开源地理空间情报的搜集方法     

曾令沙  刘伟  许振北 《测绘与空间地理信息》2020,(2):121-123

在过去的20年,地理空间情报已经由不存在而一跃成为全球情报活动的主要内容主体。基于开源的地理空间情报搜集作为一种低风险、高收益的情报搜集手段,成为各国开展地理空间情报工作的一项重要内容。本文根据开源情报源的主要渠道,分析总结了几种主要的开源地理空间情报搜集方法,重点阐述基于互联网的搜集方法,并给出了具体的分析实践,最后提出开源情报搜集的几点建议。  相似文献   

基于卷积神经网的CCTV视频中排水管道缺陷的智能检测     

吕兵  刘玉贤  叶绍泽  闫臻 《测绘通报》2019,(11):103-108

作为地下空间信息测绘工作的一个重要部分，基于排水管道内部测绘信息的管道缺陷检测越来越受到人们的重视。CCTV技术是一种广泛使用的排水管道内部测绘与缺陷检测技术。近些年基于卷积神经网的人工智能技术在图像识别中取得了巨大成功，受此启发，提出了一种基于卷积神经网络的排水管道缺陷的检测方法，以提高CCTV视频中的管道缺陷检测的自动化和智能化。试验证明了该方法的有效性，其在缺陷识别的准确率和召回率及识别速度上均满足了排水管道缺陷智能检测的需要；同时该方法也已经在深圳市的排水管道检测中得到广泛的应用。  相似文献   

地震油气储层的小样本卷积神经网络学习与预测   总被引：2，自引：0，他引：2       下载免费PDF全文

林年添  张栋  张凯  王守进  付超  张建彬  张冲 《地球物理学报》2018,61(10):4110-4125

地震储层预测是油气勘探的重要组成部分，但完成该项工作往往需要经历多个环节，而多工序或长周期的研究分析降低了勘探效率.基于油气藏分布规律及其在地震响应上所具有的特点，本文引入卷积神经网络深度学习方法，用于智能提取、分类并识别地震油气特征.卷积神经网络所具有的强适用性、强泛化能力，使之可以在小样本条件下，对未解释地震数据体进行全局优化提取特征并加以分类，即利用有限的已知含油气井段信息构建卷积核，以地震数据为驱动，借助卷积神经网络提取、识别蕴藏其中的地震油气特征.将本方案应用于模型数据及实际数据的验算，取得了预期效果.通过与实际钻井信息及基于多波地震数据机器学习所预测结果对比，本方案利用实际数据所演算结果与实际情况有较高的吻合度.表明本方案具有一定的可行性，为缩短相关环节的周期提供了一种新的途径.  相似文献   

全球数据库数据研究的初步进展          下载免费PDF全文

张旗  王金荣  陈万峰  王玉玺  焦守涛  刘欣雨 《甘肃地质》2018,(1):1-11

人类已进入大数据和人工智能时代,其成果已惠及千家万户。然而,大数据和人工智能技术在科学研究领域的应用却相形见绌,还未真正得到重视。大数据和人工智能是一种方法,一种思路,它不同于传统的科学研究方法和思路。在科学研究中,什么是大数据研究呢?符合大数据3个技术取向的是大数据研究,采用全数据模式的是大数据研究,从数据出发的是大数据研究。文中介绍了我们利用全球数据库数据厘定的玄武岩、安山岩、大陆边缘弧玄武岩(CAB)构造环境判别图,其中安山岩判别图填补了学术界的空白。玄武岩(MORB、OIB、IAB)判别图也不同于学术界早先熟知的判别图,是根据元素之间的相关关系厘定的。文中还讨论了大数据研究带来的一些可能很有意义的科学问题。如:1.在判别图研究中发现了许多效果较好的图解,主要依赖的是主元素、过渡元素和金属元素之间的关系,上述关系有什么意义,为什么会起到判别的作用?2.数据挖掘发现,全球大洋中脊中酸性岩极度匮乏,是否说明上地幔严重缺水?3.研究发现,中新世是全球岩浆活动最发育的时期,这一时期全球还出现了许多重大地质事件,二者之间是否存在关联?4.中新世全球埃达克岩最发育,按照埃达克岩的出露,发现从青藏高原到喀尔巴阡可能存在一个巨型的欧亚高原;5.根据对新生代苦橄岩全球时空分布研究,提出了一个如何认识全球热点问题等。文中还提出了下一步研究的建议并强调指出,科学已经进入大数据和人工智能时代,在大数据和人工智能时代,科学划分的标准发生了变化:凡是能够用数据化表述的学科才称之为科学,而不能用数据化表述的学科就不是科学,看来,能否被数据化是科学与非科学的分水岭。在大数据和人工智能时代,地质学和矿床学遭遇了空前的危机。按照我们的预测,在可以预见的未来,地球物理学将远超地质学,空间科学将异军突起,而在地质学领域内地球化学一花独放的局面还将维系很长一段时间。文中最后还探讨了今后找矿靠什么的问题,认为物化探和钻探测试技术的进步非常重要,同时,发展人工智能技术也已迫在眉睫。  相似文献   

基于卷积神经网络的雷电临近预警模型     

张烨方  冯真祯  刘冰 《气象》2021,(3):373-380

从研究人工智能雷电临近预警模型的目的出发,以卷积神经网络模型为基础,结合多个时间序列的雷达产品(组合反射率、液态水含量、回波顶高)与闪电数据,对雷电临近预报方法进行基于卷积神经网络结构的应用,以福建省2017—2018年雷达、闪电数据为样本完成了模型的训练与预测研究。训练结果显示,15~30 min模型训练样本测试集准确率为0.7985;选取福建省2019年20个雷电过程验证分析表明,15~30 min模型对动力抬升型雷电过程预警TS评分为0.716,夏季局地热雷暴预警TS评分为0.694,与常规采用雷达、闪电阈值控制的雷电预警算法相比,准确率有一定的提高,具有一定的实践意义。  相似文献   

基于遗传—神经网络方法的广西台风灾害评估模型研究     

李艳兰  金龙  史旭明  陈丹 《气象与环境学报》2021,37(3):139-144

选取1981—2018年影响广西且灾情记录比较完整的86个台风样本,基于台风灾害伤亡人数、直接经济损失划分灾情等级,选取致灾因子,利用遗传算法与神经网络相结合的方法建立广西台风灾害评估模型。结果表明：选取的台风灾害致灾因子与台风灾情等级之间具有显著的相关性,构建的遗传—神经网络集合预报模型对台风灾情预估效果较好,训练样本拟合一致率为86.1%,测试样本预报准确率为71.4%,其中严重和较重的台风灾情等级预报结果与实况基本一致,较轻等级的预报准确率达83.3%。  相似文献   

基于深度学习的岩石矿物智能识别     

任伟  张盛  乔计花  黄金明 《地质论评》2021,67(Z1):67z1281-67z1282

  相似文献   

测井地质学前世、今生与未来——写在《测井地质学·第二版》出版之时     

赖锦  王贵文  庞小娇  韩宗晏  李栋  赵仪迪  王松  江程舟  李红斌  黎雨航 《地质论评》2021,67(5):67060005-67060005

测井地质学以地质学和测井学的方法理论为指导,综合运用各种测井信息,来解决基础地质和石油地质的地质问题。经过数十年发展,测井地质学在油气勘探开发各个环节得到广泛应用。非常规油气的兴起使得测井地质学正面临多重挑战和全新探索,亟需建立针对非常规油气的测井地质学综合方法理论体系。本文以《测井地质学·第二版》出版为契机,系统归纳了测井地质学的起源及发展历程、主要研究内容和研究方法流程。然后总结了测井资料与地震、地质信息的匹配性,并分析了不同探测特性测井方法纵向分辨率区间特征。在此基础上评述了测井地质学在井旁构造解析、沉积学特征研究、层序地层划分、地应力方向判别及大小计算、井壁裂缝识别与评价、烃源岩评价以及非常规油气“七性关系”综合评价当中的应用。但由于测井资料的负载能力有限性、测井与地质信息属性不对应性以及测井资料本身的多解性,使得测井地质学在测井—地质转换、非常规油气测井评价及其与人工智能融合方面还存在一定的问题。因此加强基础岩石物理研究,挖掘测井曲线中包含的地质信息,并与人工智能相结合,将拓展测井地质学研究的精度和广度,从而使其未来可更好地应用至非常规油气测井评价等实践工作中。  相似文献   

人工智能在冰雹识别及临近预报中的初步应用   总被引：1，自引：0，他引：1       下载免费PDF全文

张文海  李磊 《气象学报》2019,77(2):282-291

基于广东10部S波段多普勒天气雷达的三维拼图资料,利用机器学习技术开发了一种冰雹识别和临近预报的人工智能算法。算法设计时以雷达回波反射率的垂直和水平扫描数据为基础训练集,将冰雹云的雷达反射率扫描数据作为正样本,将其他雷达反射率扫描数据作为负样本,通过贝叶斯分类法对正、负样本数据集进行机器学习,训练人工智能识别冰雹云内在规律的能力。训练时以广东省2008-2013和2015-2016年的数据作为训练集,使用了2014年广东省12次冰雹过程的数据做检验。对比检验的结果表明,人工智能法比传统的概念模型法击中率高9个百分点。研究结果表明了人工智能对冰雹这类非线性强天气过程具有较强的识别能力。   相似文献   

基于图像处理的自动野外救援系统设计     

郭乃天  庞国臣  张安彩  邱建龙 《南京气象学院学报》2019,11(4):490-494

针对野外救援的不及时性,结合人工智能等技术的应用,提出了一种新的自动野外救援系统.人类在野外和海上活动中受困后,除了依靠自身能力和装备进行求生之外,外部的有效及时救援是提高生存几率的关键.自动野外救援系统,由自动报警装置、手动报警装置实现报警,触发整个系统的运行.自动救援装置可以通过定位模块实现定位,通过执行器移动到随身装置附近实现救援,随身装置还可以发出信标导引信号;自动救援装置还可以通过传感器检测信标,通过相位检测技术等计算待救者的坐标并规划路径,实现更精准的定位与救援.  相似文献