基于深度卷积神经网络的阵风锋识别算法     

徐月飞  赵放  毛程燕  王健疆 《湖北气象》2020,39(1):81-88

阵风锋作为强对流的冷性出流特征,是重要的边界层辐合系统,对其自动监测识别一直是日常气象业务中的难点,该文基于深度卷积神经网络设计了阵风锋的自动识别算法。通过对输入和输出端的重新设计,在Faster RCNN算法和Inception V2网络模型的基础上实现了通过雷达回波数据对阵风锋窄带回波实现端到端自动识别。利用雷达数据绕雷达中心旋转不变性特点,增加了数据样本,降低了需提取特征的复杂度。利用2007—2011年南京雷达数据,对该模型进行了20万步的训练,总损失函数值收敛到0.003。对识别效果的分析表明,在训练样本中识别率100%,漏识率0%,准确率87%。通过对合肥雷达2009年6月5日阵风锋天气过程的32个体扫进行模型泛化能力评估,得到识别率91.7%,漏识率8.3%,正确率73.3%。  相似文献   

极移和激发的研究     

高布锡  雷小平 《天文学进展》2001,19(2):317-321

极称可分为长期极移，钱德勒摆动（CW），周年极移（AN），不规则极移和短周期极移，由于极移运动对不同频率的激发响应是不同的，采用反卷积方法将极移序列进行了分析，对各类极移运动与激发的关系作了对比研究，认为周年极移与激发是逐年不同的，若能将它们逐年进行比较，将会对气象模型提供更好的约束条件，不规则极移可能反映了地球上较大规模的异常气象现象。  相似文献   

川西前陆盆地蓬莱镇组层序、岩相古地理特征及演化   总被引：4，自引：2，他引：2  

朱志军  陈洪德  林良彪  胡晓强  徐胜林  张戈 《地层学杂志》2009,33(3)

在川西前陆盆地蓬莱镇组层序特征研究基础上,将川西前陆盆地蓬莱镇组划分为5个沉积层序,每个沉积层序都由进积和退积体系域组成。以体系域为编图单元,采用体系域压缩法,编制了川西前陆盆地上侏罗统蓬莱镇组9张层序岩相古地理图。编图表明,川西前陆盆地蓬莱镇期古地理演化总体上显示盆扩/盆缩的特点,并具有明显的继承性、不均一性、阶段性和同步性。与传统的岩相古地理图相比,层序岩相古地理图具有动态、精确、等时、成因连续和勘探实用等优点。  相似文献   

联合卷积神经网络与集成学习的遥感影像场景分类   总被引：1，自引：0，他引：1  

余东行  张保明  赵传  郭海涛  卢俊 《遥感学报》2020,24(6):717-727

针对人工设计的中、低层特征难以实现复杂场景影像的高精度分类以及卷积神经网络依赖大量训练数据等问题，结合迁移学习与集成学习，提出了一种联合卷积神经网络与集成学习的遥感影像场景分类算法。首先基于迁移学习的思想，利用在自然影像数据集上训练好的多个深层卷积神经网络模型作为特征提取器，提取图像多个高度抽象的语义特征；然后构建由Logistic回归和支持向量机组成的Stacking集成模型，对同一图像的多个特征分别训练Logistic模型，将预测概率结果融合构建概率特征；最后利用支持向量机对概率特征训练和预测，得到场景影像的分类结果。利用UCMerced_LandUse和NWPU-RESISC 45两种不同规模的遥感影像数据集进行试验，即使在只有10%的数据作为训练样本情况下，本文方法能够分别达到90.74%和87.21%的分类精度。  相似文献   

基于迭代反演的层间多次波压制方法     

《地球物理学报》2021,64(6)

层间多次波与有效波在走时、频率和叠加速度上差异较小,因此层间多次波压制常难以获得理想效果.本文提出一种基于迭代反演的层间多次波压制方法(MSI,Multiple Suppression Inversion),该方法以共聚焦点(CFP,Common Focus Point)层间多次波压制理论为基础,通过构建卷积因子,将层间多次波压制转变为迭代反演的问题,直接利用观测的地震数据进行迭代反演计算,进而完成多次波压制.MSI方法避免了共聚焦点方法中构建CFP道集的聚焦运算,大幅降低层间多次波预测的计算成本;同时该方法为全数据驱动方法,无需地下介质任何先验信息,算法容易实现.模型数据测试表明,本文提出的方法可有效压制层间多次波,而且对有效波也具有很好的保幅性.  相似文献   

基于卷积神经网络的电成像图像空白条带填充方法     

张浩  司马立强  王亮  车国琼  郭宇豪  杨琴琴 《地球物理学进展》2021,36(5):2136-2142

全井眼微电阻率成像(Fullbore Formation Micro Imager,FMI)技术广泛应用于强非均质性的碳酸盐岩储层测并精细解释.然而,由于各极板间间隙的影响,FMI无法测量360°全井壁地层电阻率信息,这使得FMI图像出现空白条带,严重影响了图像视觉和测井解释进程.为获取全井壁的电阻率信息,必须有效的填充空白条带.本文在探讨现有的电成像图像空白条带填充方法基础上,提出了一种基于卷积神经网络的电成像图像空白条带填充方法.与常用的Criminisi插值法对比填充效果显示:该方法完全适用于各种特征的电成像图像空白条带填充,延续了所有待填充边缘的暗色条带和亮色背景,填充结果与原始图像的像素值频率占比相关性高达0.9581.Criminisi插值法在复杂区域电成像图像的填充结果连通性较差且存在干扰区域,填充结果与原始图像的像素值频率占比相关性仅为0.5924.本文提出的方法具有处理速度快、干扰区域少、连通性强、相关性高的特点,能够满足电成像空白条带成规模填充的实际应用需求,还可为测量极板间的测量缺失带信息处理提供参考手段.  相似文献   

地震预警断层参数实时识别方法(FinDer)详解及其性能初步评价          下载免费PDF全文

卢建旗  李山有 《世界地震工程》2021,(1):152-164

详细阐述了美国加州ShakeAlert地震预警系统中使用的断层破裂参数实时测定方法（FinDer FinDer:Finite Fault Rupture Detector）的技术细节。利用1999年集集M_w7.6级地震、2008年汶川M_s8.0级地震及2013年芦山M_s7.0级地震,以及日本K-NET台网记录的80次中小地震的强震观测数据对该方法的性能进行了评价。结果表明:在密集台网条件下,FinDer方法能够较为准确地实时识别正在发生地震的断层破裂长度和走向以及质心位置,是解决地震预警系统中断层破裂参数实时识别问题的有效手段之一;FinDer方法只能在断层破裂已经发生的条件下,对其长度和走向进行识别,无法预知断层可能的最终长度或最终走向;远场和近场识别是影响该方法准确性的主要因素,也是该方法识别误差的主要来源。  相似文献   

光谱保真归一化卷积高光谱超分辨率重建方法     

徐宏根  李春来  杨淼  董小环 《华南地质与矿产》2019,35(4):504-513

高光谱遥感图像受到成像系统硬件限制,无法同时具有高空间分辨率和高光谱分辨率,较低的空间分辨率制约高光谱图像的应用,超分辨率重建技术可提高图像的空间分辨率。针对高光谱图像的超分辨率重建中光谱保真度的问题,在重建方法中耦合光谱保真度函数,结合结构自适应归一化卷积方法,提出基于光谱保真约束的归一化卷积方法。具体地,将图像局部邻域内像素间的光谱相关性作为约束条件,将与中心像素光谱类似的像素赋予较大权值,从而提高重建后图像光谱特性的保持程度。实验中分别从空间结构与光谱信息保真两个方面来评价重建后结果,结果表明该方法具有较好的光谱信息保持度。  相似文献   

不同剂量补肝健腰方对大鼠腰椎间盘退变组织bFGF mRNA表达的影响          下载免费PDF全文

蒋盛昶  邓咪朗  仇湘中 《应用海洋学学报》2021,37(3):166

目的：观察不同剂量的补肝健腰方对大鼠腰椎间盘退变组织碱性成纤维细胞生长因子(bFGF) mRNA表达的干预作用。方法：将130只雄性SD大鼠随机分为正常对照组20只、假手术组20只、造模组90只,采用椎间盘穿刺造模方法制备大鼠腰椎间盘退变模型,将造模成功的80只大鼠随机分为补肝健腰方低、中、高剂量组及模型组,每组各20只,分别采用补肝健腰方低剂量（含生药1.04 g）、中剂量（含生药2.08 g）、高剂量（含生药4.16 g）、0.9%氯化钠注射液灌胃,检测各组干预前及干预2、4、6周后椎间盘退变组织bFGF mRNA的表达,并进行对比分析。结果：1)假手术组与正常对照组比较,2组各时间点bFGF mRNA的表达差异均无统计学意义（P>0.05）。2）模型组与正常对照组比较,2组各时间点bFGF mRNA的表达差异均具有统计学意义（P＜0.05）。3）给药组与模型组比较,干预前及干预2周后各给药组与模型组bFGF mRNA的表达差异无统计学意义（P>0.05）;干预4、6周后各给药组的bFGF mRNA表达均较模型组降低,差异具有统计学意义（P＜0.05）。4）各给药组组间比较,干预4、6周后中、高剂量组较低剂量组bFGF mRNA的表达均下降,差异具有统计学意义（P＜0.05或P＜0.01）。结论：不同剂量的补肝健腰方均能下调腰椎间盘退变模型大鼠椎间盘中bFGF mRNA的表达,中、高药物剂量组作用更加显著。  相似文献   

基于双分支卷积神经网络的SAR与多光谱图像融合实验     

吴佼华  杨学志  方帅  董张玉 《地理与地理信息科学》2021,37(2):22-30

针对合成孔径雷达(Synthetic Aperture Radar,SAR)和多光谱(Multi-Spectral,MS)融合图像中存在的空间细节模糊和颜色失真问题,该文兼顾光谱监督和空间细节监督,设计光谱损失函数和空间细节损失函数,提出一种基于双分支卷积神经网络(Convolution Neural Network,CNN)的SAR和MS图像融合算法。该算法网络框架包含光谱保持和细节提升两个分支:光谱保持分支通过上采样MS图像连接到网络的输出,直接将光谱信息传递到融合图像中;细节提升分支对SAR和MS图像通过高通滤波提取高频细节信息,然后应用CNN对细节信息进行特征提取、特征融合及重建,最后将重建的细节信息叠加到上采样的MS图像,得到融合结果。以哨兵-1B GRD级别的SAR图像和Landsat8卫星多光谱图像为实验数据,通过与传统融合算法和深度学习算法RSIFNN进行对比,结果表明,该文算法在定性和定量评价方面效果更好,能够在保持光谱信息的基础上增强多光谱图像的空间细节信息,有利于后续地物分类和目标识别等工作的开展。  相似文献