基于机器学习的长宁地震三维断层面几何特征建模          下载免费PDF全文

龚丽文  张怀  陈石  David A.Yuen  陈丽娟  Brennan Brunsvik  尹光耀 《地震学报》2023,(6):1040-1054

结合长宁地区大量的地震精定位数据和其它研究成果，利用监督分类和聚类分析等机器学习算法，基于地震簇的形态特征和地震震源机制解，编写了一套自动化提取三维破裂面形态特征的程序，获取了长宁地区地震破裂面的精细结构，可为相关研究提供可参考的发震构造模型。结果显示通过聚类分析最终获取了四个地震簇，结合对应的震源机制解节面信息，最终拟合出四条破裂面，其中：长宁背斜上的破裂面沿狮子滩背斜下部的高速体呈NW-SE方向展布，破裂面平直，倾角较陡，倾向SE；建武向斜内部的三条破裂面，主要分布在向斜两翼，规模较小，走向分别为NW,NNE和NNW，从外部包围了建武向斜核部的高速体，破裂面的展布方向与该地区三个主要震源机制解节面的产状一致，其中新城镇附近的NNW向破裂面切割深度较深，约为20 km，且倾向ENE，倾角约为70°。此外，结合地质构造背景和速度结构等反演结果推断，地震破裂面主要存在于先期形成的构造薄弱带或断裂带，例如背斜的核部和向斜的翼部因节理面贯通所形成的薄弱带以及高速体周围的软弱带，在构造应力的加载和工业开采下更容易微破裂成核，形成典型的发震构造。  相似文献   

融合几何和拓扑特征的道路类型识别方法     

党蕊蓉  殷红梅  杨敏 《测绘科学》2023,(7):184-191+226

针对开放街道地图道路语义信息评估与改善方面的研究不足，提出了一种新的自动识别道路类型的方法。该方法基于道路的几何和拓扑特征，将道路弧段组织为Stroke,并提取出其几何拓扑特征。随后，通过监督学习训练随机森林分类器，建立了特征与道路类型之间的映射关系，从而实现了对道路类型的自动识别。在实验中，我们构建的道路类型识别模型的精度达到了81.20%,这证明了我们的方法是有效的。与支持向量机、逻辑回归和K最邻近算法相比，我们使用随机森林构建的道路类型识别模型表现最优。总的来说，本研究为评估和改进OSM道路语义信息提供了一种新的可能性，展示了利用道路几何和拓扑特征进行道路类型自动识别的潜力。  相似文献   

面向地球化学异常识别的深度学习算法对比研究     

李沐思  陈丽蓉  谢飞  谷兰丁  吴晓栋  马芬  尹兆峰 《物探与化探》2023,(1):179-189

针对选用不同网络结构的深度学习算法进行地球化学异常识别，重构符合成矿分布的地球化学背景时选择依据较少的问题，本文基于闽西南铜锌银成矿区1∶20万水系沉积物数据，采用3种无监督深度学习模型AE、MCAE、FCAE,分别提取了样本中多元素的组合结构特征、空间分布特征以及混合特征，并基于其重构地球化学背景，模拟成矿分布。结果显示，FCAE模型圈定的异常区域与已知铜矿点最贴合，其次是MCAE模型和AE模型，其AUC值分别为0.80、0.78、0.61,且FCAE模型和AE模型对卷积窗口尺寸变化不敏感；说明面向地球化学异常识别构建深度学习算法时，基于提取空间分布特征或混合特征的算法综合表现较好，且基于提取组合结构特征或混合特征的算法对由观测空间尺度变化或不一致引起的噪声有较强抗干扰能力。本文为因地制宜地构建基于深度学习算法的地球化学异常识别模型提供了有效依据。  相似文献   

结合多尺度共享编码的半监督网络航空影像语义分割EI北大核心CSCD     

李佳田  杨汝春  姚彦吉  贺日兴  阿晓荟  吕少云 《测绘学报》2022,(11):2355-2364

在半监督语义分割中,主要采用编码-主从解码器结构使无标签样本参与计算以提高分割精度,但编码器的连续下采样操作易丢失浅层细节特征,从而导致地物边界分割不完整。为此,本文提出结合多尺度共享编码的半监督网络架构对航空影像进行语义分割,该网络的编码器采用ResNet-50获取影像浅层特征,并通过在ResNet-50末端嵌入多尺度共享编码模块来链接浅层特征,以构建密集特征金字塔和扩大感受野,从而获取目标地物多尺度细节信息。将本文网络与UNet、DeepLabv3+、FCN监督网络和CCT、XModalNet、VLCNet半监督网络在LandCover.ai和DroneDeploy数据集上分别进行了对比试验和精度评估。结果表明:本文网络在标签数量与精度方面均具有明显优势,对于LandCover.ai数据集,在6000张标签样本和6500张无标签样本的前提下,整体mIoU提升1.15%,对于DroneDeploy数据集,在30张标签样本和5张无标签样本的前提下,整体mIoU提升0.94%,同时显著提升影像地物的分割精度,得到更清晰、完整的地物边界。  相似文献   

基于门控循环单元主导的深度网络半监督地震衰减补偿方法     

戚倩玉  高静怀  陈红灵  高照奇  黄研  陈娟  曹永亮  王建花 《地球物理学报》2023,(7):2997-3010

地震波在地下传播时存在能量衰减，呈现非平稳性，导致地震资料的分辨率降低，不利于储层刻画.为了解决这个问题，需要对地震记录进行衰减补偿来消除非平稳性.考虑到GRU(Gated Recurrent Unit)即门控循环单元在处理时间序列时具有长时和短时记忆的优势，本文构建了以GRU为主导的网络结构(简称GRU网络),提出了基于GRU网络的地震衰减补偿方法.实际地震数据处理中，测井资料往往非常有限，导致标签数据较少.为解决小样本问题，本文借鉴自编码器的思想，除井旁道和测井合成地震记录的标签外，将其余地震记录作为无标签数据引入训练，半监督地学习非平稳数据到平稳数据的非线性映射，实现了地震记录的衰减补偿.最后利用含噪合成地震记录和实际地震资料测试了本文提出的方法，证明了其有效性.  相似文献