 dB,接近高通液球模型;宽频（90 kHz～170 kHz）条件下,目标强度测量值为–61～–59 dB,接近Mutlu目标强度和伞径的关系式模型。并进一步分析了相同伞径水母目标强度测量值产生差异的原因,研究结果将为核电站冷源致灾生物的浅海宽频探测提供参考。     

基于恒虚警检测的图像声呐目标跟踪

无人化、智能化的目标探测与跟踪是未来水下探测的必然趋势。针对水下移动小目标,通过固定位置的声呐接收的角度与距离二维信息,提出了一套自动跟踪方法。首先,对图像声呐进行恒虚警处理,同时引入时域参量,通过在门限计算中增加之前时间的权重,抑制位置恒定的静态强背景干扰。之后,基于空间上目标的连续运动,提出了小目标的自动跟踪算法。湖试数据实验处理表明：该方法能有效抑制干扰,实现水下小目标的自动探测跟踪。     

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。     

一种基于复合表达模型的方向相似性算法

复合表达模型结合了锥形模型与方向关系矩阵模型的优点,较好地顾及了目标的形状、大小和距离对方向关系的影响,但该模型仅能对两目标之间的方向关系进行定性描述,对于两目标间的方向关系相似性尚未进行研究。本文在对复合表达模型的方向关系矩阵进行优化的基础上,建立一种基于复合表达模型的面目标方向关系相似性计算模型,将该模型的相似值计算转化为交通运输最小代价问题求解。通过认知实验验证了算法的科学性,同时比较实验说明该算法精确度更高。