【摘 要】
：
首先研究了断层发育区某隧道下穿水库段的工程、水文地质特征和地球物理特征。根据富水断层破碎带一般表现为低波速和低电阻率的物性特征，有针对性的选择了以波速差异为物性基础的地震波法和以电阻率差异为物性基础的瞬变电磁法进行综合超前地质预报。其中地震波法采用地层速度和地质构造界面进行综合分析解释，对断层破碎带的位置、规模及产状进行了探测；瞬变电磁法采用多测线、多方位的探测方式，并采用了二维反演、三维成像等数
论文部分内容阅读
首先研究了断层发育区某隧道下穿水库段的工程、水文地质特征和地球物理特征。根据富水断层破碎带一般表现为低波速和低电阻率的物性特征，有针对性的选择了以波速差异为物性基础的地震波法和以电阻率差异为物性基础的瞬变电磁法进行综合超前地质预报。其中地震波法采用地层速度和地质构造界面进行综合分析解释，对断层破碎带的位置、规模及产状进行了探测；瞬变电磁法采用多测线、多方位的探测方式，并采用了二维反演、三维成像等数据处理技术，对断层破碎带的富水情况和地下水的空间分布进行了探测。根据地震波法和瞬变电磁法综合预报结果，对
其他文献
窄带物联网（NB-IoT）存在多种辅同步信号，需要很多的空间去存储，而NB-IoT有低功耗的要求，因此文章提出了一种自相关与互相关联合的检测算法。该算法首先对辅同步信号进行拆分，利用相位偏移量随着帧号变化的规律，减少了算法中的乘法运算，其次利用Zadoff-Chu(ZC)序列在辅同步信号中的对称性，对接收信号自相关，结合本地信号与接收信号的互相关，可以检测出辅同步信号，求出小区标识号（ID）号。通
为了提高热轧钢带表面缺陷分类的检测准确率和速度，同时鉴于热轧钢带缺陷的数据库规模较小，提出结合参数迁移学习的卷积神经网络模型，来解决少量样本导致网络过拟合和精度低的问题。使用源域的最优参数作为模型的参数初始化，节省训练的周期；构建训练目标域的神经网络模型，使用预训练模型网络中的参数和结构，对目标域进行特征迁移；进行finetune，结合inception-v3结构的全连接层映射到目标域所需要的特征
为了实现在长波红外波段应用光场成像技术，对红外光场成像中的辐射定标与非均匀性进行研究。首先，根据光场成像和非均匀性校正的原理，提出了红外光场成像辐射定标模型，分析了响应漂移与非均匀性的关系。接着，设计标准黑体实验，记录两点校正法定标后30小时内的图像数据，对比了相同条件下光场数据和光场成像的非均匀性变化情况。实验结果表明：在10分钟至30小时内，光场数据的非均匀性由0.062%增大到0.62%，光
阿尔奇公式是应用测井资料定量解释油水层的经典公式，然而传统的利用岩电实验确定阿尔奇公式参数的方法具有成本高、工作量大的缺点。针对这一问题，本文提出了基于量子衍生涡流搜索的阿尔奇公式参数确定方法。首先，根据阿尔奇公式参数的取值范围随机产生一个当前解，然后以当前解为中心，基于三维高斯分布随机产生若干候选解，并在这些候选解中寻找最优解，若最优解优于当前解，则用最优解替换当前解，再以当前解为中心，基于三维
立体图像左右视图间的差异影响了视觉任务对深度信息的重建。现有立体图像颜色校正方法在进行颜色校正时，颜色校正效果与整体时间效率不平衡。为了解决这个问题，本文提出一种端到端的基于视差注意力的立体图像颜色校正方法。该方法在一个卷积神经网络内同时进行立体图像对应关系获取和目标图像颜色校正。先采用共享参数的多尺度特征提取模块分别提取参考图像和待校正失真图像的特征，再通过视差注意力模块的双向匹配策略进行特征之
本文从IRIS上下载了2012年10月21日-10月31日位于俄罗斯Obninsk的OBN台站（II台网）和美国东部宾夕法尼亚州石油城的州立公园内的M54A台站（TA台网）各自共264个小时的三分量数据。我们运用频率偏振分析和概率谱密度函数方法对数据进行处理，来探讨两种研究背景噪声随频率变化的处理方法的差异。研究结果显示这两种方法得到的三分量信号能量随频率变化特征大致相同，并且两种方法得到的第二地
归纳与总结了岩矿石电性参数实验过程中激励场源性质与实验装置类型，提出基于伪随机逆重复m序列信号为激励场源的实验方案，进而设计了新的观测装置。发送机产生的伪随机信号序列采用恒流源形式输出，频带宽度为1.0×10~(-3)Hz～1.0×10~(4)Hz；接收机采用FGPA+ARM架构进行数据记录，在对比变频法、2~(n)伪随机序列与逆重复m序列在相同带宽内的频点密度基础上，利用Cole-Cole模型进
针对目前用于医学图像语义分割的卷积神经网络由于考虑位置的平移不变性而导致的局部感受野较小以及没有办法表达长范围的依赖关系等问题，设计了基于内卷U-NET深度学习的网络新模型，该模型利用内卷操作来替代传统的卷积操作，同时利用注意力机制学习图像长范围的依赖关系，能够有效提高医学图像语义分割的精度。在肺部CT的数据集上的实验结果表明，与目前基于卷积神经网络的分割方法相比，该算法具有更好的分割精度。
相比传统的光场绘制技术，神经网络光场（NeRF）使用神经网络拟合场景的光线采样，从而隐式地编码输入图片的光场来合成新视图．针对目前NeRF训练时间长，绘制视图慢的问题，提出了一种基于联合采样的NeRF，通过使粗糙网络和细腻网络共享均匀采样结果，减少了不必要的光线采样，从而加速网络训练和视图合成．实验结果表明，在取得近似视图合成质量的情况下，相比于基准方法训练时间减少了20%，视图合成效率提高了25
对地层超覆尖灭型油气藏储层进行精细刻画，不仅需要准确识别每一组储层的尖灭线，而且垂相上也要准确识别储集体厚度。针对以上重难点问题，本次研究设计了一套超覆尖灭储层空间上精确识别的技术流程：一方面通过夹角定量外推消除储层尖灭线的识别误差；另一方面针对储层厚度薄，纵向上难以精确识别的问题，通过对敏感测井参数进行波形指示模拟反演，再根据反演结果求取储层厚度分布及变化情况，提高了储层空间上的预测的精度。此套