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.     

人工神经网络方法估算海洋上混合层深度的初步研究

上混合层深度是海洋上层热力结构特征的重要参数.结合南海南部海区一连续温盐深观测站的实测资料和NCEP再分析风场资料,以海洋表层温度和风应力为输入,以温度差值判断方法计算所得上混合层深度为输出,采用BP神经网络和广义回归神经网络2种方法进行训练,建立了南海南部海区的上混合层深度人工神经网络计算模型.实验显示,两种模型仿真结果与温度差值方法计算结果均方根误差分别为3.58m、3.09m,线性相关分别达0.87、0.91,绝对误差分别为2.80m、2.37m,相对误差分别为9.40%、7.40%.这一结果表明,人工神经网络方法精度较高,是一种切实可行的上混合层深度估算方法.     

南沙群岛海域混合层深度季节变化特征

基于南沙群岛海域综合科学考察11个航次的实测资料,研究了南沙群岛海域的混合层深度季节变化特征。研究结果表明,南沙群岛海域混合层深度存在明显的季节变化,并且与季风和海表热通量的变化密切相关。春季,风速较小且风向不稳定,海面得到的净热通量全年最大,上层水体层结稳定,混合层深度较小;夏季,南海西南季风盛行,上层为反气旋式环流,海面得到的净热通量减少,混合层呈加深的趋势;秋季,海面净热通量继续减少,混合层深度达到最大值;冬季,东北季风驱动下形成的上层气旋式环流引起深层冷水的上升,限制了混合层的加深。     

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。     

基于最优切削深度的深海采矿车定位研究

最优切削深度对矿石开采有着重要意义.为了获取相关深海地貌数据计算采矿车最优切削深度,实现最优开采,先要获得该地貌的准确位置数据,即采矿车准确定位的位置.考虑到深海地貌崎岖不平、车轮打滑、周围能见度低等复杂的工作环境,提出了一种基于从动轮的航位推算定位.通过建立非平坦地形上采矿车的运动学模型,采用电子罗盘等传感器测量采矿车的动态参数,依据运动学模型进行航位推算,从而实现采矿车的准确定位.试验结果较好地达到了预期的要求,为深海采矿车的最优切削深度控制、自主导航、路径规划等提供了前提条件.