TWR-01型天气雷达回波特征参数的提取和应用

TWR-01型天气雷达是小型数字化雷达,具备GIS和GPS功能,可适应移动式、固定式的增雨防雹作业指挥和气象保障服务.TWR-01型天气雷达回波特征参数的提取技术是基于影像的目标轮廓提取方法.目标轮廓提取方法在图像识别与图像分析中占有重要地位,广泛应用于测量和遥感领域.TWR-01型天气雷达同波特征参数提取的技术方法是...     

山西地下水氡中短期异常识别标志及预报方法研究

采用“九五”地震科技攻关地下水化学及 EIS2 0 0 0提供的多种数据处理和异常识别方法 ,对山西省地下水氡观测资料进行了较详细的处理 ,筛选出较好的数据处理方法和异常标志。结果表明 ,除常规的数学处理方法外 ,用水氡的基值变化率和滑动变化率提取异常效果较好 ,如果基值变化率 R0 ≥ 0 .0 6 ,持续时间大于等于 12个月 ,滑动变化率 R≥ 0 .0 5 ,持续时间大于等于 12个月 ,则视为异常     

来自大别山深成侵入岩图像深度迁移学习的可解释性研究

岩石图像识别是以深度学习为代表的感知智能在地质领域的典型应用场景。已有研究显示网络结构简单的深度卷积神经网络能够在岩石图像上取得比复杂网络结构高的分类准确率。这与ImageNet数据集上网络结构越深越好的趋势相悖。如何解释这一现象？深成侵入岩为显晶质,自形—半自形粒状结构,块状构造,其分类的依据是其矿物成分及相对含量。大别山地区岩浆活动广泛,中生代深成侵入岩广泛出露。岩石类型包括超镁铁质岩类、辉长岩类、闪长岩类、正长岩类、二长岩类和花岗岩类,基本覆盖IUGS推荐的深成侵入岩分类方案中的岩石类型。选取大别山地区中生代深成岩图像开展不同网络结构预训练模型迁移学习对比试验,能够专注于深度学习对矿物成分特征的学习解释,降低构造因素的影响。借助局部可理解的模型解释技术和特征图可视化技术,分别从全连接层分类决策区域可视化和卷积隐层可视化两方面对深度学习模型开展可解释性研究。结果表明简单网络结构的卷积神经网络能够提取不同矿物所表现出的颜色特征以及不同矿物组合所表现出的纹理特征。AlexNet模型的削减试验进一步证明：对于岩石图像深度学习,网络结构并不总是越深越好。     

利用高光谱识别草地种类的研究——以锡林郭勒草原为例北大核心CSCD

以锡林郭勒草原典型的羊草、针茅、日阴菅、隐子草为研究对象,测量4种草地光谱,利用光谱微分法对原始光谱数据进行处理,在提取草地光谱7个特征参数的基础上,采用相关性分析和主成分分析方法精选红边斜率、绿峰位置、绿峰值和红谷位置4个参数。基于所选的4个光谱特征参数,采用多层感知神经网络模型对草地种类进行识别,精度达到80.3%,同时对比7个特征参数与4个特征参数对草地种类识别精度的影响,发现草地种类识别精度从69.0%提高到80.3%。本研究可为大面积草地物种资源的遥感调查和监测提供科学依据。     

基于三维荧光光谱-平行因子技术联用的浮游藻化学分类学技术研究

An in vivo three-dimensional fluorescence method for the determination of algae community structure was developed by parallel factor analysis(PARAFAC) and CHEMTAX. The PARAFAC model was applied to fluorescence excitation-emission matrix(EEM) of 60 algae species belonging to five divisions and 11 fluorescent components were identified according to the residual sum of squares and specificity of the composition profiles of fluorescent. By the 11 fluorescent components, the algae species at different growth stages were classified correctly at the division level using Bayesian discriminant analysis(BDA). Then the reference fluorescent component ratio matrix was constructed for CHEMTAX, and the EEM–PARAFAC–CHEMTAX method was developed to differentiate algae taxonomic groups. The correct discrimination ratios(CDRs) when the fluorometric method was used for single-species samples were 100% at the division level, except for Bacillariophyta with a CDR of 95.6%. The CDRs for the mixtures were above 94.0% for the dominant algae species and above 87.0% for the subdominant algae species. However, the CDRs of the subdominant algae species were too low to be unreliable when the relative abundance estimated was less than 15.0%. The fluorometric method was tested using the samples from the Jiaozhou Bay and the mesocosm experiments in the Xiaomai Island Bay in August 2007. The discrimination results of the dominant algae groups agreed with microscopy cell counts, as well as the subdominant algae groups of which the estimated relative abundance was above 15.0%. This technique would be of great aid when low-cost and rapid analysis is needed for samples in a large batch. The fluorometric technique has the ability to correctly identify dominant species with proper abundance both in vivo and in situ.     

一种基于机器学习分类器的UWB异常信号识别方法

针对超宽带定位技术中非视距信号与多径信号影响超宽带定位精度的问题,在不考虑信道冲激响应这一重要特征前提下,分别从测试与训练场景相同和异同两方面对比研究支持向量机、随机森林和多层感知器3种机器学习方法的低成本超宽带异常信号识别性能。通过将多径信号与非视距信号分离,完成视距信号、非视距信号和多径信号的数据多分类。对比性实验结果表明,测试环境与训练环境相同和异同两种情况下的随机森林分类器表现最优,识别准确度可达92.52%、74.82%;在缺失信道冲激响应这一重要特征条件下,机器学习依然可以较好地识别非视距信号和多径信号,为低成本室内定位提供一种思路。     

基于信息熵的测量数据粗差识别法

基于信息论，提出用信息熵进行测量数据粗差识别，与统计识别方法相比较，该方法对观测数据的分布无要求，识别能力较强，且计算比较方便，并通过实例对该方法进行验证。     

非开挖HDD地表变形数值模拟及DCRP识别技术研究

采用非开挖水平定向钻进技术近地表施工时,由于地层及钻井液压力等原因易产生地表变形。结合美国梅萨市一处通信管道施工实例,对0-0.9 MPa钻井液压力作用下的地表变形程度进行了数值分析,得到地表最大隆起量为26 mm。采用DCRP技术及水准仪方法对该变形区域钻井液压力作用前后的地表进行位移检测,得到地表最大隆起量分别为28 mm和30 mm,表明数值模拟分析结果同现场检测结果比较吻合。同时,在现场所布置的26个检测点中,两种方法检测到的隆起量最大相差2.7 mm,表明其精度比较接近。此外,由于DCRP技术属于非接触式三维检测,受施工现场条件及人员操作限制少,故具有较为理想的应用前景。     

新疆西天山高硫化型京希-伊尔曼德金矿床的识别标志及其找矿意义

经过详细的野外地质勘查、热液蚀变及蚀变矿物学研究，流体包裹体和同位素研究，首次将西天山京希－伊尔曼德金矿床确定为高硫化型浅成低温热液金矿床。该矿床的主要识别标志为：发育以多孔状石英为特征的硅化蚀变带和高级泥化蚀变带；成矿流体性质为低盐度[W(NaCl)为0.3-4.2%]、低pH值（3－4）和高氧化态；氧同位素δ（^18O)为1.7 ‰-4.3‰,δ(D)为－60‰--80‰。金主要富集在高级泥化带和中心硅化蚀变带内。系统研究和总结了成矿地质－地球化学制约因素以及区域、靶区和勘探区尺度的找矿标志。