【摘 要】
：
2017年称多震群为青海省称多县第一次记录到的M_L3.0以下小震群活动,发生在唐古拉地震带M_S5.0地震平静被打破且M_L4.0以上地震活跃的背景下.为研究2017年称多震群对青海及邻区后续震情的影响,对该震群的活动特征、震群参数、震源机制、视应力等进行了计算和分析.结果主要表明:该震群为前兆震群,震群中地震以走滑为主.对比唐古拉地震带历史震群活动对应中强震情况,分析认为本次震群的发生表明唐古
论文部分内容阅读
2017年称多震群为青海省称多县第一次记录到的M_L3.0以下小震群活动,发生在唐古拉地震带M_S5.0地震平静被打破且M_L4.0以上地震活跃的背景下.为研究2017年称多震群对青海及邻区后续震情的影响,对该震群的活动特征、震群参数、震源机制、视应力等进行了计算和分析.结果主要表明:该震群为前兆震群,震群中地震以走滑为主.对比唐古拉地震带历史震群活动对应中强震情况,分析认为本次震群的发生表明唐古拉地震带未来中强震发震迹象增强,应注意加强对其震情跟踪研究.
其他文献
为了提高对视频卫星运动车辆的检测质量，本研究在经典视觉背景提取器(ViBe)算法的基础上，结合遥感的面向对象分类技术，从提升正确检测运动目标数量和抑制虚假运动目标检测数量两个方面着手，提出了一种新的运动车辆检测方法（VOMVD）。首先通过优化ViBe模型参数，尽可能多的获取真实运动目标，但这在一定程度引入了许多的虚假目标。研究继而依据影像上地面小尺度运动目标和道路的依存关系，采用面向对象的分类方法
利用甘肃省区域地震台网提供的地震波形,计算得到甘肃东南地区2010年1月至2014年6月183个M_L≥2.5地震纵、横波的拐角频率和零频极限等震源谱参数,分析2013年7月22日岷县—漳县M_S6.6地震前后纵、横波拐角频率比值和零频极限比值的变化特征,间接反映震源处波速比的变化.结果如下:(1)拐角频率比值的平均值约为1.32,而由零频极限比值计算得到的波速比平均值约为1.55,后者高于前者;
为得到水层反射所携带的水层速度信息，利用Munk公式描述水层速度的垂向变化，并在此基础上进行速度分析。通过引入水体地震记录同相轴补偿方法，在保留原始有效数据信息的同时，得到了与理论模型吻合的结果。将补偿及计算方法引入实际海洋反射地震的水体反射数据中，得到海水速度随反射时间的变化，为下一步的处理和成像提供了参考信息。
为掌握建筑业物联网的发展现状和挖掘未来研究机会,采用定量研究与定性分析相结合的方法,以Scopus数据库为数据来源,收集12个建筑业高影响力期刊的建筑业物联网相关文献1 128篇.从出版年及发文量、期刊影响力、学科领域、高频学科术语共现、作者合作及国家合作等方面展开分析,基于VOSviewer软件构建可视化知识图谱,探讨建筑业物联网的现状,提出未来的研究方向.结果表明:建筑业物联网研究的发文量呈现
为查明吉林省黑土、盐碱土理化性质和氮形态含量特征差异并建立氮形态含量预测方法，通过数据对比分析及基于MATLAB的偏最小二乘回归预测方法研究了两类土壤的性质差异和硝态氮、铵态氮含量的回归预测。结果表明，黑土、盐碱土在pH值、有机质、碱解氮、硝态氮和铵态氮含量上均有显著差异；提出了基于土壤理化指标的偏最小二乘法估计土壤中两种氮形态的含量，效果良好。
针对实验室场景理解时存在背景复杂、光照多变等问题，利用RGB信息与深度信息在场景理解中具有互补性的特点，提出了一种感知注意力和轻量空间金字塔融合的网络模型（Perception Attention and Lightweight Spatial Fusion Network,PLFNet）。在该模型的感知注意力模块中，利用RGB图像与深度图像在网络中的权重不同，以加权的方式实现深度信息对RGB信息
随着计算机技术日益发展，计算机视觉逐渐融入人们的生活，深度卷积神经网络在计算机视觉领域得到了广泛的应用。然而计算资源和内存的限制，为卷积神经网络在嵌入式设备的部署带来了巨大的困难。本文提出了一种新的轻量级的人脸识别的卷积神经网络 -- Emfacenet，通过在CASIA-WebFace数据集上进行卷积神经网络的训练，并在计算机CPU平台以及嵌入式平台上利用LFW数据集对模型的预测效果分别进行测试
针对现有去雾算法无法根据有雾图像的不同区域特征进行差异化处理的问题，提出了一种基于注意力机制和PatchGAN的图像去雾算法。在算法中加入注意力机制，使算法能够为不同区域的特征自适应分配权重；使用带有Inception机制的模块来预测全局相关的大气光值更加准确，也更为有效。将预测到的大气光值、透射率以及有雾图像输入到大气散射模型中，即可得到去雾图像，将去雾图像输入到马尔科夫判别器（PatchGAN
卷烟烟包外包装图案缺失检测是卷烟生产中的重要环节，目前常用的图案缺失检测方法普遍存在漏检率高、识别精度不够和速度慢等问题。因此本文提出了一种基于YOLOv4-tiny的烟包缺陷快速检测方法。该方法主要包括：(1) 使用CSPDarknet53-tiny对图像特征进行提取 (2)通过添加多空间空洞卷积融合模块，获得丰富的上下文信息，增强感受野，从而提高模型的检测精度。(3)使用EIoU边框位置回归损
选取宁夏西吉县为目标区,对区内1920年海原8.5级特大地震所诱发的347处黄土地震滑坡进行野外调查,获取了详实的基础数据.在此基础上结合遥感影像解译,总结了研究区内黄土地震滑坡的分布特征,并依此提出了宏观、定性的黄土斜坡地震稳定性快速判别方法.基于分布特征选取了坡高、坡角、坡向及地震动强度作为基本参数,应用MLP神经网络模型提出了黄土斜坡地震稳定性的定量快速判定模型.提出了一种定性、定量快速判定