基于精细数据处理的叠前深度偏移在琼东南盆地陵水凹陷坡折区的应用

琼东南盆地陵水凹陷,受坡折区崎岖海底和复杂地质构造的影响,导致该地区速度模型构建精度不高,从而严重影响到成像品质。针对坡折区的精确速度模型构建难题,首先采用组合多次波衰减、宽频处理、叠前信噪比增强等针对性处理技术,得到宽频带高信噪比的叠前数据,在此基础上统计分析不同水深速度规律,应用断控和地质约束速度建模技术,建立初始速度模型,然后利用基于宽频数据的高分辨断控约束网格层析反演技术,经过多次迭代完成深度域各向异性速度建模,并实现了陵水凹陷坡折区的高精度叠前深度偏移成像。叠前深度偏移成像显示,基于精细速度模型的叠前深度偏移技术科明显提高坡折区信噪比,改善成像质量,同时可有效消除地层同相轴扭曲的现象,恢复了地下地层的真实构造形态,从而可为目标评价与钻探决策提供更可靠地震资料。     

决口海堤水波传播模拟和分析研究Ⅱ:2D传播

应用经验证的SWASH数学模型,分析了海堤决口中心线沿线实测水深分布规律和保护区淹没水量与淹没面积。对不同特征水深进行验证,进而探讨不同波要素对不同形式的海堤决口堤后特征水深分布情况以及波浪传播距离与时间的关系;分析了物理模型试验中海堤决口宽度以及不同波要素对堤后洪水波演进的影响;计算了不同决口深度和宽度对洪水波传播的影响,建立堤后水体淹没水量和淹没面积分布公式。成果可供我国沿海城市和地区在风暴潮和台风浪作用下海堤决口风险图绘制参考。     

基于深度域地震成像的中沙海槽盆地东北部结构构造研究

文章基于叠前深度偏移地震成像分析, 结合前人重磁反演等地球物理资料成果, 对中沙海槽盆地东北部结构构造进行探索研究。研究表明: 中沙海槽盆地东北部发育新生代地层, 厚度在1500~2500m之间, 地层层速度为1500~ 3500m·s^-1, 不存在中生界沉积层, 盆地基底为海山或前寒武系基岩及岩浆岩隆起。中沙海槽盆地新生代陆源海相烃源岩丰富, 盆地新生界地层厚度大, 盆地凹陷、断裂发育, 具有一定的油气勘探潜力。     

基于支持向量机的GNSS时间序列预测

在深度学习的理论框架下,针对预测全球卫星导航系统(GNSS)时间序列,传统的经验风险最小化预测模型误差大精度低,泛化性能差且对历史数据的经验依赖大的问题.提出一种采用结构风险最小化原则的基于支持向量机(SVM)的时间序列预测模型.通过和多层的BP神经网络预测模型预测效果比较,结果证明SVM预测模型拥有更好的时间序列预测效果.     

利用深度学习模型进行城市内涝影响分析

城市内涝是当前典型的一类城市自然灾害,影响着居民的生活质量。以城市内涝点作为研究对象,综合考虑内涝对城市居民工作和生活等方面造成的影响,筛选出与影响程度相关的21类空间数据。同时,基于深度学习原理构建栈式自编码神经网络模型,结合层次分析法获取的内涝点影响程度标签,剖析21类空间数据与内涝点对居民工作生活影响程度的关系,实现城市内涝对居民工作和生活影响的定量分析。实验表明,栈式自编码神经网络模型能准确地描述内涝点周围的系列空间数据与内涝影响程度之间的关系,可有效预测潜在内涝点对居民工作和生活的影响程度大小,可用于城市防洪排涝方案的制定和排水管网的优化设计。     

利用拟构模型面调控水深模型点选取的航海DDM构建

针对传统方法难以确保所建模型的深度保证率满足航海安全要求的问题,提出了一种利用拟构模型面调控水深模型点选取的航海数字水深模型（digital depth model,DDM）构建方法。定义了已选、待选、拟选水深点以及拟构模型面的概念,并利用待选水深点来定量评估模型面的深度保证率与表达度,实现了水深自动选取过程中的DDM质量动态监控。在此基础上,通过构造水深选取中的质量评估综合算子,利用该算子来定量调控水深点的选取,确保所构DDM的深度保证率能达到规定指标要求。实验结果表明:（1）与传统方法相比,所提方法能确保所建模型的保证率满足航海安全要求;（2）对于深度保证率均能满足航海安全要求的水深点,所提方法较传统方法能从一定程度上提高模型在此处的表达度。     

一种改进的RFB Net遥感影像目标识别算法

针对高分辨率遥感影像场景复杂,现有的目标识别算法检测率较低且速度较慢的问题,提出了一种改进的RFB Net模型。算法在RFB Net模型的基础上构建特征金字塔网络,融合高层语义信息和低层特征信息,提高了网络识别能力。为验证该算法性能,以遥感影像中飞机目标为例进行了实验验证。以油罐和立交桥目标为例,对该算法的推广性进行了实验验证。结果表明,改进的RFB Net模型在遥感影像目标识别中精度较高、速度较快,且具有较好的推广性。     

深反射地震成像揭示的班公湖 怒江缝合带中段Moho断阶及其大地构造意义

揭示班公湖- 怒江(班怒)缝合带Moho(莫霍面)结构对于认识中特提斯洋壳俯冲和南羌塘坳陷成因具有重要地球动力学意义。基于横跨班怒缝合带的深反射地震数据(88°30′E),本文采用了中长波长静校正、噪声压制、优化叠加和叠前深度偏移(PSDM)等地震处理技术,获得了深度域地震反射偏移剖面、层速度场和高分辨率Moho结构。由深度域剖面显示,班怒缝合带Moho位于地表以下65～80 km,呈不连续北向抬升趋势,指示在拉萨地块与南羌塘地块之间存在岩石圈上地幔断阶,最大阶步可达15 km。综合分析缝合带两侧的Moho形态认为,这些断阶受南侧拉萨地体的岩石圈上地幔以19. 5°北倾俯冲与北侧南羌塘地块的上地壳抬升驱动,可能与深部存在局部熔融相关。班怒缝合带下的Moho结构表明,随着晚侏罗世—早白垩世中特提斯洋闭合,南羌塘地体由边缘海沉积向前陆盆地转换,形成南羌塘坳陷。     

基于深度学习的CZ铁路康定—理塘段滑坡易发性评价

CZ铁路康定至理塘段地处青藏高原东部边缘,区域内地形地貌多变、地质构造复杂,滑坡灾害极其发育,严重威胁着CZ铁路康定至理塘段的规划建设和未来安全运行。因此,选取高程、坡向、平面曲率、剖面曲率、地形起伏度、地表切割度、地形湿度指数、归一化植被指数、岩性、距断层距离、距河流距离、距道路距离共计12个影响因子构建滑坡空间数据库,采用深度学习的卷积神经网络(convolutional neural network, CNN)模型进行滑坡易发性评价,根据易发性指数将研究区划分为极高易发区(13.76%)、高易发区(14.00%)、中易发区(15.86%)、低易发区(18.17%)、极低易发区(38.21%)5个等级,并与人工神经网络(artificial neural network, ANN)模型进行对比。结果表明,CNN模型的评价精度AUC(0.87)大于ANN(0.84)模型,且极高易发区的频率比值高于ANN模型,CNN模型在本研究区有着更高的预测能力;极高和高易发区主要分布在水系较为发育的地区,沿着雅砻江和其他河流两侧2 km范围内呈带状分布。滑坡易发性评价结果较好地反映了研究区滑坡灾害...     

九龙江口秋茄红树林恢复对底质磷的影响

以光滩为对照,分别在白礁选取5、6、8a生秋茄(Kandelia candel)人工林以及天然秋茄林为样地,在草埔头选取20a生和44a生秋茄人工林为样地,比较分析了福建九龙江口秋茄红树林恢复对底质总磷和有效磷的影响.结果表明:白礁和草埔头秋茄人工红树林的总磷和有效磷含量随红树林恢复时间的增加而增高.白礁天然秋茄林和草埔头秋茄人工林的总磷随底质深度增加而减少,有效磷在中下层含量较高.潮位对草埔头总磷有显著影响,由外滩到内滩,其总磷含量逐渐增加.九龙江口秋茄红树林早期恢复阶段的底质总磷和有效磷缺乏,5a生秋茄人工林底质总磷和有效磷分别为0.68g/kg和2.99mg/kg.