全文获取类型
收费全文 | 79篇 |
免费 | 28篇 |
国内免费 | 9篇 |
专业分类
测绘学 | 9篇 |
大气科学 | 1篇 |
地球物理 | 62篇 |
地质学 | 34篇 |
海洋学 | 7篇 |
综合类 | 3篇 |
出版年
2024年 | 3篇 |
2023年 | 4篇 |
2022年 | 11篇 |
2021年 | 12篇 |
2020年 | 12篇 |
2019年 | 13篇 |
2018年 | 4篇 |
2017年 | 2篇 |
2016年 | 3篇 |
2015年 | 7篇 |
2014年 | 5篇 |
2013年 | 6篇 |
2012年 | 3篇 |
2011年 | 3篇 |
2010年 | 3篇 |
2009年 | 5篇 |
2008年 | 5篇 |
2006年 | 3篇 |
2005年 | 2篇 |
2004年 | 1篇 |
2002年 | 2篇 |
2001年 | 1篇 |
2000年 | 2篇 |
1999年 | 1篇 |
1998年 | 1篇 |
1997年 | 1篇 |
1992年 | 1篇 |
排序方式: 共有116条查询结果,搜索用时 46 毫秒
81.
82.
微地震(MS)波初始到时的自动拾取是MS监测数据处理的关键技术之一,也是实现MS震源自动定位的技术难点.本文在MS震源定位结果反演与推断的研究基础上,对不同类型MS波的到时点特征进行了分析与描述,并对不同时窗长度下能量特征值的变化规律进行了研究,提出了控制时窗移动范围和确定时窗长度自适应参数的具体方法,利用建立的MS波初始到时点特征的模式识别库,对拾取的到时进行模式归类、定量评价和匹配,提高了自动拾取结果的可靠性.研究结果表明,对典型的信噪比高的MS波,到时自动拾取的结果与手工拾取的结果基本一致;对无量纲大振幅的MS波,到时自动拾取结果的可靠性要高于手工拾取,对信噪比低和到时点不清晰的MS波自动拾取的可靠性较低. 相似文献
83.
基于深度学习方法提出了一种矿山微震P波到时拾取方法。首先构建CNNDet模型进行事件监测和到时预拾取;其次引入自注意力机制,融合门控循环单元(GRU)构建CGANet模型,对检测到的事件进行P波到时精确拾取;最后将该方法与长短时窗能量比法、DPick和PpkNet方法进行对比,结果显示测试集的事件检测精确率和召回率都达到98%以上,P波到时估计的误差均值和标准差分别为0.014 s和0.051 s,说明本文方法在精确率、召回率及标准差等方面均明显优于上述三种方法。此外,对不同信噪比样本进行测试的结果也证明,本文方法在低信噪比下依然能保持较高的精度。在实际震源定位中,该方法也展现出了更优异的性能。 相似文献
84.
基于二分法的地震波初至自动拾取算法 总被引:1,自引:0,他引:1
初至拾取是地震资料处理中最基本的环节,随着地震资料的增多,自动拾取算法越来越重要,它将严重的影响地震资料处理的速度和效率.本文给出一种新的初至自动拾取算法,它根据参考初至(理论估计的初至),利用二分法和改进的能量比方法检测初至并去除不准确点,通过微调获取波峰、波谷、起跳点三种不同的初至类型.通过对不同信噪比的实际地震数据进行测试,本算法具有快速准确的特点.随着资料信噪比的降低,本算法未能完全解决拾取准确度降低的问题.然而通过适当调整算法的参数,本算法的结果比商用软件OMEGA的初至自动拾取效果要好. 相似文献
85.
地震震相拾取是地震数据自动处理的首要环节,包括了信号检测、到时估计和震相识别等过程,震相拾取的准确性直接影响到后续事件关联处理的性能,影响观测报告的质量.为了提高震相拾取的准确性,进而提高观测报告质量,本文采用深度卷积神经网络方法来解决震相拾取问题,构建了多任务卷积神经网络模型,设计了分类和回归的联合损失函数,定义了基于加权的分类损失函数,以三分量地震台站的波形数据作为输入,同时实现对震相的检测识别和到时的精确估计.利用美国南加州地震台网的200万条震相和噪声数据对模型进行训练、验证和测试,对于测试集中直达波P、S震相识别的查全率达到98%以上,到时估计的标准偏差分别为0.067s,0.082s.利用迁移学习和数据增强,将模型用于对我国东北地区台网的6个台站13000条数据的训练、验证和测试中,对该数据集P、S震相查全率分别达到91.21%、85.65%.基于迁移训练后的模型,设计了用于连续数据的震相拾取方法,利用连续的地震数据对该算法进行了实际应用测试,并与国家数据中心和中国地震局的观测报告进行比对,该方法的震相检测识别率平均可达84.5%,验证了该方法在实际应用中的有效性.本文所提出的方法展示了深度神经网络在地震震相拾取中的优异性能,为地震震相和事件的检测识别提供了新的思路. 相似文献
86.
微震事件在震前预警、火山喷发监测、矿山安全监测、油气勘探和小当量核试验监测等方面发挥了重要的作用,而微震事件的自动识别工作是进行地震定位、震源属性判定和地震成像等一系列应用的基础.本文从单特征法、多特征法和综合分析法三个方面对已有的微震识别和震相拾取方法的原理、发展历程和特点进行了阐述.其中,单特征法具有算法简单,可操作性强和便于自动化处理的特点,但当信噪比较低时该类方法不适用;多特征法的抗噪能力较强,识别精度高,但计算速度慢;综合分析法在多种情况下都具有较好的识别效果,但往往需要人工参与.文章认为,三类方法各有利弊,单一方法无法适用于所有情形,需要根据具体的研究对象和区域,合理选择微震识别和震相拾取方法. 相似文献
87.
88.
微地震事件初至拾取是微震监测数据处理的重要步骤之一,其精度是微地震震源定位结果的决定性因素,影响后续的解释结果.前人利用互相关函数与微地震记录相似波形特征原理,对具有相似震源位置或破裂机理的微地震事件采用波形互相关的方法进行初至拾取,但微地震事件的信号,在经过不同的传播路径,被不同检波器接收到的波形是存在差异的,若这种差异大到无法通过互相关来求取微地震信号的到时差,就会出现明显误差.本文提出基于检波器间距约束的互相关初至拾取方法,该方法在互相关函数中引入检波器间距约束条件.首先对全局有效道进行互相关运算及时差校正,其次对时差校正后的记录进行基于检波器间距约束的局部互相关运算并进行时差校正,再利用叠加道计算对经过二次时差校正后的多道记录进行叠加,并运用STA/LTA方法对新生成的叠加道进行初至拾取,最后结合叠加道初至信息以及时差相对校正量,既可得到微地震事件的初至到时.实际资料处理结果表明,相比于常规多道互相关方法,该方法合理地避免了震检距对初至到时的影响,有效地提升了微地震事件初至拾取的精度. 相似文献
89.
90.
利用密集台阵对水力压裂微地震进行监测将有助于优化储层压裂、揭示断层活化.为满足密集台阵海量采集数据的处理需求,本文建立了一种综合运用多种机器学习方法和台阵相关性的、无需人工干预的自动处理流程,从而能够快速得到高质量的密集台阵震相到时目录.该综合策略包括:(1)利用迁移学习在连续波形中快速检测地震事件;(2)利用U型神经网络PhaseNet自动拾取P波、S波震相;(3)利用三重线性剔除法,结合密集台阵到时相关性剔除异常到时数据和地震事件;(4)利用K-means和SVM两类机器学习算法,进一步区分发震时刻接近的多个地震事件,减小事件漏拾率.通过将该流程应用于四川盆地长宁—昭通页岩气开发区微地震监测数据,并将自动处理结果与人工拾取结果进行比对发现,二者在震级测定、定位以及走时成像结果等方面具有很好的一致性,表明本文处理流程结果精度可达到手动处理精度.本文结果为密集台阵地震监测数据的高效、高精度处理提供了新思路. 相似文献