复杂山地速度建场新方法在秋参1井区的应用

速度建场的精度是制约复杂构造区成图精度的关键因素.针对山地构造复杂、地震资料品质差、叠加速度谱可信度低等问题提出了相应的解决办法.其中,层速度曲线绘制技术、曲线轨迹计算层速度技术、盐层速度建场技术等具有一定的创新性,在实际应用中取得了很好的效果,在复杂山地的变速成图中可以进一步推广使用.     

基于ArcGIS的1:5万DLG数据库生成地形图的设计与实现

探讨在ArcGIS环境下利用1:5万DLG数据库直接生成地形图的若干关键技术,如定制1:5万DLG符号库、符号配置,并给出地形图生产的完整的工艺流程,这样能够缩短1:5万地形图的成图周期,提高工作效率。     

数字测图技术在阜新市地理数据库更新中的应用

采用GPS和全站仪联合作业的数字测图方式进行了外业快速数据采集。并利用南方CASS软件对数据进行内业成图工作,最后利用大型的地理信息系统软件ArcGIS进行地理数据的入库,从而实现了阜新市区地理数据库的更新,此方式具有速度快、效率高和精度高等优点,可以借鉴到同类的地区。     

区域似大地水准面确定的最小二乘支持向量机方法

支持向量机(SVM)是近年来发展起来的机器学习的新方法,它较好地解决小样本、非线性、高维数、局部极小点等实际问题.文中研究支持向量机的拓展算法--最小二乘支持向量机(LSSVM),并将其应用于确定大面积复杂似大地水准面.通过工程实例并与神经网络模型和二次曲面多项式拟合模型相比较,验证确定区域似大地水准面的LSSVM方法的有效性.     

我国灌区地下水调控研究现状及其发展态势

现代灌溉引水工程的发展,改善了灌区的农业用水条件,但同时改变了灌区上的自然生态环境、地质条件与水文地质条件等。分阶段总结了地下水的相关研究与应用;剖析了地下水调控的必要性与重要性;分析了地下水调控研究现状;最后通过总结给出了进一步研究的建议。     

区域地质灾害危害程度等级划分探讨

区域性地质灾害危害程度等级尚无比较科学的划分方法。通过福建省区域地质灾害危害程度等级划分的探讨,采用单位面积地质灾害造成的人员死亡数、财产损失值作为“地质灾害模数”,对区域地质灾害危害程度等级进行划分,判别不同区域地质灾害严重程度,为区域地质灾害防治决策提供科学依据。     

“标贯”确定粘性土承载力标准值简易计算法

标准贯人（“标贯”）试验锤击数,要确定粘性土地基承载力标准值简易计算公式。将经杆长修正的标准贯人击数N进行统计分析,再把修正击数平均值带人相关方程,计算粘性土的承载力标准值fk,从而简化了计算过程。     

Automated Target Detection and Discrimination Using Constrained Kurtosis Maximization

Exploiting hyperspectral imagery without prior information is a challenge. Under this circumstance, unsupervised target detection becomes an anomaly detection problem. We propose an effective algorithm for target detection and discrimination based on the normalized fourth central moment named kurtosis, which can measure the flatness of a distribution. Small targets in hyperspectral imagery contribute to the tail of a distribution, thus making it heavier. The Gaussian distribution is completely determined by the first two order statistics and has zero kurtosis. Consequently, kurtosis measures the deviation of a distribution from the background and is suitable for anomaly/target detection. When imposing appropriate inequality constraints on the kurtosis to be maximized, the resulting constrained kurtosis maximization (CKM) algorithm will be able to quickly detect small targets with several projections. Compared to the widely used unconstrained kurtosis maximization algorithm, i.e., fast independent component analysis, the CKM algorithm may detect small targets with fewer projections and yield a slightly higher detection rate.