基于深度学习到时拾取自动构建长宁地震前震目录

将深度学习到时拾取、震相关联技术与传统定位方法联系起来,构建一套连续波形自动化处理与地震目录自动构建流程,对于高效充分利用地震资料,提升微震检测能力具有十分重要的意义.我们应用最新发展的迁移学习震相识别技术、震相自动关联技术,对长宁Ms6.0地震震中附近21个台站震前半个月(6月1日-6月17日)的连续记录波形进行P、...     

基于地震属性约简的深度学习储层物性参数预测:以莺歌海盆地乐东区为例

储层物性参数作为描述储层特性、储层建模和流体模式的重要指标,其准确估算可以为储层预测提供有力参考依据,但传统储层物性参数反演方法无法兼顾反演精度及空间连续性。针对上述问题,本文引入地震属性作为深度学习算法输入,针对地震属性之间存在的信息冗余特征,利用随机森林-递归消除法对地震属性进行约简预处理,最终建立一种基于地震属性约简的储层物性参数预测方法。实际数据测试结果表明,地震属性约简的深度学习储层物性参数预测结果具有良好的精度及横向分辨率,证实本文方法的有效性。     

基于改进U-Net的建筑物集群识别研究

针对U-Net在高分影像建筑物提取中部分建筑物边缘特征易模糊或丢失的问题,提出一种对高分影像建筑物边缘增强,同时对U-Net部分卷积过程进行改进的优化的建筑物提取方法.首先利用域变化递归滤波的方式对建筑物边缘进行增强,将增强后影像输入U-Net神经网络中进行训练;其次为充分利用建筑物在高分影像上丰富的细节特征,尝试在原...     

北京市出租车OD流多尺度空间预测深度重力模型及其可解释性研究

准确预测城市内部OD流对于优化城市交通运行效率、提高资源利用率以及促进城市可持续性发展具有重要作用。现有研究大多基于单一尺度利用地理位置之间大量的历史流量来预测未来的流量,尚未有研究充分探究不同空间尺度下OD流预测可能存在的重要特征或建模精度差异等问题。本研究以北京市出租车轨迹为例,采用深度重力模型（Deep Gravity）对不同空间尺度下的轨迹OD流进行预测。同时,引入SHAP值（SHapley Additive exPlanations）揭示不同尺度下影响OD流预测建模的重要特征。结果表明：(1)相比于重力模型和辐射模型,街道尺度下深度重力模型的OD流预测精度最高（CPC值高达0.83）,且成功捕捉到了北京市早晚高峰时段的OD流网络整体结构,呈现出“环形散射状”特征;(2)在本研究所选各空间尺度下,对OD流预测精度影响最大的4个特征均为O、D点之间的出行距离,O、D点周围公司企业数量、餐饮服务数量以及购物服务数量;(3)同一特征对OD流预测模型的局部影响不同于全局,如科教文化和体育休闲类POI在全局尺度下对模型影响较小,但在局部尺度下却表现出极大的影响。     

邢台地震b值的深度变化特征分析

对1966~1984年邢台地震目录进行了整理,应用基于MATLAB的Z-MAP软件分析了地震目录的完整性,将目录划分为地震活跃时段、地震活动过渡时段、地震活动相对稳定时段。主要分析了各时段地震深度b值、沿断层深度剖面扫描b值,根据深度b值变化对邢台地震演化特点进行了分析。     

1961—2017年新疆积雪期时空变化特征及其与气象因子的关系

利用新疆89个地面站逐日积雪深度观测资料,研究探讨了1961—2017年新疆区域积雪期、积雪初日、积雪终日的时空变化规律,分析了北疆和天山山区积雪期的年代际和周期变化特征及其与气温、降水的关系.结果表明:新疆各地积雪期、积雪初日和终日存在明显的差异,积雪期以天山为界北多南少;从空间分布看,天山山区和新疆北部阿勒泰、塔城...     

基于多层次感知网络的GF-2遥感影像建筑物提取

高分辨率遥感影像建筑物提取任务在城市规划、城镇化进程等领域发挥着重要作用.针对现有的深度学习提取方法存在浅层特征未得到有效利用、小目标信息容易丢失等问题,提出了一种多层次感知网络.该网络利用密集连接机制充分提取特征信息,并构建平行结构保留不同特征分辨率的空间信息,增强不同深度、尺度特征信息,减少细节特征的丢失;同时利用...     

基于CSAMT电场分量的电性标志层深度校正技术及应用

可控源音频大地电磁(CSAMT)是探测含煤地层富水区及采空区的重要地球物理方法,但其探测深度误差比较大,采用电性标志层进行深度校正,达到精确解释地层的目的。首先,提出基于电场单分量视电阻率计算方法,只需通过平移即可获得全区视电阻率,无需迭代,简单快速。接着,分析视电阻率微分极值与电性标志层的关系,通过测井电阻率曲线识别出电性标志层,然后通过比值计算深度校正系数,在全区进行插值得到任意测点的校正深度。对新元煤矿31004工作面R280测线数据进行深度校正处理,结果表明:校正后的深度和实际地层基本吻合。最后,通过已知充水采空区边界、淋水点以及钻孔揭示的结果进行对比验证,达到了预期效果。该方法为CSAMT在含煤地层进行精细化数据处理和解释提供了新的思路。      

基于深度学习和台阵策略的震相自动拾取方法APP++及其在川滇地区的应用

在APP方法的基础上,使用U-net++模型,提出了进一步的改进算法APP++用于台阵下的震相到时自动拾取,测试结果显示,APP++模型在具有和APP相当的拾取能力的同时,还能够更好地避免误识别,且具有跨区域泛化能力;将该方法用于川滇地区的固定台网和流动台阵上,扫描了2014—2019年6年的连续数据,检测到了7329...     

超参数对GRU-CNN混合深度学习弹性阻抗反演影响研究

CNN-GRU混合深度学习反演弹性阻抗取得了较好的反演效果.但是,基于深度学习的叠前反演参数众多,包括内部深度学习网络可学习参数和外部超参数等,目前超参数选取对网络性能及计算速度影响尚缺乏系统性研究,这直接影响到了该方法的进一步推广应用.因此,本文在混合深度学习反演弹性阻抗基础上,探讨学习率、Ep-och、batch_...