组合电离层残差与改进的码相伪距探测与修复周跳研究

传统码相组合算法能探测7～8周以上大周跳,而传统的电离层残差法仅对于±4周以内的周跳可实现唯一分离,这限制了两者组合的应用.针对这一问题,对码相组合探测与修复周跳方法进行改进,使得改进的码相组合与电离层残差法能够完全探测周跳.经理论与实验分析,组合改进的码相组合法与电离层残差法两者结合能够完全探测采样间隔小于10 s观测数据中的周跳,对动态非差观测值数据的周跳自动探测与修复有极佳的效果.     

轨道误差对InSAR 数据处理的影响

轨道参数是InSAR 数据处理中一个重要的参数,对从最初的图像配准到最后的高程值或形变值图像生成都有着重要的影响.含有误差的轨道参数造成基线误差以残差条纹的形式存在于干涉图中.完全去除残差条纹要求轨道绝对精度低于1mm,目前的定轨精度远不能满足要求.这里推导了轨道误差和残差干涉条纹的关系,分析了轨道误差对高程值和形变值影响的特点,提出采用二次多项式拟合的方法去除残差干涉条纹,并以巴姆地区的 ENVISAT 数据证明了提出方法的有效性.     

综合EGM2008模型和SRTM/DTM2006.0剩余地形模型的GPS高程转换方法

利用SRTM以及DTM2006.0全球地形模型构建剩余地形模型（RTM）数据,并将其转换为RTM高程异常。通过GPS/水准点的优化选择法,选择少量GPS/水准点的实测高程异常,扣除EGM2008模型以及SRTM与DTM2006.0模型求得的剩余模型高程异常,对残余高程异常进行拟合,从而进一步提高GPS高程转换的精度。最...     

重庆10 kV高压输电线路雷击火灾事故分析

针对2007年7月12日重庆华浩冶炼有限公司粉末厂火灾事故,用力学性能分析和剩余磁场测试相结合的方法对该厂火灾发生处的10 kV高压输电线路进行鉴定,并结合雷电天气分析,得出该火灾事故是由雷击10 kV高压输电线路造成。该方法为在没有安装录波器和闪电计数器的情况下,判断输电线路故障是否由于雷击引起提供参考。     

板式橡胶支座对斜交连续梁桥地震反应的影响

为充分了解板式橡胶支座对斜交连续梁桥地震反应的影响,利用OpenSees软件建立简化的斜交桥计算模型进行时程分析,研究板式橡胶支座摩擦滑移效应,以及支座动摩擦系数、剪切刚度、局部脱空等参数对斜交桥地震反应的影响。结果表明:板式橡胶支座考虑摩擦滑移后,不仅桥面位移和转角显著增大,而且出现残余位移和残余转角;随着支座剪切刚度的增大,桥面位移和转角均明显减小;随着桥墩处支座动摩擦系数的增大,桥面位移、转角均呈增长趋势,然而桥台处支座动摩擦系数的影响与之相反;桥墩处局部支座脱空对斜交桥的影响明显大于桥台支座。     

Heavy Oils and Oil Sands: Global Distribution and Resource Assessment

Gl obal recoverable resources of heavy oil and oil sands have been assessed by CNPC using a geology-based assessment method combined with the traditional volumetric method, spatial interpolation method, parametric-probability method etc. The most favourable areas for exploration have been selected in accordance with a comprehensive scoring system. The results show: (1) For geological resources, CNPC estimate 991.18 billion tonnes of heavy oil and 501.26 billion tonnes of oil sands globally, of which technically recoverable resources of heavy oil and oil sands comprise 126.74 billion tonnes and 64.13 billion tonnes respectively. More than 80% of the resources occur within Tertiary and Cretaceous reservoirs distributed across 69 heavy-oil basins and 32 oil-sands basins. 99% of recoverable resources of heavy oil and oil sands occur within foreland basins, passive continental-margin basins and cratonic basins. (2) Since residual hydrocarbon resources remain following large-scale hydrocarbon migration and destruction, heavy oil and oil sands are characterized most commonly by late hydrocarbon accumulation, the same basin types and source-reservoir conditions as for conventional hydrocarbon resources, shallow burial depth and stratabound reservoirs. (3) Three accumulation models are recognised, depending on basin type: degradation along slope; destruction by uplift; and migration along faults. (4) In addition to mature exploration regions such as Canada and Venezuela, the Volga-Ural Basin and the Pre-Caspian Basin are less well-explored and have good potential for oil-sand discoveries, and it is predicted that the Middle East will be an important region for heavy-oil development.     

岩石直接剪切试验残余强度浅析

对岩石剪切残余强度进行了浅析,主要以唐山马城铁矿的岩石试验为依据,探讨了岩石剪切峰值强度和残余强度的关系,分析了岩石剪切残余强度的影响因素,为大家了解、利用岩石的剪切残余强度提供了参考意义。     

南黄海海相油气勘探前景探讨与问题分析

南黄海海域的中、古生代海相油气前景广阔,是重要的油气战略接替基地。由于多期构造运动的改造作用,原型盆地遭受强烈破坏,地质构造复杂,地球物理勘探精度低,造成对地层与构造认识不清,油气分布规律不明。针对勘探中面临的主要问题,提出的主要对策是：重点开展地球物理勘探技术创新研究与攻关试验工作,提高方法技术的适用性与有效性;在大地构造理论的指导下,重点开展多期构造活动背景下有效烃源岩、储层、保存条件等因素的研究工作,对区域油气地质条件优越且地层、岩性等特征存在争议的局部构造实施科学钻探等。     

结构增强型生成对抗网络SAR图像超分辨率重建

针对利用生成对抗网络模型(Generative Adversarial Network,GAN)重建SAR(Synthetic Aperture Radar)图像存在边缘细节信息不足和“伪影”(artifacts)现象,该文基于增强型超分辨率生成对抗网络(Enhanced Super-Resolution Generative Adversarial Networks,ESRGAN)光学模型,重新设计生成网络上采样重建模块和结构损失函数,提出一种结构增强型生成对抗网络SAR图像超分辨率重建算法,包括特征提取、特征增强和上采样重建3个模块:在特征提取模块采用小尺度卷积层对输入SAR图像进行低层次特征提取;在特征增强模块采用多个级联残差密集块(Residual-in-Residual Dense Block,RRDB)和卷积层提取输入特征;在上采样重建模块交替使用最近邻插值(Nearest Neighbor Interpolation,NNI)和亚像素卷积(Sub-Pixel Convolution,SPC)对特征进行放大重建,使特征信息交互融合。与传统插值算法和经典深度学习重建算法相比,该算法在视觉效果和定量评价方面均有显著提升,能够在保持原网络模型重建图像内容信息不丢失的基础上,增强重建图像边缘细节信息和减缓“伪影”现象,有利于后续目标识别和灾害监测等工作开展。     

基于残余插值的卷积神经网络去马赛克算法

在去马赛克问题中,为了精确插值倾斜边缘并提高结果图像的整体质量,提出一种基于残余插值的卷积神经网络去马赛克算法.针对Bayer格式的颜色滤波阵列,插值绿色平面时,对于红蓝通道信息不全的问题,采用同通道邻近像素值近似代替,综合考虑3个通道的梯度,运用倾斜方向的边缘检测算子,将倾斜边缘分为不同方向的边缘分别插值.在插值完成后,利用深度卷积神经网络,进一步训练插值结果.在标准的IMAX数据集上,与目前流行的算法相比,本文算法视觉上更接近原图,具有更高的峰值信噪比和更短的运行时间.