【摘 要】
：
水力压裂技术是开采致密气、煤层气、页岩油气和干热岩等资源的一项关键技术，随着中国页岩气主产区四川盆地及周缘规模化工业开采活动的不断推进，水力压裂等工作量激增，关于水力压裂是否诱发地震的问题受到各界高度关注。本文综述了国际水力压裂诱发地震风险的研究进展，梳理了国际上采取的有效风险防控措施，研究表明：水力压裂通过高压注入流体使岩石产生裂缝，会不可避免地导致微震活动发生；水力压裂诱发地震活动机理研究取得
论文部分内容阅读
水力压裂技术是开采致密气、煤层气、页岩油气和干热岩等资源的一项关键技术，随着中国页岩气主产区四川盆地及周缘规模化工业开采活动的不断推进，水力压裂等工作量激增，关于水力压裂是否诱发地震的问题受到各界高度关注。本文综述了国际水力压裂诱发地震风险的研究进展，梳理了国际上采取的有效风险防控措施，研究表明：水力压裂通过高压注入流体使岩石产生裂缝，会不可避免地导致微震活动发生；水力压裂诱发地震活动机理研究取得进展，为风险防控提供基础；水力压裂对三级以上地震活动影响有限，自然地震较少的地区人为地震活动记录也相对较
其他文献
非结构化道路一般没有车道标识线且道路边界模糊，区分道路区域与背景区域难度较大。针对现有非结构化道路识别方法存在全像素域计算分类处理实时性差、易受噪声数据干扰等问题，提出一种基于SLIC（Simple linear iterative clustering）超像素分割和改进区域生长算法的非结构化道路识别方法。首先利用均匀化初始聚类中心的SLIC算法生成低分辨率超像素特征图。在此基础上，利用聚类算法与
针对熔解曲线图像中峰值分类的问题，本文提出了一种基于多尺度融合的卷积神经网络(CNN)分类模型。首先，通过空洞卷积获取到的多尺度上下文信息与残差模块提取到的特征信息相融合，弥补了深层网络丢失全局信息的缺点。然后，采用随输入而变化的动态滤波器使网络学习更加准确。此外，为了训练本文的模型，创建了熔解曲线的数据集，其中包括平衡数据集和不平衡数据集。本文使用六个基于分类的评价指标来与六个基于深度学习的分类
为提高对地观测卫星搜索海上船舶效能，提出了一种根据卫星对地观测幅宽和船舶最大航速划分区域时空维度的时变网格模型，将船舶航迹预测问题转化为时变网格转移概率预测问题，有效降低了多步预测的复杂度。改进了序列到序列（Sequence to Sequence，Seq2Seq）模型，通过对搜索区域内大量历史航迹的学习，实现了较高精确度的多步时变网格转移预测。设计了面向时变网格的卫星观测任务规划算法，以实际AI
超声医学影像具有无创伤、成本低等优势，但成像设备的特性限制了可同时呈现的影像视野。全景拼接技术基于超声探测装置获得的局部图像， 通过拼接融合获得观察视野更大的医学影像，为临床诊断和医患交流提供更直观、全面的信息。但受成像条件影响，获得的局部超声医学图像精度不高、噪声多，传统全景拼接方法处理效果不理想。针对上述问题，提出基于改进的K-MEANS聚类算法的模板融合拼接方法进行超声医学影像拼接。与传统的
深度人脸表情识别是神经网络应用于模式识别上一项极具挑战性的任务。相对于身份认证和特征点识别等人脸识别任务，表情识别任务中存在着大量的冗余信息，要得到好的效果，需要更精确的分类。多数研究关注点在数据的泛化性和网络结构上，而忽视了数据的类间关系。本文提出了一种基于类间分析的深度残差表情识别网络RMRnet，首先将数据通过骨干网络Resnet18得到混淆矩阵，进一步得到召回率矩阵分析类间关系；然后，凭借
近年来，基于大规模标记数据集的深度神经网络模型在图像领域展现出优秀的性能，但是大量标记数据昂贵且难以收集。为了更好地利用无标记数据，本文提出了一种半监督学习方法WassersteinConsistency Training(WCT)， 通过引入Jensen-Shannon散度来模拟协同训练并组织大量未标记数据来提高协同训练效率，通过快速梯度符号攻击施加的对抗攻击来生成对抗样本以鼓励视图的差异，将W
为实现颅缝早闭手术方案制定的规范化，颅骨切割轨迹的自主生成是实现手术方案标准化的关键步骤。提出一种结合深度学习，立体视觉和点云处理技术的颅骨切割轨迹生成方法，用于建立切割方案模板库和生成新的病例切割方案。该方法首次将深度学习应用于颅骨外表面的实例分割中，首先利用Mask R-CNN对手术区域进行检测和分割，之后利用简化轮廓提取算法提取切割轨迹，并结合点云处理技术将切割轨迹坐标进行2D-3D映射，实
对于一幅图的观察，我们本能上会更多关注这幅图中相对更醒目的对象。一般情况下，这类对象会在这幅图中占据较大比重，从而导致小目标被我们忽视。在常用的数据集中也会出现这种状况，很容易发现较多图片中的小物体并没有被标出。此外，因为小目标所在区域往往为弱测区域，即周围没有更多的其他物体，所以在检测器提取特征的过程中能够提取的特征并不是很多。并且在提取完特征后在层间图片信息传递的过程中导致部分特征的丢失，使得
为提高相关滤波目标跟踪的鲁棒性，提出一种基于特征互补性的自适应融合目标跟踪算法。依据特征优势，在HOG特征基础上，增加HSV颜色概率直方图，依据2种特征响应自适应分配权重形成融合特征实现目标位置跟踪；然后基于尺度池方法，依据颜色名CN特征和HOG特征响应自适应融合实现目标尺度估计；最后通过置信度判别策略完成模型更新。在OTB标准数据集上测试了本文算法在11种不同情况下的跟踪性能，并与目前5种主流相
传统的多尺度红外与可见光图像融合方法，所提取的图像特征固定，并不能很好的应用于各类复杂的图像环境，而深度学习可以自主选择合适图像特征，改良特征提取单一性问题，因此提出一种基于卷积神经网络与非下采样剪切波变换（NSST）相结合的红外与可见光图像融合方法。首先，用卷积神经网络提取红外目标与背景的二分类图，利用调频（FT）显著性检测算法对分类图进行精准分割，同时，利用NSST将源图像多尺度、多方向进行分