逆散射级数法压制自由表面多次波

多次波压制是海洋地震资料处理中的关键环节之一,多次波压制效果影响着后面的成像、解释。本文研究逆散射级数法压制多次波,该方法通过构造与多次波相关的子序列预测多次波,经过匹配后从含多次波的地震资料中减去多次波。该方法不需要地下速度信息,有很好的应用范围。     

降维虚同相轴法压制陆地层间多次波

针对陆地层间多次波压制效果不明显的问题, 提出降维虚同相轴法, 实现叠前陆地地震资料的层间多次波压制。对经过精确动校正的叠前道集, 逐道应用虚同相轴法预测层间多次波, 实现降维处理。与传统的虚同相轴法相比, 运算量大大降低, 且不再要求炮检点规则且密集地分布。同时, 引入加权叠加的高信噪比参考道, 参与叠前道集的互相关和褶积运算, 提高了虚同相轴法的预测精度。将所提方法应用于中国西部地区实际陆地地震资料, 取得明显的层间多次波压制效果。     

反演法在提高地震资料信噪比中的应用

t-x预测滤波法是噪音衰减的通用且有效的方法,但是在噪音背景中存在平行同相轴时将产生假同相轴及出现子波畸变和振幅衰减等现象,这是因为噪音的存在影响了滤波器的计算,利用反演法对理论模型和实际数据进行了滤波处理,该方法可以有效地消除一般t-x预测滤波处理中存在的缺陷,实际应用表明,这种方法更能满足对地震资料高分辨率,高信噪比和高保真的要求,处理效果更接近实际。     

反演法在提高地震资料信噪比中的应用

t x预测滤波法是噪音衰减的通用且有效的方法 ,但是在噪音背景中存在平行同相轴时将产生假同相轴及出现子波畸变和振幅衰减等现象 ,这是因为噪音的存在影响了滤波器的计算。利用反演法对理论模型和实际数据进行了滤波处理 ,该方法可以有效地消除一般t x预测滤波处理中存在的缺陷。实际应用表明 ,这种方法更能满足对地震资料高分辨率、高信噪比和高保真的要求 ,处理效果更接近实际。     

Curvelet域蒙特卡罗估计的随机噪声衰减

针对低信噪比地震资料进行噪声压制时,传统滤波方法容易损伤有效波。研究认为,curvelet多尺度多方向的分析能力可以有效分离随机噪声,提出基于蒙特卡罗估计的自适应非线性阈值函数法衰减噪声能量,实现在压制噪声的同时保持有效反射信息。模型算例及大巴山地区某地震资料的处理实例表明,该方法能够有效地压制随机干扰,同相轴连续性与剖面信噪比较传统小波方法显著提高,一定程度上改善了常规滤波处理方法在压制噪声的同时对有效波的影响。     

虚同相轴法预测地震层间多次波在实际应用中的可行性分析

针对虚同相轴法在实际应用中存在多次波的高效匹配、其他噪声的干扰以及观测系统的影响等问题,通过对模型数据的研究,提出一种基于高阶高分辨率Radon变换的高效匹配方法,在匹配时间和效率两方面有很大提高。对传统范数匹配方法中的滤波矩阵、时窗长度进行定量分析和优化选取,对虚同相轴方法的抗噪能力以及观测系统的影响进行定量分析,并讨论其适用范围。研究结果对该方法的实际应用有一定的参考意义。     

基于多方向识别的三维断层增强方法

为了应用断层增强技术来提高断层识别的精度, 提出基于多方向识别的三维断层增强方法。通过方向滤波来增强地震同相轴的连续性, 并压制背景噪声, 通过边界保持滤波来保持地震剖面的断层信息。进一步地, 对方法流程做两点改进: 一是使用多方向断层识别, 增强对倾斜地层情况的适用性; 二是将二维断层增强方法扩展到三维地震数据, 实现以较低的运算量达到三维断层增强的效果。合成数据和实际数据的应用实例均表明所提方法可以有效地压制背景噪声, 增强地层同相轴的连续性, 并提高断层图像的分辨率, 有利于后续的构造解释。     

马达海洋区块分段压制多次波方法

马达海洋工区海底深度变化很大,多次波异常发育,多次波衰减一直是该区地震资料处理难题之一。首先分 析与自由表面相关多次波衰减方法（SRME）、预测反褶积、抛物线Radon 变换的方法原理,针对各方法的不同特点制 定方案：采用SRME 方法衰减与自由表面相关的多次波,预测反褶积方法压制层间多次波,抛物线Radon 变换法衰减 剩余的多次波。实际资料处理表明：这种分步分段压制多次波的方法能够很好地衰减海底深度变化范围大、海底构造 复杂的海洋地震资料的多次波,很好地改善海洋地震资料的成像效果。实际资料处理表明,这种分段压制多次波方法 能够广泛应用于海底深度变化大,海底地质构造复杂的海洋地震资料多次波衰减处理。     

压制与自由表面相关多次波的独立分量分析方法

将独立分量分析(ICA)法与逆散射级数多次波预测法结合起来压制多次波.用逆散射级数法预测与自由表面相关的各阶多次波,并与原始地震记录组成多个观测量,通过独立分量分析方法,将与自由表面相关的多次波从原始地震记录中分离出来.理论合成数据试验表明,即使预测多次波与原始记录中的多次波能量不能很好匹配,ICA法分离多次波也能取得较好的效果,但是,原始资料的低信噪比使得ICA法分离多次波具有不确定性.     

逆数据域层间多次波压制方法

以反馈迭代法(SRME)和逆数据域理论为基础, 利用互相关理论构建层间多次波, 将地震数据转换到逆数据域中, 对层间多次波进行压制。叠后及叠前地震数据的应用实例表明逆数据域层间多次波压制方法简单易行, 在有效衰减层间多次波的同时, 能够较好地保留一次波信息。     

单一图像多滤波联合快速去雾算法

提出一种多滤波联合单一图像快速去雾算法。首先基于大气散射光特性,计算雾天图像最小通道图,给出大气耗射函数初估计;利用双边滤波保边缘的平滑特性,对雾天图像灰度图进行平滑增强处理;再以此滤波图作为引导图,对大气散射图进行引导滤波,生成准确的能体现深度变化的大气散射图。为了正确估计全球大气光,采用循环四分图形法求解雾天图像最小通道图中最亮像素;在此基础上生成视觉上较真实的清晰无雾图像。比较实验表明算法去雾效果更完整、视见度更高、速度更快。     

基于Malvar窗时频谱的反Q滤波方法

基于非弹性介质衰减模型, 将衰减和频散表示为振幅和相位的算子, 把补偿看成带衰减传播的逆传播过程, 理论计算得到补偿需要的反算子。通过构造满足Malvar小波条件下的时窗, 得到符合信号特征的时 间?频率谱, 再利用最小二乘方法计算品质因子Q值, 得到振幅和相位补偿需要的反算子, 作用于时频谱, 达到补偿的目的。 数值试验结果显示, 利用时频变换计算得到的Q值与先前设定Q值基本相符, 反Q滤波补偿后的信号与无衰减信号对比, 振幅和相位都得到很好的恢复。     

基于文本内容分析的过滤技术研究

提出一种基于特征词和局部语义分析的文本分类与过滤方法,在基于特征词统计特性分析的基础上,将特征词的知识属性和局部语法匹配引入信息过滤模型,实验结果表明,这种方法对于某些领域的文本信息可以有效地进行识别和过滤.     

地震波能量补偿的并行反Q滤波方法研究

在石油勘探地震资料处理中,反Q滤波方法能有效地对地震波进行振幅补偿和相位校正,为地震反演和储层预测提供更准确的信息。对于大规模的地震道集数据处理,反Q滤波方法在CPU计算平台上执行时间较长,影响了地震解释的效率。分析发现,反Q滤波方法大量时间消耗在振幅相位补偿与短时傅里叶变换。在GPU平台上,首先,对振幅相位补偿部分进行并行化;其次,对批量短时傅里叶变换用CUFFT库进行加速;最后,对批量短时傅里叶变换进一步优化并将其应用于反Q滤波方法。实验结果表明,相比CPU计算环境,基于CUFFT库的反Q滤波并行算法效率提升了3.9倍,优化后的批量短时傅里叶变换进一步将效率提升了12%。     

加入时间因素的个性化信息过滤技术

提出一种加入时间因素的个性化信息过滤技术.在建立用户模型时,根据用户行为动态确定用户兴趣类别的数量并建立(调整)相应兴趣类别的特征向量.通过在表示用户兴趣类别的特征向量中添加时间因素,可以兼顾用户的短期和长期兴趣,跟踪用户的兴趣变迁.在信息过滤时,首先计算文档与用户兴趣类别的相似度,并根据时间参数调整最终得分.本系统每秒钟能学习文档267篇,为402篇文档评分;在召回率为70%时,精确率为57%.     

基于Matlab大雾天气下图像清晰化研究

本文主要针对雾天情况下获取的降质灰度图像进行研究,通过MATLAB对数字图像进行处理,建立衰减模型,运用维纳滤波、逆滤波这两种方法来实现灰度图像的清晰化处理。并对这两种方法得到的结果进行了比较分析。同时,在维纳滤波的基础上,本文还增加了中值滤波、平滑滤波两种滤波增强方式对恢复图像进行再处理,实验结果表明,维纳滤波的效果要比逆滤波好得多,而增加了中值滤波和平滑滤波的维纳滤波实现了平滑去噪,恢复图像更接近原图。     

可变限幅滤波方法的参数分析与改进

针对可变限幅滤波方法,通过与常见数字滤波方法的频域和时域分析对比,证实了其优良性能。从频域和时域角度研究了其参数对截止频率和噪声衰减的影响,分析了其参数的设定原则和对信号真值跟踪性能的影响,提出了结合可变限幅滤波方法和一阶低通滤波方法的改进方法。在煤气化过程的煤粉质量流量滤波上获得了应用,证明了该方法的可实现性和有效性。     

基于可信预测值的协同过滤推荐算法

针对在传统协同过滤算法中存在的推荐精度较低、预测质量不佳的问题,该文提出一种基于可信预测值的协同过滤算法(RPCF).该算法在使用基于记忆的协同过滤方法计算预测值的基础上,引入可信度概念和技术方法,运用对推荐项目评级的邻居数评估可信度,融合可信度与传统预测值得到可信预测值,再根据可信预测值进行推荐,从而达到提升算法质量的目标.在MovieLens数据集中与其他提高精度方法进行实验对比,实验结果表明:RPCF方法能够提高预测精度和算法鲁棒性,具有更好的推荐质量.     

Personalized Service System Based on Hybrid Filtering for Digital Library

Personalized service systems are an effective way to help users obtain recommendations for unseen items, within the enormous volume of information available based on their preferences. The most commonly used personalized service system methods are collaborative filtering, content-based filtering, and hybrid filtering. Unfortunately, each method has its drawbacks. This paper proposes a new method which unified partition-based collaborative filtering and meta-information filtering. In partition-based collaborative filtering the user-item rating matrix can be partitioned into low-dimensional dense matrices using a matrix clustering algorithm. Recommendations are generated based on these low-dimensional matrices. Additionally, the very low ratings problem can be solved using meta-information filtering. The unified method is applied to a digital resource management system. The experimental results show the high efficiency and good performance of the new approach.