排序方式: 共有30条查询结果,搜索用时 46 毫秒
1.
2.
3.
4.
同向超接型变换构造往往是由同向趋近型变换构造发育而来,当主干断裂的叠置部分较大时,其内部会受到与区域
伸展方向一致的局部拉张作用,产生与主干断裂平行的纵向变换断层。根据区域伸展量守恒原理,结合同向超接型变换构
造的发育特征及其主控因素分析,提出了“变换强度”(transfer degree)的计算公式来定量表征变换构造对主干断裂的调节
程度,并将变换强度定义为变换构造的伸展量与主干断层最大水平位移量的比值;为了减小统计过程中的误差,采用了主
干断层及其末端的水平位移为参数进行了变换强度的计算。该文选取了东营凹陷西部的平南-石村同向超接型变换构造为
典型实例进行了分析,并运用平衡剖面技术验证了计算结果的准确性,二者吻合度好,表明该方法具有一定的可行性,为
其他类型变换构造的定量表征提供了一定的思路。 相似文献
伸展方向一致的局部拉张作用,产生与主干断裂平行的纵向变换断层。根据区域伸展量守恒原理,结合同向超接型变换构
造的发育特征及其主控因素分析,提出了“变换强度”(transfer degree)的计算公式来定量表征变换构造对主干断裂的调节
程度,并将变换强度定义为变换构造的伸展量与主干断层最大水平位移量的比值;为了减小统计过程中的误差,采用了主
干断层及其末端的水平位移为参数进行了变换强度的计算。该文选取了东营凹陷西部的平南-石村同向超接型变换构造为
典型实例进行了分析,并运用平衡剖面技术验证了计算结果的准确性,二者吻合度好,表明该方法具有一定的可行性,为
其他类型变换构造的定量表征提供了一定的思路。 相似文献
5.
青东凹陷古近纪构造演化与盆地转型 总被引:2,自引:0,他引:2
通过对三维地震、钻井岩心及录测井资料的详细分析解释,发现青东凹陷古近纪不同演化阶段的构造特征存在着差异性:孔店期-沙四早期青东凹陷以NW向断层控盆为主,整体断层数量较少,但规模较大;沙四晚期断层数量明显增多,各个方向控盆断层均有发育,NW向的青东12断层消亡,主要以NWW和近EW向断层活动为主;沙三-沙二期控盆断层走向主要为NE和NEE向。这种构造格局的转变导致了相应的盆地转型,青东凹陷孔店期表现为受郯庐断裂带左旋走滑应力场控制之下的一系列北东断南西超的北西向半地堑,地层沉积厚度大;沙四期青东凹陷表现为NWW与近EW向兼有的复合盆地格局,为盆地转型阶段;沙三期、沙二期受郯庐断裂带右旋走滑应力场的影响,盆地格局完全转为近EW和NE(E)向,开始发育北断南超的半地堑和双断式堑垒构造。 相似文献
6.
目标检测是遥感影像处理中一项基础性和常规性的工作。本文基于YOLOX(you only look once X)网络进行改进,设计了一种针对遥感影像目标的检测算法。首先在特征提取模块PANet(path aggregation network)中加入自适应空间特征融合(adaptively spatial feature fusion, ASFF)网络,针对目标检测中尺度不一致的细部特征进行深入挖掘。其次,设计了基于ECA(efficient channel attention)的特征提取模块,高效通道交互在更加关注特征图中正样本特征信息的同时降低了模型的复杂性。再次,为了避免过拟合造成梯度消失、激活效果弱的问题,提出使用swish激活函数。最后,在DOTA(dataset for object detection in aerial images)上进行实验,通过消融实验定性分析、通过对比实验定量验证了本文算法的最佳机制和有效性。结果表明:在添加ASFF和ECA机制并且优化swish激活函数的前提下,改进网络模型的全类平均正确率(mean average precision, mAP... 相似文献
7.
8.
随着人工智能的发展,基于深度学习的有监督密集匹配方法在虚拟、室内及驾驶等近景数据集上取得了不错的表现。针对航空影像密集匹配标签数据获取困难的问题,本文在无监督密集匹配框架下,借鉴多个有监督网络结构,分别在航空影像数据集和作为参照的近景数据集上测试了匹配精度,实现了网络结构模块与精度关系的定性分析,为进一步探索深度学习在测绘领域的实用化提供了重要的参考。试验在相同损失函数条件下,分别采用DispNetS、DispNetC、iResNet、GCNet、PSMNetB及PSMNetS网络结构进行测试。经分析,得出如下结论:①测试的网络结构中,PSMNetS在航空影像数据集和近景数据集上表现稳定,且精度最高,训练整体耗时少,具有实用化的潜力;②在监督方法中效果更好的网络结构在无监督方法中效果不一定更好,其精度不仅取决于网络自身的匹配能力,同时也依赖于网络与损失函数的兼容性;③孪生网络模块、相关信息融合模块、金字塔池化模块和堆叠沙漏模块与无监督损失函数兼容性良好,可提升网络精度,而iResNet的图像重构迭代精化模块与重构损失函数重复约束,会产生“负优化”的作用。 相似文献
9.
10.