基于岩石图像深度学习的岩性自动识别与分类方法

岩石岩性的识别与分类对于地质分析极为重要,采用机器学习的方法建立识别模型进行自动分类是一条新的途径。基于Inception-v3深度卷积神经网络模型,建立了岩石图像集分析的深度学习迁移模型,运用迁移学习方法实现了岩石岩性的自动识别与分类。采用此方法对所采集的173张花岗岩图像、152张千枚岩图像和246张角砾岩图像进行了学习和识别分类研究,通过训练学习建立岩石图像深度学习迁移模型,并分别采用训练集和测试集中的岩石图像对模型进行了检验分析。对于训练集中的岩石图像,每组岩石分别用3张图像测试,三种岩石的岩性分类均正确,且分类概率值均达到90%以上,显示了模型良好的鲁棒性;对于测试集中的岩石图像,每组岩石分别采用9张图像进行识别分析,三种岩石的岩性分类均正确,并且千枚岩组图像分类概率均高于90%,但是花岗岩组2张图像和角砾岩组的1张图像分类概率值不足70%,概率值较其他岩石图像低,推测其原因是训练集中相同模式的岩石图像较少,导致模型的泛化能力减小。为了提高识别精确度,对准确率较低的岩石图像进行截取,分别取其中的3张图像加入训练集进行再训练,增加与测试图像具有相同模式的训练样本;在新的模型中,对3张图像进行二次检验,测试概率值均达到85%以上,说明在数据足够的状况下模型具有良好的学习能力。与传统的机器学习方法相比,所提出的岩石图像深度学习方法具有以下优点:第一,模型通过搜索图像像素点提取物体特征,不需要手动提取待分类物体特征;第二,对于图像像素大小,成像距离及光照要求低;第三,采用适当的训练集可获得较好的识别分类效果,并具有良好鲁棒性和泛化能力。     

陕西凤太矿集区多金属成矿作用的构造控制

陕西凤县-太白(简称凤太)矿集区铅、锌、金、银、铜多金属资源丰富,已发现二十余个大中小型矿床。在大地构造位置上,凤太矿集区位于南秦岭造山带北缘,紧邻商丹缝合带。以往的工作缺乏对矿集区整体的构造研究,本次工作通过比较系统的构造测量和解析,提出在南秦岭晚三叠世碰撞造山过程中,凤太矿集区南北两条边界断裂带的左行走滑运动导致在区内衍生了NNE向主压应力场,从而形成了NWW向复式褶皱、脆韧性剪切带、断裂和节理(纵向破裂)、B型线理,以及NNE向断裂和节理(横向破裂)、劈理、张裂隙等一系列构造组合,所有构造形迹都是在统一构造应力场下随着构造层次不断抬升,脆韧性和脆性递进变形叠加的产物,共同构成了一个大型压扭性走滑双重构造变形系统。在构造几何学上,凤太矿集区整体上表现为一个隔档式复式褶皱,由一组NWW向紧闭复背斜和一组相对宽缓复向斜组成。区内的多金属成矿作用、岩浆活动、动力变质变形作用的同位素年龄数据集中于230~190Ma。综合地质演化和成矿作用的研究成果,提出在南秦岭碰撞造山过程中引发的动力变质变形作用和岩浆活动提供了成矿元素和成矿流体,在温压梯度以及浮力效应的驱动下向上运移至走滑双重构造变形系统中的有利扩容空间中发生充填型和交代型矿化,即凤太矿集区多金属矿床是区域大规模变形变质-岩浆活动-流体作用的产物,是在构造作用这一主导因素控制下形成的一个多金属后生热液成矿系统。     

山区输变电工程崩塌(滚石)灾害识别与预测方法

山区输变电工程崩塌随着国家“一带一路”和“全球能源互联网”战略的构建和实施,山区复杂地质环境条件下的输变电工程建设越来越多。然而,现阶段对于输变电工程崩塌（滚石）灾害识别、预测和评价方法等方面的研究相对较少,难以有效解决山区崩塌（滚石）灾害频发与输变电工程安全建设、运营之间不断增长的矛盾。鉴于此,作者借助航空遥感、无人机航测、岩体结构分析工具、崩塌（滚石）运动数值模拟软件等新技术方法等,对山区输变电工程中崩塌（滚石）灾害识别与预测方法等开展了相关研究。提出:（1）基于区域工程地质分区-区段遥感分析-山体无人机航拍-岩体结构特征分析的思路,实现对长距离、大区域山区输变电工程的崩塌（滚石）危岩体快速识别和分析;（2）利用三维崩塌（运动）模拟方法快速识别崩塌（滚石）在杆塔（变电站）范围的到达情况,然后再利用多种方法对比确定能到达杆塔（变电站）范围内崩塌（滚石）的冲击特征;（3）山区输变电工程崩塌（滚石）灾害风险计算方法。     

抗滑短桩加固滑坡体模型试验三维数值模拟分析

为解决抗滑短桩加固滑坡体理论研究不满足工程应用需要的现状,本文采用基于快速拉格朗日算法的FLAC3D软件,对桩长变化的抗滑短桩加固碎石土滑坡全过程进行三维有限元模拟,通过分析滑体位移、应力、抗滑短桩位移和桩身弯矩的变化规律,研究抗滑短桩的受力变形特性及桩土相互作用机理。研究表明:经抗滑短桩加固后的滑坡,稳定性显著提高;随着桩长增加,桩后应力分布越均匀,抗滑短桩与桩周土体的整体性越好,滑体最大位移逐渐减小,有效抑制滑体位移;当桩长小于60 cm时,滑体出现"越顶"现象,在楔形体前缘顶部形成了贯通滑动面,且发生较小范围的失稳破坏;当桩体自由段与滑体厚度比值为0.52~0.59时,加固效果最理想。研究结果对抗滑短桩加固滑坡体的抗滑机理予以补充。     

基于抗滑承载力的单排抗滑桩最大桩间距计算方法

目前关于抗滑桩最大桩间距的研究都是基于桩间土拱效应,不同计算方法之间的结果区别较大,更重要的是当滑体黏聚力c=0时,其桩间距计算结果也等于0,这显然与实际不符。在利用抗滑桩斜截面受剪承载力计算其最大抗滑承载力的基础上,根据极限状态下单根桩的最大抗滑承载力恰好等于桩间距范围内滑坡的剩余推力,推导了基于抗滑桩斜截面受剪承载力的最大桩间距计算公式,并用工程实例验证了其合理性。结果表明,当抗滑桩的截面尺寸确定以后,最大桩间距与设桩处的滑坡剩余推力成反比,滑坡剩余推力越大,桩间距越小,反之亦然。本方法计算简便,利于推广。     

基于错误式学习的低空影像人行横道多角度自动识别

提出了一种基于特征的错误式学习分类器半自动迭代训练方法,该分类器能够自动识别多角度低空影像上的人行横道线,在人行横道线管控与数据库建立、道路网提取上有较好的应用。介绍了基于错误式学习的分类器训练思路与方法,并提出了将同一地区不同角度低空影像的识别结果进行合并,从而尽可能全面的检测出被城区高楼以及车辆遮挡的人行横道线的思路。通过对比实验该方法的鲁棒性,并在其基础上随机选取多组数据进行系列实验,证实了基于错误式学习的分类器比传统方式训练的分类器有更好的综合性能,能够在不降低识别耗时的前提下产生高准确率、低漏检率和低误识别率的识别结果。     

一种彩色栅格地图注记识别方法

栅格地图中的注记包含了丰富的地理位置信息,传统的栅格地图注记识别方法在识别过程中将注记和其对应的地理要素相分离,因此难以处理倾斜注记和弯曲注记。以连通域单元为基本处理对象,提出了一种基于几何特征的彩色栅格地图注记识别方法。首先利用连通域单元的方向、尺寸、密度、邻域四个特征提取注记像素集合,然后通过地理要素中心线对非水平注记进行方向确定,最后对注记进行聚类和重新排列,完成注记识别。通过对GoogleMap（谷歌地图）瓦片中的注记进行提取和识别实验,证明了该方法的合理性和有效性。     

轨迹数据的时间采样间隔对停留识别和出行网络构建的影响

个体轨迹数据已经广泛用于人群活动的研究中。在静止的局部空间开展的活动是个体日常生活的基本元素,在轨迹数据中对应停留部分。因此学者常从轨迹数据中识别停留来研究个体活动信息。然而,轨迹数据的时间采样间隔会对停留识别带来影响。针对该问题,首先提出了一个框架,量化不同持续时间长度的活动在不同时间采样间隔的轨迹数据中被识别为停留的概率。其次,考虑到个体出行网络依赖于停留识别结果,基于该框架,研究分析了时间采样间隔对出行网络分析结果的影响。最后,利用该框架分别对深圳市居民出行调查数据和手机轨迹数据进行了分析。研究表明,在面向人群活动的研究和应用中,该框架能支持时间采样间隔的选择决策和面向活动类型的研究结果评价。     

基于时间序列InSAR分析的西部山区滑坡灾害隐患早期识别——以四川丹巴为例

滑坡是仅次于地震、发生最频繁、造成损失最严重的一种地质灾害,中国西部山区则是世界上滑坡灾害分布最密集的地区之一。广域范围内滑坡灾害隐患的早期识别是地质灾害防治工作中的一项关键任务,基于星载合成孔径雷达重复轨道观测的时间序列雷达干涉测量（interferometric synthetic aperture radar,InSAR）技术在此领域具有巨大的应用潜力,但以永久散射体干涉测量为代表的传统时序InSAR方法在西部山区应用中往往受到植被覆盖等不利因素的影响,滑坡探测识别的可靠性较差。针对这一问题,以大渡河上游丹巴县为例,采用自主研发的相干散射体时序InSAR（coherent scatterer InSAR,CSI）方法,从历史存档的ALOS PALSAR和ENVISAT ASAR数据集中成功识别出了17处持续变形中的不稳定坡体,通过与外部观测数据比对和实地调查核实等手段验证了CSI方法探测结果的有效性和优势,并探讨了影响时序InSAR方法滑坡监测应用效果的主要因素及未来的优先研究方向。     

一种面向化简的海岸线弯曲识别与结构化表达方法

海岸线弯曲识别与结构化表达是海岸线自动化简研究的基础。分析现有曲线弯曲识别与结构化表达方法用于海岸线化简中存在的问题;在通视分析相关理论基础上,面向海岸线化简应用,提出一种基于完全可视区间的层次弯曲渐进识别方法;根据弯曲间关系利用多叉树结构存储弯曲,实现海岸线结构化表达。通过对比实验,证明本文方法识别海岸线弯曲更加精细准确、层次性强,能更加细致地表现海岸线结构特点,也验证了本文方法适用于海岸线多尺度化简应用。