排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
岩石圈有效弹性厚度(Te)表征岩石圈综合力学强度,对理解区域深部构造孕震环境具有重要意义.青藏高原东北缘地质构造复杂,强烈地震活动频发.为进一步了解该区域深部岩石圈力学性质特征及其与地震活动的关系,本文利用基于Fan小波的谱方法,使用WGM2012重力异常数据、ETOPO1地形数据和CRUST1.0模型,通过导纳和相关联合反演计算了青藏高原东北缘的岩石圈有效弹性厚度(Te)与荷载比(F).结果显示研究区Te整体呈明显的东高西低分布,青藏块体Te变化剧烈,西部高值(>40 km)和东部低值(<20 km)共存;鄂尔多斯地块Te较高(>30 km),变化相对平缓;荷载比F存在局部西南高,巴颜喀拉和羌塘地块荷载比F较高(>0.5),说明以地下荷载为主,其他地块荷载比F较低(<0.2),以地表荷载为主.鄂尔多斯地块结构稳定,岩石圈强度较大,Te值较高;内部构造活动性微弱,深部物质密度横向变化较小,岩石圈所受荷载以地表为主,荷载比F较低... 相似文献
2.
三维密度反演是地球物理领域的研究热点,而在大数据及人工智能发展的时代背景下如何快速高效地实现重力数据反演显得更为重要.传统反演方法通常需要存储大型系数矩阵,内存占用大,耗费时间长,同时为约束反演结果而加入的正则化约束项参数难以确定;深度学习可以不依赖先验信息,也不需要计算及存储系数矩阵,使得计算效率大大提高.基于此,本文提出了一种基于UNet++网络的重力异常反演方法.首先将UNet++网络中部分参数进行更改：选择在输入数据绝对值较大时梯度更稳定的LeakyReLU作为激活函数;加入了Batch Normalization层,增强了网络的收敛速度及稳定性.然后为了提高网络的全局最优化能力,引入了基于余弦退火的学习率更新策略,使用梯度的一阶以及二阶矩估计的Adam最优化算法,利用数据集与标签集进行网络训练,实现了重力异常的三维密度反演.通过实验验证了UNet++、LeakyReLU更快速稳定的收敛能力,而余弦退火学习率更新策略具有更强的全局寻优能力.含噪模型实验及实际数据反演结果进一步证明该方法的正确性和有效性,及其良好的泛化能力与抗噪能力. 相似文献
1