渤海基底倒形结构形成机制

对在渤海中完成的四条重力测量剖面进行了重力反演计算，反演方法用的是重力测深公式加叠代修正。由于引入以深度为量纲的修正量，它可利用统一的类似甘布尔采夫量板进行计算，简便了计算方法。     

滑坡钻孔倾斜量测及数据处理

在简述钻孔测斜仪的测试原理、测斜管的埋设及钻孔倾斜量测方法的基础上，提出了钻孔倾斜量测数据评价、处理方法及量测深度修正的计算公式。对岩土工程深部位移监测和工程滑坡优化治理方案具有指导意义。     

2001年7月全球M≥5.0地震动态

根据中国地震局地球物理研究所中国数字地震台网数据管理中心 ( CDSN DMC)从美国地震学合作研究会数据管理中心 ( IRIS DMC)得到的资料 ,2 0 0 1年 7月全球范围内共发生 M≥ 5.0地震1 0 4次 (见表 1 ) ,其中 7级以上地震 2次 ,最大的一次地震为 7.3级 ,发生在秘鲁沿海附近。在本月发生的 1 0 4次 M≥ 5.0的地震中有 63次发生在东半球 ,41次发生在西半球。从本月 M≥ 5.0地震频率统计中可以看出 ,东半球地震活动较西半球活跃。根据中国数字地震台网记录统计 ,对于发生在我国境内的 M≥ 5.0的地震事件 ,CDSN大部分台站有地震波形记录…     

长江巨洪前期物理因子的配置

提出了长江巨洪前期物理因子配置的概念，在每一次巨洪发生之前，影响巨洪的主要物理因子之间一般都会表现出相似的特征，即出现一些固有的配置，这些配置正是长江发生巨洪的强信号，对长江巨洪的预测研究具有重要的指示作用。     

无缆有缆两用数字测系统简介

全面介绍了无缆测井并键技术的解决思路和部分法。重点介绍了野外无缆测地蝇深度传输实验结果。该系统在煤田测、及钻孔丈量中有广泛的应用前景。     

强夯法处理湿陷性黄土地基加固深度公式讨论

在强夯法加固各种条件地基的实践中，一些工程单位或学者从不同角度，提出了各种经验或理论公式，但由于这些公式往往具有局限性。故作者在考虑不同影响因素可导出不同计算公式的情况下，根据强夯加固效果，工艺参数及土性指标间的关系，提出了强夯法加固湿陷性黄土的新公式。     

密度差随深度呈双曲线递降的界面重力模拟

为了确定沉积层的界面深度，本文研制出了密度差随深度呈双曲线递降的解释程序。运用双曲线密度差无限平板重力公式计算每个重力点上界面的近似深度，根据求出的深度值，用ｎ边形代替沉积基岩界面，采用Ｖｉｓｗｅｓｗａｒａ Ｒａｏ等１９９４年所提出的公式计算重力异常，再用Ｂｏｔｔ１９６０年提出的方法程序修定界面的深度。     

基于多模态感知的水下目标检测应用构想

水下目标检测在海洋生物研究、考古探索、军事防御等多领域广泛应用,随着人工智能快速发展,水下目标检测也朝着无人化、智能化发展。深度学习采用神经网络挖掘信息特征,在速度和精度上均表现出优异的性能,成为了计算机视觉技术的主流算法,然而水下环境复杂,将其应用于水下图像目标检测仍存在较大的挑战。水下目标各模态信息互补,特征丰富,有利于目标检测识别,因此结合应用场景调研现有技术,然后设计基于深度学习的多模态水下目标检测系统,同时对比分析了现有关键技术的优缺点,最后对多模态目标检测系统未来发展进行总结与展望,具有重要意义。     

基于A- CGAN的深反射地震数据随机噪声压制方法研究

基于深度学习的地震数据噪声压制方法是当前地震数据去噪处理的重要方向。深度学习方法突破了传统滤波处理的局限,在对常规地震数据的噪声压制中表现出效率高、信噪分离效果好的特点。但针对深部弱有效反射数据,当前的深度学习方法特征提取能力有限,难以取得较好的去噪效果。笔者等结合深反射地震数据特点,针对当前深度学习噪声压制方法在特征提取及对数据集依赖上的局限,提出了基于注意力循环生成对抗网络(Attention Cycle- Consistent Generative Adversarial Networks,A- CGAN)的深反射地震数据随机噪声压制方法。借助循环一致生成对抗网络(Cycle- Consistent Generative Adversarial Networks,Cycle- GAN)的域映射思想,降低对数据集的要求。为了构建适用于深反射地震数据的去噪网络,从3个方面对Cycle- GAN进行改进：在Cycle- GAN的生成器（去噪器）中加入残差结构和注意力机制,用于加深网络深度和提高其特征提取能力;在Cycle- GAN的鉴别器中使用块判决,提高鉴别精度和准确度;在损失函数部分加入感知一致性损失函数,提升网络模型恢复纹理细节信息的能力。通过合成地震数据和实际深反射地震数据测试,验证了优化算法的有效性,体现了良好的应用价值。     

预测有效波高的深度学习模型研究

研究基于RNN、LSTM、GRU深度学习模型,针对NOAA浮标数据集中的44013、44014、44017浮标的数据,通过斯皮尔曼相关性分析提高模型预测效果。实验结果表明,在进行相关性分析后,S-RNN、S-LSTM、 S-GRU的预测效果均比原始RNN、LSTM、GRU模型预测效果好。此外,提出一种基于LSTM的LSTM-Attention 波高预测模型,并进行相关实验,量化LSTM-Attention模型的预测效果,实验结果表明LSTM-Attention模型有更好的预测效果。为评估模型的泛化能力,研究还提出了一种采用邻近浮标数据进行学习,预测浮标缺失数据的方 法。实验结果表明,该方法的预测精度可以达到97.93%。本研究为海浪预测提供了新的方法和思路,也为未来深 度学习模型在海浪预测中的应用提供了参考。