考虑道间时差相位的多道瞬态瑞雷波探测方法

囿于波动问题空间采样率观念的限制,现有多道瞬态瑞雷波探测方法采用小道间距、多道检波器排列方式观测同一次激发的瞬态瑞雷波,虽然解决了同时观测不同频率成分波动的问题,但一个排列的多道检波器只能得到一条瑞雷波相速度-探测深度曲线,工作效率和横向分辨力受到极大限制,同时,所能够提取的最高频率波动成分也受到了检波器排列最小道间距的限制.经分析发现,忽略两个测点之间瞬态瑞雷波到时差对不同频率波动道间相位差的影响是上述问题的根源.针对现有多道瞬态瑞雷波探测方法的弱点,本文阐明了道间时差相位(TDP)的概念和意义,提出了考虑道间时差相位的测点对间相位差分析技术,形成了一套新的多道瞬态瑞雷波探测方法——TDP法. TDP法摆脱了最小道间距的羁绊,只用两道检波器的瞬态瑞雷波记录即可提取多种频率成分波动的相速度,完成现有方法一个多道检波器排列才能完成的工作,探测工作效率大大提高;同时,根据场地岩土体的横向变化适当调整检波器布置的测点间距,在一条测线上布置多个测点,相邻测点对两两组合获得的多条瑞雷波相速度-深度曲线可以反映岩土体横向变化,这使得探测方法的横向分辨力显著提高;另外,由于引进道间时差相位,高频成分的提取不再受道间距的控制,从而探测方法的高频分辨力也得到了大幅度提高,原则上,激发和测试系统能够产生和记录到的高频成分新方法都可以提取到,事实上,这套方法已经成功地拓展到了超声频段的探测工作中.     

利用sPL震相测定福建仙游M 4.6地震震源深度

选用福建数字地震台网宽频带记录,利用sPL震相测定仙游2013年9月4日M 4.6地震震源深度.基于此次地震的震源机制解,结合本地区的速度模型,利用频率-波数法(F-K方法),先计算出相应震中距上不同深度的格林函数,再进一步得到sPL震相在不同深度上的理论波形;之后根据sPL震相的特点,选用震中距30～50 km范围的宽频带台站记录,经过去仪器响应、滤波、旋转至传播路径后,将其和理论波形进行比对,找出波形最为相似的对应深度.测定结果显示,此次地震深度为12 km左右.     

基于小波细节信息的重力源参数估算

小波多尺度分析方法在位场数据处理领域得到了广泛关注.目前,人们对利用该方法分离位场数据所得到的小波细节横向边缘信息认知不够深入,有必要做进一步探究.本文首先采用小波多尺度位场分离方法分离出区域和局部重力异常,然后利用haar小波变换HVD模法对局部异常信息进行多尺度分析,将所得到的小波细节信息进行水平、垂直和对角线方向分解,探测出局部异常体的横向边缘特征,并利用频谱分析方法估测出场源深度.最后,通过理论模型和南非Witwatersrand Basin航空实测重力数据进行分析,表明小波多尺度分析方法不仅能很好地实现位场分离、近似提取异常体场源深度,还可以利用小波细节信息有效地分辨出局部异常体的横向边缘特征,提高其识别精度.     

基于特征学习的低剂量CT成像算法研究进展

随着CT（computed tomography）技术在临床中的大量应用，其辐射伤害问题也越来越受到人们的关注。与此同时，高性能低剂量的成像也已经成为近年来CT研究领域中的重要研究方向。随着学习型算法的提出及广泛应用，为低剂量CT成像算法的发展带来了新的方向。在影像大数据环境下，基于特征学习方法的低剂量CT成像有着更广阔的发展空间。本文将从稀疏表示和深度学习两个方面，介绍一些国内外应用于改善CT成像质量的相关技术，包括CT成像技术的发展趋势，特征学习相关算法的研究现状，提高低剂量CT扫描成像质量的相关方案等。本文对近年来在低剂量CT成像及特种学习算法等领域的研究成果进行了介绍，并进行相关总结和分析。      

深度神经网络拾取地震P和S波到时

从地震波形数据中快速准确地提取各个震相的到时是地震学中的基础问题.本文针对上述问题提出了利用深度神经网络拾取到时的新方法，建立了用于地震到时提取的17层Inception深度网络模型，在对原始三分量数据进行高通滤波和归一化处理后输入网络直接输出到时信息.整个过程基于神经网络自适应提取波形特征，自动输出结果.通过对100组加了不同强度的噪声数据进行了可靠性检验，相比于其他方法神经网络方法对于噪声具有较高的容忍度以及稳定性，并且与地震目录数据有较高的相似性.相比于AR-AIC+STA/LTA，深度神经网络虽然运算速度稍慢，但整个过程不需设定时窗与阈值，同时具有更高的可用性，并且可以迭代升级以提高精度.此方法作为人工智能方法，为波形到时拾取提供了新思路.     

基于深度残差网络的机载LiDAR点云分类

机载LiDAR点云的分类是利用其进行城市场景三维重建的关键步骤之一。为充分利用现有的图像领域性能较好的深度学习网络模型,提高点云分类精度,并降低训练时间和对训练样本数量的要求,本文提出一种基于深度残差网络的机载LiDAR点云分类方法。首先提取归一化高程、表面变化率、强度和归一化植被指数4种具有较高区分度的点云低层次特征;然后通过设置不同的邻域大小和视角,利用所提出的点云特征图生成策略,得到多尺度和多视角点云特征图;再将点云特征图输入到预训练的深度残差网络,提取多尺度和多视角深层次特征;最后构建并训练神经网络分类器,利用训练的模型对待分类点云进行预测,经后处理得到分类结果。利用ISPRS三维语义标记竞赛的公开标准数据集进行试验,结果表明,本文方法可有效区分建筑物、地面、车辆等8类地物,分类结果的总体精度为87.1%,可为城市场景三维重建提供可靠的信息。     

基于精细数据处理的叠前深度偏移在琼东南盆地陵水凹陷坡折区的应用

琼东南盆地陵水凹陷,受坡折区崎岖海底和复杂地质构造的影响,导致该地区速度模型构建精度不高,从而严重影响到成像品质。针对坡折区的精确速度模型构建难题,首先采用组合多次波衰减、宽频处理、叠前信噪比增强等针对性处理技术,得到宽频带高信噪比的叠前数据,在此基础上统计分析不同水深速度规律,应用断控和地质约束速度建模技术,建立初始速度模型,然后利用基于宽频数据的高分辨断控约束网格层析反演技术,经过多次迭代完成深度域各向异性速度建模,并实现了陵水凹陷坡折区的高精度叠前深度偏移成像。叠前深度偏移成像显示,基于精细速度模型的叠前深度偏移技术科明显提高坡折区信噪比,改善成像质量,同时可有效消除地层同相轴扭曲的现象,恢复了地下地层的真实构造形态,从而可为目标评价与钻探决策提供更可靠地震资料。     

基于深度学习的目标检测定位系统设计与实现

针对传统遥感影像目标检测方法效率不高,并且无有效手段对检测信息进行管理利用的问题,提出了在B/S构架下基于深度学习的目标检测及定位方法。通过集成深度学习框架、WebGIS以及数据库,实现了集遥感影像目标检测、展示及管理于一体的目标检测定位系统,满足多用户基于前端浏览器的并发目标检测需求。利用网格划分策略,实现了基于前端的大区域范围的目标快速检测。基于某机场飞机目标及某城市区域运动场目标检测结果表明:本文设计的目标检测定位系统能够在前端实现目标快速检测定位,具有较高检测精度,并可有效管理检测信息,为深度学习循环再利用提供数据支撑。     

陕西中南部现今断层滑动速率和闭锁深度反演

位于华北板块和扬子板块之间的陕西中南部由渭河盆地、秦岭造山带和汉中盆地构成,其新构造运动主要形式为山脉隆升、盆地断陷,因此以重复水准测量为手段的地壳垂直运动研究尤为重要.基于研究区1970年以来的多期精密水准测量数据,用GPS垂直运动速率约束的动态平差方法获得了区域垂直运动速度场.以此为基础,用倾滑位错模型、网格搜索方法反演了研究区主要断层倾滑速率和闭锁深度,结果显示:秦岭北缘断裂倾滑速率为2.25～4.53 mm·a~(-1),闭锁深度为7.7～10.0 km;华山山前断裂倾滑速率为2.35～2.71 mm·a~(-1);闭锁深度为2.8～5.0 km,反映了该断裂在华县大地震之后,可能还没有完全闭锁,发生大震的应变能积累条件不足;渭河盆地北缘断裂的倾滑动速率为2.0～2.5 mm·a~(-1),闭锁深度仅为3.0 km左右,说明该断裂以蠕滑运动为主;略阳断裂倾滑速率为3.02 mm·a~(-1),闭锁深度6.7 km,是陕南较活动的断裂.     

结合深度学习和图割法的遥感影像建筑物检测

提出一种基于卷积神经网络和图割法的自动提取高分影像建筑物的方法。首先，通过卷积神经网络定位与检测建筑物的位置，逐一提取单个建筑物轮廓，利用检测结果分别建立建筑物和非建筑物的高斯混合模型（GMM），然后结合最大流最小割的图像分割方式实现全局优化，完成建筑物初步提取，最后用形态学进行优化。通过试验证明了该方法的可行性。