基于水声环境空间中多模态深度融合模型的目标识别方法研究

随着对水下目标特性研究的深入和声学探测技术的发展,基于单模态的阵列式信息融合或基于空间信息的分布式信息融合的水下目标识别方法研究已有一定成果,但针对复杂海况导致单一物理场或单一融合层次的系统识别性能提高有限等方面影响的水下目标识别方法研究还有所不足,因此,开展基于多模态深度融合模型的水下目标识别方法研究可利用模态互补,共享信息而提升识别率。文中在国内外研究基础上,深入研究了基于到达时差法和多模态方法组合的检测方法,初步形成了基于水声环境空间中多模态深度融合模型的识别框架,开展了海洋中典型自然与人为事件的信号分析与特征提取,并在此基础上,设计新型基于海底基站的被动识别系统。该系统同步记录和由位置等组成的时间序列标记声、磁和压数据,可实现高精度、高分辨率的识别。本研究可满足未来海洋观测对高性能水下目标探测、定位和跟踪系统的迫切需要,为海洋安全监管、海洋突发事件应急响应等领域提供新的技术手段和科学参考。     

基于峰值因子最大化的鬼波压制方法

针对传统拖缆采集得到的海上地震资料受鬼波影响而导致频带宽度变窄,笔者提出一种去鬼波方法,可以压制鬼波效应,拓宽频带。首先在频率-空间域推导出镜像数据生成公式,并基于峰值因子最大化的参数搜索方法来估计最优的鬼波延迟时间,将最优的鬼波延迟时代入镜像记录生成公式,获得最优的镜像记录,利用联合反褶积算法得到最优的去鬼波结果。将本文中的方法应用于模拟的变深度采集数据和海上实测的变深度采集数据,证实该方法可以有效地压制鬼波,消除频谱中的陷波点,得到宽频数据。     

基于差分筛选的YOLOv2监控视频目标检测方法

监控视频的多目标跟踪是视频智能分析的热点研究内容,其中目标的检测是目标跟踪的基础,精度高、速度快的目标检测器对于后续的实时分析任务尤为重要。提出一种针对监控视频的基于差分筛选的YOLOv2目标检测算法,采用差分算法筛选无前景目标帧及设置重叠度量阈值进行跨帧检测,改善了YOLOv2作为检测方法用于监控视频多目标跟踪任务时速度过慢的不足,同时高精度的检测结果有利于下一步多目标跟踪任务的顺利完成。利用NPLR监控视频数据集对YOLOv2目标检测算法进行了测试,并将该方法与可变型部件模型DPM进行了比较。结果表明,差分YOLOv2方法在精度上高出DPM方法0.304 6,检测时间快了26倍左右,验证了该算法的有效性。     

北京及邻区现代微震重新定位及其构造含义

本文采用Ｐｏｗｅｌｌ直接搜索定位方法对北京西北地区（３９°－４１°Ｎ，１１４°－１１７°Ｅ）１９７９—１９９２年３月发生的３４８个地震重新定位。通过震相到时的复核和补充、定位速度结构模型的修定以及定位程序的改进等措施，改善了定位效果。结果表明，重新定位后给出震源深度的地震数从原来的１３２个增至３１３个；定位结果均方根残差的均值从０．８０±０．４０ｓ降至０．４５±０．１８ｓ；各台Ｐ波到时残差下降；有近１０％的地震震中位置移动了１０ｋｍ以上，它们多位于北京地震遥测台网边缘地区。重新定位后的地震震中集中分布于怀安、宣化、怀来、琢鹿等山间盆地内部并与盆地边缘断裂有关。此外，地震还分布于山区和平原的交界地带。     

构造物理化学的思路、研究和问题

构造物理化学是研究地壳物质受构造作用产生的物理和化学变化相互关联的领域。构造力可以分解为两部分一部分是均应力,指各向相等的应力,它叠加在原有压力之上,并且影响着各种化学反应的平衡,也是成岩、成矿和变质作用的影响因素。另一部分是差应力,固体中受外力作用普遍产生差应力,它引起地壳物质变形,产生各种构造形迹。构造物理化学特别关注构造作用产生或引起的压力、温度及其他的物理化学条件的变化,研究这些构造附加参量对各种化学平衡的影响,逐渐发展成为独立的学科研究领域。     

变荷载下软土一维流变固结解析理论

研究了变荷载作用下考虑土的流变特性时的饱和软土层的一维固结问题,通过Laplace变换得到了瞬时加载条件下的解析解,进而根据瞬时加载条件下的解,通过积分的方法,得到了变荷载条件下的解析解。并且根据解析解的结果,通过编程计算作出了几个主要影响因素对固结过程的影响曲线图。结果表明：?1的取值对固结曲线的形状有显著影响;随?0的减小,固结度减小,固结速率减缓。     

基于岩石图像深度学习的岩性自动识别与分类方法

岩石岩性的识别与分类对于地质分析极为重要,采用机器学习的方法建立识别模型进行自动分类是一条新的途径。基于Inception-v3深度卷积神经网络模型,建立了岩石图像集分析的深度学习迁移模型,运用迁移学习方法实现了岩石岩性的自动识别与分类。采用此方法对所采集的173张花岗岩图像、152张千枚岩图像和246张角砾岩图像进行了学习和识别分类研究,通过训练学习建立岩石图像深度学习迁移模型,并分别采用训练集和测试集中的岩石图像对模型进行了检验分析。对于训练集中的岩石图像,每组岩石分别用3张图像测试,三种岩石的岩性分类均正确,且分类概率值均达到90%以上,显示了模型良好的鲁棒性;对于测试集中的岩石图像,每组岩石分别采用9张图像进行识别分析,三种岩石的岩性分类均正确,并且千枚岩组图像分类概率均高于90%,但是花岗岩组2张图像和角砾岩组的1张图像分类概率值不足70%,概率值较其他岩石图像低,推测其原因是训练集中相同模式的岩石图像较少,导致模型的泛化能力减小。为了提高识别精确度,对准确率较低的岩石图像进行截取,分别取其中的3张图像加入训练集进行再训练,增加与测试图像具有相同模式的训练样本;在新的模型中,对3张图像进行二次检验,测试概率值均达到85%以上,说明在数据足够的状况下模型具有良好的学习能力。与传统的机器学习方法相比,所提出的岩石图像深度学习方法具有以下优点:第一,模型通过搜索图像像素点提取物体特征,不需要手动提取待分类物体特征;第二,对于图像像素大小,成像距离及光照要求低;第三,采用适当的训练集可获得较好的识别分类效果,并具有良好鲁棒性和泛化能力。     

利用初至P震相测定石嘴山ML4.4地震序列的震源深度

基于初至P震相较易辨识、读取误差小、有效震相丰富等优点,提出联合Pg与Pn震相到时数据测定震源深度的方法,并将其应用于石嘴山M_L4.4地震序列(11次)的震源深度计算,结果显示该地震序列的震源较浅,这也是此次有感地震震感强烈的原因之一．然后利用初至P震相到时方法分别计算了双层和4层地壳速度模型下的震源深度,并与双差定位所得深度进行对比,结果显示: 利用初至P震相到时方法较双差定位方法得到的震源深度整体上一致性较好,但前者得到的震源深度较之后者略深;对于双层与4层地壳速度模型,二者的震源深度计算结果具有较好的一致性．因此,基于可靠区域地壳速度模型下的初至P震相到时方法可以应用于震源深度的计算,并能够取得较好的结果．另外,石嘴山M_L4.4地震序列的主震深度为7—8 km,最大余震深度为6 km,根据银川盆地的速度成像结果可知,主震和最大余震发生于银川盆地基底下部;其余地震的震级偏小,多集中于3—5 km深度,主要发生于银川盆地基底顶部或基底覆盖层内．      

利用功率谱直接求埋深的影响因素

功率谱方法在磁数据处理方面的应用比较广泛。采用近似公式直接求出地质体的上下底埋深。在此近似方法中,会出现一些影响结果的因素。主要对地质体的水平尺寸和厚度的影响做了一些研究,并得出相应的结论。     

1966年邢台地震静态库仑应力触发分析

通过分析1966年邢台5次地震的静态库仑应力触发情况发现,前2次地震对后面的地震有较好的触发,而MS7.2以后地震的触发不理想。从而认为,随着地震的发生和震源深度的增加,岩浆活动对地壳介质的影响越来越大,地壳介质弹性性能越来越弱,即该区域浅部可以用均匀弹性半空间来近似,而深部在岩浆等因素的影响下,用均匀弹性半空间来近似存在较大的误差,不适合用弹性位错理论计算地震的触发关系。这从侧面反映了该地区岩浆活动的剧烈性和超壳断层存在的客观性。