插层高岭石层间醋酸钾的作用和取向

利用X粉晶衍射和激光拉曼光谱实验分析高岭石及其醋酸钾插层物的结构。通过实验表明醋酸钾对结晶指数(HI)为0．9的高岭石进行插层．插层率为73％，使高岭石的d(001)由0．72075nm增加到1．42093nm。进入高岭石层间的醋酸根利用其羧基上的两个氧同时和高岭石的面内羟基形成氢键，在高岭石层间直立取向，而对其内羟基基本无影响。当温度升高时，与面内羟基伸缩振动有关的峰(3698cm^-1,3684cm^-1，3672cm^-1等)发生红移，且强度增加；而与内羟基伸缩振动有关的峰(3621cm^-1)则发生蓝移。温度升高到100C以上，开始发生去插层过程；直到250C，插层分子还不能完全从高岭石层间脱去。     

小波分析在高边坡水平位移异常值探测中的应用研究

在测量工作中由于仪器误差等因素引起的粗差不可避免,针对粗差会导致数据中出现异常值这一问题^[1],本文以某一高边坡为研究对象,通过小波分析方法,利用MATLAB软件中的小波工具箱对某一高边坡水平位移监测成果进行异常值的探测。研究结果表明：针对某一高边坡的模拟增加粗差,进一步用小波分析方法对异常值探测,通过原始信号的差分信号可以看到剧烈波动点,有效地完成了对水平位移异常值的探测。     

基于YOLOv3深度学习的海雾气象条件下海上船只实时检测

海雾气象条件下船只高精度检测识别面临较大困难,传统的目标识别、定位方法效果差强人意。作者围绕海雾气象条件下不同类型船只的实时检测问题,提出一种基于YOLOv3深度学习的实时海上船只检测新思路。首先构建清晰图片和模糊图片(海雾、雨)的判别方法,实现图片清晰度分类处理;其次为提高海雾气象条件下海上船只的实时检测精度,消除海雾遮挡对目标识别的影响,运用暗通道先验去雾方法对含有海雾的图像实行去雾;最后基于YOLOv3深度学习算法对精细处理后的图像进行船只实时检测。实验结果表明该方法能够在海雾气象条件下高效、准确地检测到船只,对海上复杂环境条件下的船只实时检测研究具有一定的理论指导意义。     

一种改进的小波阈值去噪方法

利用D.L.Donoho和I.M.Johnstone提出的小波阈值去噪方法,构造了一个新的阈值函数。与传统的硬、软阈值函数相比,该阈值函数克服了硬阈值函数不连续的缺点,且同软阈值函数一样具有连续性,便于进行各种数学处理;同时还克服了软阈值函数中估计小波系数与分解小波系数之间存在着恒定偏差的缺陷,它具有硬、软阈值函数不可比拟的灵活性。仿真结果表明,新的阈值函数的去噪效果有效抑制了在信号奇异点附近产生的Pseudo-Gibbs现象,无论是在视觉效果上,还是在信噪比增益上均优于传统的硬、软阈值方法。     

矿集区大地电磁噪声处理方法及其应用

通过研究平移、线性插值拟合及基于经验模态分解( EMD)等去噪方法的原理,编写相应的人机联作与EMD分解去噪程序来处理实测大地电磁测深数据。发现:传统远参考方法在去除强能量干扰时能力有限,单纯的应用人机联作去噪也存在一定的不足,而在人机联作去噪的基础上再进行EMD分解去噪可以有效地压制噪声,从而提高矿集区大地电磁数据的信噪比。对比去噪处理前后的实测剖面反演结果,经过去噪处理的反演结果局部虚假异常得到有效的去除,为地质解释提供了更为准确的地球物理依据。     

主动源与被动源地震数据插值及联合数据成像

本文提出了两种情况下主动源数据和被动源数据的插值方法,并研究了两种数据在偏移成像中的互补效果.基于互相关法被动源数据重构原理,本文提出了结合多域迭代去噪技术的重构方法.提出了两种时间域主动源和被动源数据的插值方法,分别是共炮点域能量匹配插值和共检波点域最小平方匹配插值.然后对获得的主动源和被动源联合地震数据进行叠前深度偏移成像.在被动源活跃度不是很高的地区进行被动源地震勘探时,少量的主动源地震数据可以有效控制和补充被动源数据的成像效果.在稀疏炮点的主动源勘探中,有效利用被动源的信息能够在成像中增加更多的细节信息,提高成像质量.     

重构小波阈值函数在信号去噪中的应用与研究

实际工程应用中,通过物理手段采集到的信号都带有噪声信息,这样就会淹没很多有用信号,传统的“带通、低通、高通”滤波技术往往显得无能为力,因此提取有用的特征信息就需要对原始信号进行去噪。常用的小波阈值去噪（硬、软阈值函数）方法,含有诸多缺点,本文在其基础上重新构造了一个新的阈值函数。在MTALAB（2014a）环境下,用传统的硬、软阈值函数及重构阈值函数对混入高斯白噪声信号进行去噪仿真分析,结果表明,重构的阈值函数处理的信号效果更好,更清晰。     

电性源时域地空电磁数据小波去噪方法研究

基于飞艇的时间域地空电磁探测系统,具有勘探深度大、效率高、空间分辨率高、飞行控制容易等优势.但在低空飞行测量过程中,飞艇飞行高度、航迹、姿态等受风向、大气气流、地形、地面局部温度场变化等影响而发生变化,导致固定在艇囊前端的接收线圈发生运动,切割大地磁场,产生了电磁噪声、运动噪声、基线漂移等,从而影响电磁数据的电阻率成像质量.因此,研究地空电磁信号中多种噪声的去除方法,对数据的反演解释非常重要.由于地空电磁信号中有效信号频带与部分噪声频带相重叠,使用传统滤波或消噪方法具有一定局限性.因此,本文提出一种综合小波去噪法:根据地空电磁信号的特点,采用sym8小波基;基于小波多分辨率分析原理,利用小波高尺度近似分量估计基线漂移,以校正电磁数据中的基线;基于小波阈值收缩原理,采用5层小波分解、极小极大阈值配合硬收缩函数的消噪方法,来压制数据中的其余噪声.最后,通过异常环模型的理论响应和实测数据进行算法的验证,结果表明这种综合消噪法对多种噪声均有很好的抑制作用,是一种实用有效的时间域地空电磁数据消噪方法.     

希尔伯特—黄变换(HHT)在EH-4数据去噪处理中的应用

工频噪声源于社会生产活动中产生的电磁噪声,常会造成视电阻率曲线病态或发散。为了提高数据处理与解释的精度,本文针对EH-4数据中常见的工频噪声,采用希尔伯特—黄变换进行去噪处理,通过对实际数据的时间序列处理分析可知,该方法利用数据自身的时间尺度特征自适应地分解信号,能够很好地去除工频噪声,为大地电磁信号的去噪提供了一条有效的路径。另外,本文还针对经验模态分解过程中产生严重的模态混叠及“端点效应”进行分析,运用聚合经验模态(EEMD)对仿真信号及实测数据的时间序列进行分解,有效地解决了模态混叠等问题。     

北京地区气候变量的多分形特征研究

在气候系统的变量时间序列中往往存在着不同尺度间的自相似结构,这种自相似结构,又称为分形的特征.本文运用多分形去趋势波动分析方法(MF-DFA),分析北京市近50年来不同气象变量的逐日序列,并用一个扩展的二项式串级模式来分别估计其多分形谱.结果表明,平均气温等变量表现出多重分形的特征,并且多分形谱宽一致.而气温日较差和日照时数则表现出单分形的特征.且这种分形特征与长程记忆性相关,为中长期气候预测提供了理论基础.