实时修复双频原始载波相位观测值周跳的虚拟值探测法

利用各频率观测值间物理上的相关性,采用数学变换得到一个含有双频原始载波观测信息的虚拟观测值,与双频数据按长波长特性进行多频组合来放大周跳。对探测出的周跳候选值利用Melbourne-Wubbena组合及多项式拟合作为两个判别条件来进行甄选,达到了实时修复双频原始载波相位观测值周跳的目的。     

预修正快速傅里叶变换方法在波浪绕射和辐射问题中应用

在波浪对海上建筑物绕射和辐射问题的计算中,面元法被广泛使用,但由于传统面元法的存储量和计算量均为未知量的平方量级,很难满足大范围多未知量问题的计算需要。采用预修正快速傅里叶变换方法(pFFT方法),使计算量与存储量都降低到未知量的线性量级。以淹没圆球与漂浮圆柱两个典型算例为基础,通过不同未知量时pFFT方法与传统面元法的计算量与存储量的对比,以及pFFT方法自身各步骤计算时间的对比,研究了不同网格方案的选取对pFFT方法计算量和存储量的影响,推荐根据未知量个数采用计算时间最小化原则选取pFFT网格参数。     

红海与加利福尼亚湾初始扩张系统的热状态差异

红海与加利福尼亚湾同处于由大陆裂谷向初始海底扩张的过渡阶段,但具有显著不同的构造背景与演化特征。本文基于磁异常数据,利用基于傅里叶变换和小波变换的质心法,计算得到了红海和加利福尼亚湾的居里面深度,对比发现二者热状态存在显著差异,不同方法的计算结果均显示加利福尼亚湾的居里面明显深于红海的居里面。红海扩张中心相对连续,岩浆活动较为活跃,而加利福尼亚湾扩张中心区域广泛发育了错开扩张脊的转换断层,并且扩张中心处热液活动强烈,加速了该区域的热对流和热损耗。此外,扩张速率与热状态和热液活动之间存在着明显的耦合关系。加利福尼亚湾的扩张速率是红海的两倍多,较快的扩张速率与热液活动正相关,较强的热液活动加速热损耗而加深居里面,也是引起加利福尼亚湾居里面比红海居里面深的原因之一。     

测量和地图学中应用的三种纬度函数及其反解变换的线性插值方法

测量和地图学中应用的三种纬度函数及其反解变换的线性插值方法杨启和（郑州测绘学院，４５００５２）杨晓梅（中国科学院地理研究所，北京１００１０１）１概述在测量和地图学中经常应用到三种纬度函数的反解变换。现对这三种纬度函数的定义说明如下。１．１等角纬度φ...     

内蒙古翁公敖包航磁异常的推断与解释

文章对内蒙古四子王旗—土默特右旗中北部近年发现的翁公敖包航磁异常进行推断与解释,在对找矿有望的航磁异常进行筛选后,对翁公敖包航磁异常进行了野外地质-地球物理查证,确定异常为铁矿所致;采用向上延拓、垂向导数、斜导数及小波变换等方法对航磁异常进行数据转换处理,以获取铁矿体的横向及纵向分布信息,取得了较好的效果。     

从灰度变化获取表面形状的研究

提出了一种基于可信度操作的从灰度变化信息获取表面形状的方法,并结合在频率域的强制可积约束,把对表面梯度空间(p,q)的处理经过高斯球变换到(f,g)空间处理,不仅较好地保证了算法的收敛性和可靠性,而且有利于边界条件的确定。     

基于压缩感知理论的地震数据降噪方法

针对地震数据在采集处理过程中存在的随机噪声,本文从压缩感知的角度,给出了一种地震数据降噪方法.其基本思路是:首先对含有随机噪声地震数据通过离散余弦变换进行稀疏表示,然后选取随机高斯矩阵为测量矩阵,并计算出传感矩阵,在地震数据重构阶段,采用正交匹配追踪算法对地震数据进行重构;通过实验方法对比,本文方法的降噪效果在峰值信噪比、信噪比、均方误差指标上均优于对比方法,证明了本文方法对地震数据中的随机非平稳噪声有较好的压制效果,提高了地震数据的信噪比.     

HOUGH变换在海浪遥感图像处理中的应用

本文提出了一种以FIOUGH变换为基础的海浪波长波向分析法,并对SEASAT合成孔径雷达获取的海洋遥感图像进行了方向和波长分析。该方法模拟人类纹理视觉机理,首先应用CFCM动态聚类方法对波峰、波谷和过渡带进行分类,然后采用随机行走模型对分类图像进行滤波,以获得整图的全局走向信息,再以此先验信息为先导对分类后的纹理图像进行定向跟踪拟合,得到代表海浪波峰的直线族图,最后在再对此图进行HOUGH变换和分析的基础上得到精确的波长与波向。     

基于数据分布域变换与贝叶斯神经网络的渗透率预测及不确定性估计

渗透率是储层评价和油气藏开发的关键参数.传统测井方法与常规机器学习方法估算的渗透率都是固定值.但由于测井数据本身存在噪声, 渗透率的预测结果可能受到噪声的影响出现测量性的随机误差(即任意不确定性); 同时, 当测试数据与训练数据存在差异时, 机器学习模型在预测渗透率时可能出现模型参数的不确定性(即认知不确定性).为实现渗透率的准确预测并量化两种不确定性对结果的影响, 本文提出基于数据分布域变换和贝叶斯神经网络同时实现渗透率预测及其不确定性的估计.提出方法主要包括两个部分: 一部分是不同域数据分布的相互转换, 另一部分是基于贝叶斯理论的神经网络渗透率建模预测和不确定性估计.由于贝叶斯神经网络存在数据分布的假设, 当标签的概率分布与网络的分布保持一致时, 贝叶斯神经网络可以更好的学习到数据之间的关系.因此通过寻找一个函数将一个原始域的渗透率标签转换为目标域的与渗透率有关的变量(我们称为目标域渗透率), 使得该变量符合贝叶斯神经网络的分布假设.我们使用贝叶斯神经网络预测目标域渗透率以及任意不确定性和认知不确定性.随后, 通过分布域的逆变换, 我们将目标域渗透率还原回原始域渗透率.应用本文方法到某油田的18口井的测井数据中, 使用16口井的数据进行训练, 2口井进行测试.测试井的预测渗透率与真实渗透率基本一致.同时, 任意不确定性的预测结果提供了渗透率预测值受到的测井数据噪声影响的位置.认知不确定的预测结果说明数据量少的位置具有更高的认知不确定性.我们提出的这一流程不仅显示了在储层表征方面的巨大潜力, 同时可以降低测井解释时的风险.