排序方式: 共有72条查询结果,搜索用时 15 毫秒
31.
32.
集体林权制度改革和水权制度改革是从上世纪80年代中国改革开放以来,由中国政府主导的两种资源制度改革。林权制度改革已经完成,水权制度改革正在进行。本研究剖析了集体林权制度改革,总结梳理出林木采伐限额制度、林权补偿措施、林权确权手段和林权交易平台四个具有典型代表的改革成功措施经验,为水权制度改革提出相对应的弹性取水指标、水权流转所涉及的补偿措施、水权确权处理和各形式水权交易平台四方面切实可行的建议。这将弥补中国体制下两种重要的资源制度改革之间对比研究领域的不足,以期为推动国内外水权制度的进一步改革和发展提供参考。 相似文献
33.
珠海一号高光谱卫星影像部分波段存在着噪声干扰,严重影响了数据的质量与信息利用.本文分析了珠海一号高光谱卫星数据噪声的特点,在矩匹配算法的基础上,使用移动窗格对影像进行分段处理,并采用距离加权计算与去除极端值统计数据的方法提高参考值的准确度,实现了基于影像的相对辐射校正.实验结果表明,与传统矩匹配法和傅里叶滤波法相比,本文方法能有效去除遥感影像中存在的噪声,并能较好保留原影像的辐射特征. 相似文献
34.
支持向量机(Support Vector Machine: SVM)一直作为机器学习方法在统计学习理论基础上被研究和发展,本文从信号与系统的角度出发,证明了平移不变核最小二乘支持向量机(Least Squares SVM: LS-SVM)是一个线性时不变系统.以Ricker子波核为例,探讨了不同参数对最小二乘支持向量回归(Least Squares Support Vector Regression: LS-SVR)滤波器频率响应特性的影响,这些参数的不同选择相应地控制着滤波器通带上升沿的陡峭性、通带的中心频率、通带带宽以及信号能量的衰减,即滤波器长度越长通带的上升沿越陡,核参数值越大通带的中心频率越高,且通带带宽越宽,正则化参数值越小,通带带宽越窄(但通带中心频率基本保持恒定),有效信号幅度衰减越严重.合成地震记录的仿真实验结果表明,Ricker子波核LS-SVR滤波器在处理地震勘探信号的应用中,滤波性能优于径向基函数(Radial Basic Function: RBF)核LS-SVR滤波器以及小波变换滤波和Wiener滤波方法. 相似文献
35.
36.
37.
38.
硅藻席沉积在热带西太平洋陆续被发现,其形成年代和机制对于热带西太平洋碳循环研究具有重要意义。本文对采自西马里亚纳弧,含近2.5 m厚硅藻席沉积的E20岩芯进行了高分辨率的XRF元素扫描、颜色扫描以及AMS14C测年分析。结果表明,E20可分为3个沉积单元,从下至上具有深海黏土—硅质软泥—硅质黏土的沉积序列,Ti、Fe、Cu、Br等元素呈三段式变化,Ca与Si元素呈反向变化。综合AMS14C测年结果推测,E20反映了西太平洋低纬度海区末次冰期以来显著的环境变化,10.9~28.6 ka B.P.为硅藻席勃发期,而末次冰期时风尘输入量的增加可能是勃发的主要原因。硅藻席沉积的保存与其周围的围陷地形有很大关系。 相似文献
39.
在复杂的地表环境,地震勘探采集到的实际地震资料信噪比较低,分辨率较差,接收的噪声能量较强,与有效信号存在频谱的重叠.常规的消噪手段很难在保证有效信号幅值的同时,还兼顾噪声压制的效果.本文采用基于分数阶最优控制(Fractional Optimal Control)理论建立的深度学习神经网络——FOCNet来压制地震数据噪声,并恢复微弱同相轴.不同于传统深度学习网络(DCNN)算法大多为基于经验的网络设计,FOCNet具有坚实的数理基础,它从动态系统的最优控制角度阐述了网络的原理,并采用长期记忆的方式增强了网络的稳定性,提高了系统对噪声的消减能力.针对地震数据有效信号在低频带与噪声重叠严重,且FOCNet对数据中、高频信息保留更好这一情况,本文提出了一种基于理想时频分析与FOCNet相结合的算法(TF-FOCNet)来压制地震噪声,提取有效信号.该算法通过理想时频分析,针对性的提取信噪重叠的低频目标数据成分,并与数据的中、高频成分一起送入网络中进行处理并融合,完成噪声的压制,增强了低频信息的保留能力.模拟及实际的实验结果验证了算法在随机噪声、面波压制及微弱信号恢复上的有效性和优越性. 相似文献
40.
在地震勘探随机噪声压制领域,噪声通常被假设为平稳、高斯随机过程的信息.然而,在某些情况下,这样的假设并不准确.本文应用现代统计检验方法对地震勘探随机噪声的平稳性、高斯性和线性进行了研究.结果表明地震勘探随机噪声并不是传统意义上认为的平稳随机过程,其平稳性受到噪声时长和采集环境复杂程度的影响.发现噪声时间越长,采集环境越复杂,随机噪声的平稳性越差,但是对于短时长随机噪声而言,其可以近似认为是平稳的.同时,采集环境的复杂程度也影响着随机噪声的高斯性和线性特性,环境条件越复杂,随机噪声高斯性越好,线性特性越差,但总的来说随机噪声可以归为线性非高斯随机过程. 相似文献