复杂区域下石油勘探杂波数据检测方法仿真

来源 :计算机仿真 | 被引量 : 0次 | 上传用户:walkeronmoon
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对当前方法杂波数据去噪效果差和杂波数据查准率低的问题,提出基于决策树算法的石油勘探杂波数据检测方法。利用小波阈值对石油勘探杂波数据去噪,计算固定阈值下杂波数据噪声信号的标准差,得到阈值函数,并将小波阈值去噪与决策树算法相结合检测石油勘探杂波数据,检测过程包含构造和修剪两个阶段,通过对杂波数据出现频率的计算可以得到杂波数据的估计函数,按照数值型属性来排序杂波数据,构造决策树并修剪其分支,利用决策树算法挖掘、归类杂波数据,最终实现复杂区域下石油勘探杂波数据检测。实验结果表明,所提方法具有良好的去噪效果
其他文献
基于卫星导航系统的精密定轨算法中常使用到时钟建模,而时钟建模的条件是得到准确的接收机钟差。为了获得精确的接收机钟差,首先根据伪距测量方程推导了接收机钟差计算公式,建立了精确的误差补偿模型来消除授时系统误差,使用高度角检测算法来减少授时随机噪声。然后根据接收机通道一致性的特点,将不同通道计算出的钟差两两做差,来检验钟差求解是否正确并评估精度。最后使用GFZ的精密星历产品、CHAMP卫星轨道数据和伪距
随着我国输电网络的不断发展,采用人工巡线对电力线路进行检修这项工作越来越繁重,所以采用无人机影像,利用无人机对电力线路进行巡检越来越广泛。为了避免人工对电力走廊影像地物分类造成的资源浪费,利用深度学习对无人机采集的大量数据进行快速而精确的分类成为当下研究的热点。以深圳输电线路走廊无人机影像数据为研究对象,研究滑动窗口步长以及数据增广对SegNet网络地表分类方法的精度的影响,从而提升电力走廊中小样
从复杂自然场景中检测目标轮廓是计算机视觉的重要任务之一。研究表明,初级视皮层(V1区)中神经元对外界刺激的响应是经典感受野(CRF)和非经典感受野(nCRF)共同作用的结果,机制可有效用于消除背景纹理。结合多尺度分析,研究基于该机制的轮廓检测,提出一种多尺度融合方法。首先通过仿非经典感受野的周边抑制特性,获得不同尺度下的多幅轮廓信息二值图;接着以最小尺度轮廓信息二值图为基准,判断各像素最优方向两侧