检索结果-南通市图书馆

一种基于压缩感知理论的浅层地震高效采集方法

在线全文

学校读者我要写书评

暂无评论

地球物理学进展 2022年第5期37卷 1920-1932页

作者：曹静杰肖金梅朱跃飞杨歧焱蔡志成自然资源部京津冀城市群地下空间智能探测与装备重点实验室河北地质大学石家庄050031 河北省战略性关键矿产资源重点实验室河北地质大学石家庄050031

基于压缩感知理论的地震数据采集方法能够减少野外工作时间,节约采集成本,提高地震勘探的效率,对于降低地震勘探的成本具有重要的应用前景.压缩感知采集方法可以随机的布设检波器,因而能够节约采集仪器和减少野外施工时间,对于节点式地... 详细信息

基于压缩感知理论的地震数据采集方法能够减少野外工作时间,节约采集成本,提高地震勘探的效率,对于降低地震勘探的成本具有重要的应用前景.压缩感知采集方法可以随机的布设检波器,因而能够节约采集仪器和减少野外施工时间,对于节点式地震仪的采集能够明显提高采集效率.压缩感知地震数据采集相关技术包括野外观测系统设计和地震数据重建两项技术,地震数据重建的质量依赖于观测系统的设计,在相同采样数据量的情况下,如果采样方式不合适,则重建出来的数据的信噪比相差很大,因此压缩感知的关键是设计合适的采样方式.本文基于压缩感知理论,提出一种边缘保持分段随机采样,该方法能够灵活的划分段数和每段内的采样个数,由于边缘数据的缺失对重建质量有很大的影响,因此该方法保留了边缘的检波器.数据实验表明,这种数据采集方式比随机采样和分段随机采样有更好的重建效果,并且重建数据的偏移和完整采集数据的偏移结果更加接近;通过浅层地震勘探真实数据的模拟采样证明了压缩感知理论可以应用于浅层地震勘探,本文提出的采样方法在浅层地震勘探中具有重要潜力.

关键词：压缩感知重建采集方式随机采样

基于层次聚类多道奇异谱分析的地震数据同时重建与去噪方法

在线全文

学校读者我要写书评

暂无评论

石油地球物理勘探 2023年第4期58卷 818-829页

作者：曹静杰许昌昊朱跃飞自然资源部京津冀城市群地下空间智能探测与装备重点实验室河北石家庄050031 河北省战略性关键矿产资源重点实验室河北石家庄050031 河北地质大学数理学院河北石家庄050031 中国矿业大学(北京)地球科学与测绘工程学院北京100083

高信噪比、高保真度和高分辨率地震数据是获得地下结构清晰成像的前提。在地震数据采集过程中,不利地形、坏道等因素造成地震数据不满足采样定理,需重建以获得完备的地震数据。多道奇异谱分析法是一种常用的地震数据重建与去噪方法,其... 详细信息

高信噪比、高保真度和高分辨率地震数据是获得地下结构清晰成像的前提。在地震数据采集过程中,不利地形、坏道等因素造成地震数据不满足采样定理,需重建以获得完备的地震数据。多道奇异谱分析法是一种常用的地震数据重建与去噪方法,其关键是对划分的每个数据块确定有效奇异值个数。该参数需根据不同的数据特征判定,但目前的人工选择方法需花费大量人力和计算资源。针对每个数据块,基于频率域多道奇异谱分析框架,分析奇异值的离散点曲线和谱的规律,提出层次聚类法自动识别有效信号对应的奇异值个数,提高地震数据去噪效果和重建质量。对经过块Hankel矩阵奇异值分解得到的奇异值序列,采用层次聚类法进行聚类,得到各频率的有效奇异值个数;再对有效频率内求取的奇异值个数求最大,获得数据块的有效奇异值个数;在阻尼多道奇异谱分析同时重建和去噪的框架下,进而提出一种改进的多道奇异谱分析(MSSA)方法以实现地震数据的同时重建和去噪。对模拟地震数据与实际地震资料进行测试,结果表明基于层次聚类的多道奇异谱分析法在同时重建和去噪方面具有优越性,能避免人工选择有效的奇异值个数,减小地震数据处理工作量,对大规模地震数据的重建与去噪具有现实意义。

关键词：多道奇异谱分析重建去噪层次聚类奇异值分析

磁性源瞬变电磁法零偏移距全期视电阻率计算及其校正方法研究

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

石油物探 2023年第2期62卷 368-380页

作者：孙中原李贺孟庆鑫河北地质大学地球科学学院河北石家庄050031 自然资源部京津冀城市群地下空间智能探测与装备重点实验室河北石家庄050031 河北省战略性关键矿产资源重点实验室河北石家庄050031

计算视电阻率是瞬变电磁数据处理与解释工作的主要内容之一。通常由均匀或层状模型计算得到的视电阻率不足以详细表征地下介质分布,具有较强的体积效应和多解性且计算量大。基于此,针对全期视电阻率的优化问题,研究了半球壳层校正方法,... 详细信息

计算视电阻率是瞬变电磁数据处理与解释工作的主要内容之一。通常由均匀或层状模型计算得到的视电阻率不足以详细表征地下介质分布,具有较强的体积效应和多解性且计算量大。基于此,针对全期视电阻率的优化问题,研究了半球壳层校正方法,实现了快速计算弱多解性的视电阻率,校正结果显示电性分界面更加明显。为实现数据快速处理并得到视电阻率唯一解,首先分析了感应电动势和电阻率之间的单调关系,对比地质情况从而选取感应电动势的单调区间,然后重新构造核函数以适用于二分法,最后计算连续且完整采样时间的视电阻率。为减弱视电阻率的体积效应,建立由均匀半球壳层组成的视电阻率校正模型且介质层数与时道数量一致,然后基于扩散深度表达式推导出视电阻率校正公式,用以校正全期视电阻率最优化算法计算的视电阻率。理论模型和实测数据的处理结果均表明,全期视电阻率最优化算法相对于晚期视电阻率计算方法,能够将有效时道拓展至全时间段,从而可以更加有效地识别浅层介质的垂向分布规律,而且半球壳层校正方法能够有效约束低阻介质体积效应对深度的影响,提高视电阻率的垂向分辨率。

关键词：磁性源瞬变电磁法二分法半球壳层校正全期视电阻率体积效应核函数

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于压缩感知理论的远震P波数据重建研究

地震学报 2024年第3期46卷 413-424页

作者：杨歧焱吴庆举魏亚杰曹静杰蔡志成杨志权盛艳蕊河北地质大学自然资源部京津冀城市群地下空间智能探测与装备重点实验室石家庄050031 河北地质大学河北省战略性关键矿产资源重点实验室石家庄050031 中国地震局地球物理研究所北京100081 河北省地震局石家庄050021

本文将基于压缩感知理论的地震观测数据重建方法用于天然远震事件的P波到时处理之中,基于曲波(curvelet)变换,建立基于L_(1)范数的正则化反演模型,并采用迭代收缩阈值算法(ISTA)求解该模型。针对在内蒙古布设的流动地震台阵记录到的远... 详细信息

本文将基于压缩感知理论的地震观测数据重建方法用于天然远震事件的P波到时处理之中,基于曲波(curvelet)变换,建立基于L_(1)范数的正则化反演模型,并采用迭代收缩阈值算法(ISTA)求解该模型。针对在内蒙古布设的流动地震台阵记录到的远震波形数据,对其进行稀疏采样,采用稀疏反演重建方法对欠采样数据进行重建,并拾取重建数据的P波到时,之后开展远震P波层析成像进行验证。研究结果表明,远震天然地震观测数据在曲波变换中表现出稀疏性,可利用压缩感知方法实现远震P波数据的完备化处理。基于内蒙古流动地震台阵数据三维P波成像也表明,基于压缩感知的数据重建技术可以提高地震层析成像的分辨率,且压缩感知采集技术在天然地震研究中具有潜在的应用价值。

关键词：压缩感知曲波变换远震P波数据重建 L_(1)范数

基于一种注意力机制U-Net的地震数据去噪方法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

石油地球物理勘探 2024年第4期59卷 724-735页

作者：曹静杰高康富许银坡王乃建张纯朱跃飞河北地质大学自然资源部京津冀城市群地下空间智能探测与装备重点实验室河北石家庄050031 河北地质大学河北省战略性关键矿产资源重点实验室河北石家庄050031 河北地质大学地球科学学院河北石家庄050031 东方地球物理公司采集技术中心河北涿州072751 中国矿业大学(北京)地球科学与测量工程学院北京100083

受野外采集过程中设备和环境等多种因素影响,地震数据中往往存在表面波、鬼波、随机噪声等各种噪声,影响了地震数据处理和解释的可靠性和准确性。近年来,基于人工智能的方法以其计算效率高、数值效果好等优点成为地震数据去噪的研究热点... 详细信息

受野外采集过程中设备和环境等多种因素影响,地震数据中往往存在表面波、鬼波、随机噪声等各种噪声,影响了地震数据处理和解释的可靠性和准确性。近年来,基于人工智能的方法以其计算效率高、数值效果好等优点成为地震数据去噪的研究热点。U型网络(U-Net)是一种经典的卷积神经网络结构,常用于图像分割任务;注意力机制(Attention Mechanism,AM)是一种能够让模型在学习过程中更加关注特定区域或特征的技术。通过在U-Net网络中添加AM模块,构建了一种具有注意力功能的U型网络(AU-Net),并将其运用到地震数据去噪。为解决去噪过程中产生的边界效应,使用膨胀填充的方法对数据进行切分,该方法通用性较高,可以用于其他网络模型。AU-Net和U-Net的去噪试验结果表明:AU-Net网络去噪的效果比U-Net更好,可更好地保留弱信号;同时,通过迁移学习使AU-Net去噪方法更具适应性。

关键词：地震勘探深度学习 U型网络地震数据去噪神经网络

维普期刊数据库博看期刊

基于Cook距离的阻尼多道奇异谱分析分离绕射波

在线全文

学校读者我要写书评

暂无评论

石油地球物理勘探 2024年第4期59卷 771-781页

作者：霍伟光曹静杰陈雪赵惊涛赵石峰蔡志成河北地质大学自然资源部京津冀城市群地下空间智能探测与装备重点实验室河北石家庄050031 河北地质大学河北省战略性关键矿产资源重点实验室河北石家庄050031 河北地质大学数理教学部河北石家庄050031 河北地质大学地球科学学院河北石家庄050031 中国矿业大学(北京)地球科学与测绘工程学院北京100083 河北省煤田地质局物测地质队河北邢台054000

地震绕射是提升小尺度不规则地质体成像横向分辨率的重要手段。常规地震记录中的绕射波会被能量强的反射波掩盖,因此需要分离出绕射波并成像。阻尼多道奇异谱分析是一种秩约束类的去噪方法,其原理为地震数据经过Hankel变换后做奇异值分... 详细信息

地震绕射是提升小尺度不规则地质体成像横向分辨率的重要手段。常规地震记录中的绕射波会被能量强的反射波掩盖,因此需要分离出绕射波并成像。阻尼多道奇异谱分析是一种秩约束类的去噪方法,其原理为地震数据经过Hankel变换后做奇异值分解,反射波和绕射波分别对应着数值较大和较小的奇异值。然而该算法依赖人工确定反射波场的秩,不适用于海量地震数据处理。为了克服人工选择奇异值的问题,提出使用Cook距离作为自动计算反射波场秩的解决方案。将Cook距离和阻尼多道奇异谱分析算法相结合以实现反射和绕射波分离。模拟共炮检距道集和叠后实际数据实验表明,该方法能够有效获得高质量绕射波场。

关键词：绕射波分离秩约束阻尼多道奇异谱分析 Cook距离

维普期刊数据库博看期刊

雅鲁藏布江大拐弯地区滑坡发育分布特征及其对地貌演化的响应

在线全文

学校读者我要写书评

暂无评论

地质学报 2024年第10期98卷 3062-3076页

作者：杜国梁邹玲杨志华孙东彦谷丽莹河北地质大学城市地质与工程学院河北石家庄050031 京津冀城市群地下空间智能探测与装备重点实验室河北石家庄050031 河北省地下人工环境智慧开发与管控技术创新中心河北石家庄050031 中国地质科学院地质力学研究所北京100081

雅鲁藏布江大拐弯地区位于青藏高原东南部,是世界上地壳隆升和地貌演化最快的区域之一。在内外动力耦合作用下,区内滑坡灾害极其发育,严重制约着公路、铁路和水电工程的规划建设。本文以滑坡对地貌演化的响应为切入点,剖析了地形地貌、... 详细信息

雅鲁藏布江大拐弯地区位于青藏高原东南部,是世界上地壳隆升和地貌演化最快的区域之一。在内外动力耦合作用下,区内滑坡灾害极其发育,严重制约着公路、铁路和水电工程的规划建设。本文以滑坡对地貌演化的响应为切入点,剖析了地形地貌、河流侵蚀、构造活动与滑坡分布的关系。研究表明:滑坡在地貌演化中扮演着重要角色,区内局部地形起伏度和坡度与滑坡发生呈非线性正相关关系,沟谷地貌通过增加斜坡陡度和滑坡率来适应的区域地壳隆升和河流快速下切;分析不同地貌演化阶段的面积-高程积分,随着地表侵蚀程度的增高,滑坡的面积比、滑坡坡度的平均值和中位数值都逐渐增大,表明滑坡侵蚀在区内快速侵蚀中起着重要支撑作用;河流侵蚀对滑坡的控制作用明显,雅鲁藏布江大拐弯在纵坡降较陡、河流功率大的加拉-金珠藏布口滑坡密集分布;滑坡发育与断裂密度呈正相关关系,与断裂距离呈负相关关系,区内断裂剧烈活动诱发的地震滑坡也是造成地貌侵蚀的重要媒介。研究结果有利于加深对雅鲁藏布江大拐弯地区滑坡孕灾背景的认识,也可为研究区的工程规划建设和防灾减灾提供科学依据。

关键词：雅鲁藏布江大拐弯滑坡构造地貌分布规律

基于Self-CGRU模型的地铁基坑周边地表沉降预测

在线全文

学校读者我要写书评

暂无评论

岩土力学 2024年第8期45卷 2474-2482,2491页

作者：张文松贾磊姚荣涵孙立河北地质大学城市地质与工程学院河北石家庄050031 河北地质大学河北省地下人工环境智慧开发与管控技术创新中心河北石家庄050031 河北地质大学京津冀城市群地下空间智能探测与装备重点实验室河北石家庄050031 山东理工大学交通与车辆学院山东淄博255049 大连理工大学建设工程学部辽宁大连116024

为提升地铁基坑开挖引发的地表沉降的预测精度,基于自注意力机制和深度学习提出一种能捕捉沉降数据时空特性的深度注意力组合预测模型(self-attention convolutional gated recurrent units,Self-CGRU)。Self-CGRU模型由空间模块和时间... 详细信息

为提升地铁基坑开挖引发的地表沉降的预测精度,基于自注意力机制和深度学习提出一种能捕捉沉降数据时空特性的深度注意力组合预测模型(self-attention convolutional gated recurrent units,Self-CGRU)。Self-CGRU模型由空间模块和时间模块搭建。空间模块中,选择卷积神经网络捕捉相邻监测点沉降数据的空间相关性;时间模块中,使用门控循环单元神经网络分析沉降数据的时间规律,并引入自注意力机制捕获沉降数据内部的自相关性,进而得到沉降预测值。选取中国深圳市地铁基坑周边地表沉降数据验证Self-CGRU模型,结果表明:相比现有模型,Self-CGRU模型预测性能更好,使预测精度提高了17.48%~29.17%。研究成果可为地铁基坑周边地表沉降预测提供一种准确且稳定的新模型。

关键词：沉降预测组合模型时空特性深度学习自注意力机制

在线全文

学校读者我要写书评

暂无评论

基于压缩感知理论的实用化浅层地震采集设计

基于压缩感知理论的实用化浅层地震采集设计