检索结果-南通市图书馆

基于ASTER和SDGSAT-1热红外数据的新疆卡拉麦里蛇绿岩带岩性识别

地质学报 2024年

作者：张昭张群佳刘磊梅佳成长安大学地球科学与资源学院自然资源部新能源矿产与资源信息工程技术创新中心自然资源部黄河上游战略性矿产资源重点实验室

热红外光谱(TIR,7～14μm)对于造岩矿物的识别具有无可比拟的优势,但目前可用的星载热红外数据源较少,且影像普遍空间、光谱分辨率较低。我国2021年发射的可持续发展科学卫星1号(SDGSAT-1)携带的热红外成像仪(TIS)具有大幅宽(300 km)、... 详细信息

热红外光谱(TIR,7～14μm)对于造岩矿物的识别具有无可比拟的优势,但目前可用的星载热红外数据源较少,且影像普遍空间、光谱分辨率较低。我国2021年发射的可持续发展科学卫星1号(SDGSAT-1)携带的热红外成像仪(TIS)具有大幅宽(300 km)、高空间分辨率(30 m)和高探测灵敏度等特点,在岩性填图中具有较好的应用前景。本研究选取新疆卡拉麦里地区ASTER和SDGSAT-1两种热红外影像,建立镁铁—超镁铁质岩、富石英岩、富长石岩和花岗岩类岩石指数,结合主成分分析结果分析不同岩石类型在二维、三维波谱特征空间中的分布特征,分别构建了两种数据的多维波谱特征空间岩性识别模型。结果表明:(1) ASTER TIR和SDGSAT-1 TIS数据构建的岩石指数可以有效识别镁铁—超镁铁质岩、富石英岩、富长石岩和花岗岩,岩性识别总体精度分别为95.16%和98.02%;(2)两种数据构建的多维波谱特征空间模型岩性识别效果也较好,总体精度分别提升至96.78%和99.20%;(3) SDGSAT-1 TIS较ASTER TIR提取镁铁—超镁铁质岩精度提升了13.26%,对于露头较小岩体识别能力更强,在岩性填图方面应用潜力巨大。

关键词： ASTER TIR SDGSAT-1 TIS 波谱特征空间岩性识别模型岩石指数

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

岩石岩性轻量化网络识别方法及其隧道工程应用

引用

铁道科学与工程学报 2023年第9期20卷 3604-3615页

作者：凌同华陈梓浓张胜阳标张亮长沙理工大学土木工程学院湖南长沙410114 湖南城市学院土木工程学院湖南益阳413000

在隧道工程地质勘察中,需要对岩石岩性进行判断和识别,以便开展工程岩体定量分析及工程地质安全评价。鉴于目前岩石岩性识别过程中存在主观性强、周期性长等问题,结合岩石表面岩性特征信息,提出基于MobileNetV3轻量化网络模型的岩石岩... 详细信息

在隧道工程地质勘察中,需要对岩石岩性进行判断和识别,以便开展工程岩体定量分析及工程地质安全评价。鉴于目前岩石岩性识别过程中存在主观性强、周期性长等问题,结合岩石表面岩性特征信息,提出基于MobileNetV3轻量化网络模型的岩石岩性快速识别方法。首先采集工程中常见的20类不同岩性的岩石图像样本并搭建图像数据集,通过构建MobileNetV3网络模型和迁移学习方法对岩石图像进行训练,获得MobileNetV3岩石岩性识别模型;然后,将MobileNetV3岩性识别模型与EfficientNet-B0,Xception和Inception-ResNet-v2网络模型的岩性识别结果进行对比,从而评估其训练效果。此外,采用MobileNet网络替换SSD模型的主干特征提取网络,构建轻量化MobileNet-SSD目标检测模型对岩石图像进行检测与识别。结果表明,MobileNetV3网络模型识别岩石岩性的准确率为98.2%,模型大小仅为12 MB,对测试集上单张图像从输入到输出识别结果的平均时间为812 ms;与其他模型相比,该模型在识别精度、模型大小和识别时间上,都具有一定优势;通过MobileNet-SSD目标检测模型,可以实现对岩石目标的定位以及多种岩石同时识别。将MobileNetV3网络模型应用于隧道掌子面岩石岩性识别中,对不同岩性以及同一岩性不同完整程度的隧道掌子面岩石,模型有较好的识别效果。本研究成果有助于提高卷积神经网络模型的可移植性以及隧道工程离线环境下岩石岩性的快速准确识别。

关键词：隧道工程岩性识别模型轻量化网络岩石岩性目标检测

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

概率神经网络识别岩性方法在沙子岭地区的应用

引用

江汉石油职工大学学报 2017年第2期30卷 13-15页

作者：王书中石化胜利油田分公司清河采油厂山东寿光262714

神经网络是由大量简单非线性神经元相互连接构成的非线性动力学系统,具有很强的自适应性、容错性、联想记忆功能和推理意识功能,在模式识别领域应用广泛。利用自然电位(SP)、自然伽马(GR)、声波时差(AC)、泥质含量(SH)、电阻率(RT),有... 详细信息

神经网络是由大量简单非线性神经元相互连接构成的非线性动力学系统,具有很强的自适应性、容错性、联想记忆功能和推理意识功能,在模式识别领域应用广泛。利用自然电位(SP)、自然伽马(GR)、声波时差(AC)、泥质含量(SH)、电阻率(RT),有效孔隙度(PORR)、总孔隙度(POR)等7条测井曲线作为岩性识别网络输入信息的主要参数,建立沙子岭地区的概率神经网络模型。利用该模型对单井进行预测,发现该预测方法在沙子岭地区能识别出粉砂岩、泥质粉砂岩、砂质泥岩、泥岩、灰质粉砂岩、灰岩、灰质泥岩等多种岩性。将预测结果与取心资料对比,发现两者具有较好的一致性,证明了该方法在本区的适用性。

关键词：沙子岭地区神经网络岩性识别模型八面河油田

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：