分部加权的行道树检测网络构建

基于深度学习目标检测框架,提出了一种端到端的训练网络,用于行道树的自动检测。由于行道树之间的遮挡问题,现有的通用物体检测框架无法直接应用于此任务,为此本文提出了一种树形分部加权模块,以减少严重遮挡造成的错误检测。然后对提出的神经网络进行训练和评估。结果显示,本文所建立的分部加权树木检测网络能够在遮挡条件下,有效地检测出街景图像中的行道树,该方法在各种条件下均具有较高的精度和良好的稳健性。     

GA+BP神经网络在薄互层储层预测中的应用

地震信号的特征是由地下岩石、流体的物理特征及其变化直接引起的,有效挖掘隐藏于地震数据中的有关岩性和储层物性信息具有深远而现实的意义.地震属性参数之间多是非线性关系,并且地震属性参数受环境的影响很大.神经网络可以建立属性参数与预测目标之间的高度非线性映射,而遗传算法选择适者生存.改进BP算法,综合BP的快速收敛和GA的全局寻优的特点,具体应用于薄互层储层厚度预测.     

遗传算法与神经网络相结合的热带气旋强度预报方法试验

以1960~2001年共41 a的7月和8月西行进入南海海域的热带气旋样本为基础,采用遗传算法与神经网络相结合的方法,进行了热带气旋强度预报模型的预报建模研究.并根据相同的热带气旋个例,将这种遗传-神经网络热带气旋强度预报模型与气候持续法热带气旋强度预报方法进行对比分析,试验预报结果表明,遗传-神经网络方法具有更好的预报能力.     

岩溶地区隧道施工综合预报技术案例分析

由于岩溶地区隧道地质条件的复杂性,在隧道施工过程中实施准确及时的隧道综合地质超前预报是非常有必要的,并且对隧道内不同段落进行风险评价和风险分级,以实现和提高对岩溶隧道不良地质灾害的综合预报。此次研究以伊家岩隧道为工程背景,通过严格实施该综合超前地质预报方案,成功预报了隧道掌子面前方的岩溶,结合预报结果和实际揭露的对比分析,其综合预报准确率可到90%以上,证实了该综合预报方法具有较高的系统性和工作效率,有效地指导了隧道的安全施工,为同类工程提供了技术资料和经验。     

基于卷积神经网络和黄铁矿大数据判别金矿类型

黄铁矿是金矿中普遍存在的金属硫化物,其微量元素含量信息可以揭示出矿物形成时的相关矿物和流体组成与结晶特征,因此不同期次与金矿有关的黄铁矿及微量元素信息可以被用来预测矿床的类型。且相关研究历史已久,积累了大量的研究资料,然而由于研究思想和手段的局限性,传统方法往往存在无解性或多解性问题。随着大数据思想的发展和推广,研究人员试图采用机器学习算法来解决此类问题,已取得不错的效果。本次研究根据深度学习思想建立黄铁矿微量元素数据集并进行深入研究,采用“成分数据图像化”和“数据增强”等手段,解决了前人采用深度学习方法进行此类分类任务时遇到的数据不平衡问题和卷积神经网络无法直接读取数据的问题。本文对比分析了基于四种卷积神经网络模型(Mobilenet V2、Resnet 50、VGG 16和VIT)采用黄铁矿微量元素成分数据进行金矿类型分类任务的精度与效果,发现采用卷积神经网络算法可以基于黄铁矿成分数据对不同类型金矿进行较为精准的分类任务。此方法比传统图解法具备更高的精准度与泛化能力,通过对金矿类型的预测可以为找矿勘查和深部预测工作节省成本,也为深度学习在地质矿产研究方面的应用和推广提供全新思路,具...     

一种利用卷积神经网络的干涉图去噪方法

干涉图滤波是合成孔径雷达数据处理的关键,引入卷积神经网络（convolutional neural networks,CNN）进行干涉图去噪。首先,采用自编码器结构进行非监督学习,将干涉图去除局部地形坡度相位,所得残余噪声作为模型输入;然后将模型输出结果与去除的局部地形坡度相位相加,生成滤波结果。利用航天飞机成像雷达数据和哨兵一号A(Sentinel-1A)卫星数据,通过与Goldstein滤波器、均值滤波器、Lee滤波、Frost滤波、改进的去噪卷积神经网络（denoising convolutional neural network,DnCNN）进行对比实验,结果表明,该方法对干涉图相位质量有很大的改善,不仅能够较大程度地抑制噪声,而且能够更多地恢复出图像细节,保持干涉条纹边缘连续性。     

基于地层成分和钻进参数的钻速预测模型

钻速预测是优化钻进施工过程中的重点难点。本文以实际采集的数据资料（包含4大类共28种不同的数据类型）出发,建立了以地层成分和钻进参数相结合为基本的钻速预测模型。为了提高模型的预测精度,将原始数据首先进行了标准化处理,消除了其量纲和数量级对模型预测可能产生的影响。由于原始数据种类过多,将原始数据先后进行了聚类分析和因子分析,提取其中有效信息最终将其缩减为11个输入参数和1个输出参数的预测模型。利用人工神经网络技术对这个模型进行了非线性拟合,结果显示本预测模型能够将误差控制在10%以内,具有一定的指导生产实践的能力。     

基于案例挖掘的边坡稳定性智能评价系统研究

虽然边坡灾害治理实践已经积累了大量的成功的或失败的边坡治理工程案例,但这些工程案例产生的大量数据信息未被充分利用与开发,造成了极大的资源浪费。为此,基于边坡工程案例,应用数据挖掘与知识发现和递归的自-组织模糊神经推理网络的方法,初步提出了一种基于案例挖掘的边坡稳定性智能评价系统,并通过案例挖掘的应用实例表明了该系统的有效性和可行性。     

井中声波全波列信息人工网络模型的自动拾取

层析成像的分辨率取决于对地震(声波)全波列记录信息提取的精度,本文阐述了从地震(声波)全波列记录提取特征信息,建立三层神经元网络模型,利用神经元网络对地震(声波)全波列记录的信息提取,如初至波走时拾取。本文讨论了神经元网络模型的建立和神经元网络模型的学习。侧重讨论了初至波出现时的特征并对它进行了定量化描述,用它对地震(声波)全波列记录信息提取,取得了很高的精度。     

黄河上游地区近千年气候变化的模拟重建

运用BP人工神经网络较好地建立了全球气候模式模拟数据与区域气候之间的关系,拟合了黄河上游沙漠河谷地区的近千年温度、降水序列。在气候信号年代际和百年际变化特征上,拟合结果较为理想,但对极值的拟合能力较差,尤其是冬季温度和夏季降水的拟合极值偏差较大。拟合结果表明该地区近千年存在中世纪暖期、小冰期和现代暖期,且小冰期降温在冬季更为明显,冬季平均气温小冰期比中世纪暖期低2 ℃。降水的千年变化趋势较温度略微平缓,尤其冬季降水无明显趋势变化。空间分布显示20世纪暖期在近千年是最暖的,但降水较中世纪暖期偏少。