排序方式： 共有9条查询结果，搜索用时 46 毫秒
1
1.
针对匹配追踪计算量大、大地电磁数据处理效率低的问题，提出基于匹配追踪和遗传算法的大地电磁噪声压制方法.首先，利用Gabor原子构建过完备原子库，并对过完备原子库集合进行划分.然后，借助遗传算法的自适应性，快速搜寻最优匹配原子及所在位置.最后，运用最优匹配原子对待处理信号进行稀疏分解，重构有用信号.通过对计算机模拟的典型强干扰和矿集区实测大地电磁数据进行分析处理，实验结果表明，相对于匹配追踪和正交匹配追踪，文中所提方法能从过完备原子库中快速、自适应地选取最优匹配原子与不同噪声干扰类型高精度的匹配，极大地提升了计算效率；大地电磁时间域序列中的大尺度强干扰被有效剔除，视电阻率曲线更为光滑、连续，低频段的数据质量得到明显改善. 相似文献
2.
3.
柴达木盆地位于青海省西北部，是在昆仑山、阿尔金山和祁连山控制形成的山间断陷盆地，由于盆地中生代沉积了大范围的侏罗系地层，因此盆地内含有丰富的油气资源，众多学者对柴达木盆地的构造演化做了大量的研究，受限于盆地的山盆耦合模式，地形、地质条件复杂，山前地带大多是地震的空白区，仅在局部获得了地震勘探资料，但资料品质较差。由于缺乏详细资料，关于该区域构造演化的研究没能深入开展，盆地内部构造演化的研究主要在构造背景和构造格架上，对于构造的细节没有得到解析。本文通过音频大地电磁法探测大柴旦地区盆地地质特征，基于三维非线性共轭梯度(3D NLCG)反演算法，获得研究区三维电性模型，结合区域地质、地球物理资料研究盆地构造演化，结果表明：三维电性模型揭示了柴北缘地区盆地中生代以拉张为主形成一系列断陷盆地，新生代以喜山构造活动为主产生一系列挤压为主的冲断构造，造成早侏罗系-晚白垩系地层的局部缺失等地质活动的盆地演化动力学电性特征。 相似文献
4.
利用1996—2015年中国的高空探测资料和地面观测数据,挑选发生降水的数十万个样本将其分为降雨和降雪两类事件,抽象为二分类问题,采用深度学习网络技术构建降水相态判识模型,并用2016—2017年的数据进行测试检验,针对2018年1月下旬中国一次大范围雨雪天气过程进行个例检验,在此基础上探讨了深度学习网络在降水相态判识和预报中的应用。主要结论如下:基于深度学习网络判识模型的判识准确率为98.2%,雨、雪的TS评分分别为97.4%和94.4%,相应空报率为1.7%和2.0%,漏报率为1.0%和3.7%,较传统指标阈值法的判识准确率有较大提高;个例检验显示,基于实况探空数据的模型判识结果与降水相态实况在全国基本保持一致,欧洲中期数值预报中心(ECMWF)的降水相态预报产品和模型的预报结果对全国的降水相态都表现出较好的预报能力,而对雨雪分界线的预报,模型的预报结果较ECMWF总体上更接近实况。测试结果表明,模型较好地提取了雨、雪降水相态的结构特征,深度学习网络在降水相态判识和预报中的应用具有可行性和一定的优势,可为降水相态的客观判识和预报提供重要技术支撑。 相似文献
5.
6.
为了有效分离矿集区音频大地电磁（AMT）信号中的大尺度强干扰、抑制近源效应，本文提出利用变分模态分解（VMD）和匹配追踪（MP）联合压制AMT强干扰的方法.首先，对比了VMD与经验模态分解（EMD）、固有时间尺度分解（ITD）的处理效果，验证了VMD在避免模态混叠和端点效应方面的优势；讨论了VMD中模态个数对典型大尺度强干扰的去噪性能，并选择合适的模态初步获取待处理信号的重构信息.然后，运用MP对VMD重构信号做二次信噪分离处理，进一步滤除残余的尖脉冲干扰.通过对模拟和实测数据的分析处理，以及与远参考法结果对比，本研究能有效剔除时间域序列中的大尺度强干扰，且重构信号中保留了更多的低频缓变化信息和细节成分，近源干扰得到有效压制；视电阻率-相位曲线更为光滑、连续，低频段的数据质量得到明显改善，其结果能更为真实、可靠地反映地下电性结构信息. 相似文献
7.
从CSAMT信号中提取激电信息有利于提高频率域电磁法反演与解释的精度.目前的研究多以线性反演方法为主,存在依赖初始模型、易陷入局部极值的问题.针对CSAMT信号IP提取问题的非线性和非凸特征,本文提出了一种基于柯西分布和惯性权重的二阶段最小构造混合蛙跳反演方法来提取IP信息.该方法首先利用柯西算子取代随机算子来提高算法的全局搜索能力,并通过引入混沌震荡惯性权重来均衡进化过程中的个体经验和群体经验,保证算法后期的稳定收敛;然后通过引入第二阶段反演过程来强化极化率对观测数据的影响,同时将正则化参数引入混合蛙跳算法的适应度函数来改善反演的多解性问题;最后利用CPU并行计算加速了算法的模因组搜索过程.反演结果表明,上述方法能够较好地重构地电结构和提取激电信息,在加噪环境下具有较强的鲁棒性.相比其他非线性算法(标准混合蛙跳算法SFLA,差分进化算法DE和粒子群优化算法PSO)的反演结果,本文算法具有更强的全局搜索能力和更高的计算效率,适合对微弱的激电信息进行提取. 相似文献
8.
超高密度电法是一种新的地球物理探测技术,它通过多通道数据采集和多装置数据联合反演,极大地提高了电法勘探的成像精度.本文提出一种主成分-正则化极限学习机(PC-RELM)非线性反演方法,该方法针对超高密度电法所获取的高维勘探数据进行反演建模,通过随机设定隐层参数来简化模型的学习过程,通过主成分分析方法来进行高维数据降维,最后引入正则化因子提高反演模型的泛化能力.论文给出了超高密度电法的原理、样本构造方法和非线性反演流程,使用交叉验证方法获得了优化的隐节点数目和正则化参数,构造了优化的反演模型.通过两个经典的超高密度模型的反演结果表明,该方法能够较好地解决超高密度电法反演的高维数据非线性建模问题,能够弥补单一装置数据反演的不足,同时相较其他的非线性反演方法(ELM,BPNN和GRNN)具有更加准确的反演结果. 相似文献
9.
以洞庭湖生态经济区水资源环境与社会经济系统为研究对象,引入灰色关联度算法测度耦合状况,结合GM（1,1）模型预测演化趋势,并进行仿真模拟。研究表明：2004~2013年生态经济区水资源环境优于社会经济发展状况,但水资源条件对快速增长的社会经济发展产生的约束作用较为明显,水资源与生态环境危机正在进入潜伏期;10 a间系统耦合度较高,处于较为协调发展的磨合耦合阶段,耦合度呈现大幅攀升后回落趋势,进一步对2014~2023年状况预测证实经济发展对水资源环境呈现越来越显著的胁迫效应。研究表明,应着力提高水资源利用效益,缓解水资源经济系统矛盾,实现社会经济和水资源环境的协调发展。 相似文献
1