似大地水准面与大地水准面的精密转换

提供了似大地水准面转换与大地水准面的精密公式和实施方法,其中涉及扰动重力垂直梯度,转换后的大地水准面的精度与前者相近.     

基于多种位场数据及3D反演结果的综合解释方法

近期位场梯度数据在勘探地球物理观测数据解释中的作用日益增加,随着计算机等硬件设施的进步,处理大型数据能力的增强,重力数据3D反演方法也越来越多的应用到重力数据解释工作中。本文提出结合重力数据、梯度数据及重力数据3D反演结果的综合解释方法,并将此解释方法应用到虎林盆地观测数据、梯度数据及3D反演结果的综合解释工作中。本文首先讨论单个棱柱体的重力数据、梯度数据的计算方法以及重力数据3D反演方法;然后,编制了matlab程序计算重力数据、梯度张量数据并处理重力数据的3D反演;最后,根据计算的数据详细讨论了梯度九分量之间的关系及重力数据反演结果的数值特征,提出结合梯度九分量数据及重力数据3D反演方法联合解释方法。模型试算及解释结果表明重力梯度数据对进一步提高勘探地球物理观测数据的解释精度及确定埋深较浅的异常源位置及水平尺寸等信息起到重要的作用,将其与重力数据3D反演方法联合解释可更准确的刻画异常源的分布特征。最后经过此综合解释方法将虎林盆地划分为8个构造单元。     

2007年2月28日新疆强风天气成因分析

利用常规气象资料、铁路沿线测风站资料以及中尺度数值模式WRF,对2007年2月28日造成新疆列车颠覆及重大人员伤亡的强风天气进行分析。结果表明,由于天山山脉的阻挡,入侵新疆的冷空气在准噶尔盆地内大量堆积,从而使峡谷两端的准噶尔盆地和吐鲁番盆地之间产生了很强的气压梯度,为此次强风天气的发展提供了有力的动力条件。这是一次强下坡风暴,其起因与地形的狭管效应无关,也不是高空动量下传的结果。造成这次强风天气的原因可能有两个:1)被迫抬升的空气质点在重力的作用下产生垂直振荡,形成重力波。垂直传播的重力波在遇到临界层和逆温层后,经过多次反射,返回地面时形成强风;2)强的气压梯度迫使气流加速穿越峡谷,加速后的气流沿陡峭的地势下降时使风速进一步加大。     

2007年2月28日新疆强风天气成因分析

利用常规气象资料、 铁路沿线测风站资料以及中尺度数值模式WRF, 对2007年2月28日造成新疆列车颠覆及重大人员伤亡的强风天气进行分析。结果表明, 由于天山山脉的阻挡, 入侵新疆的冷空气在准噶尔盆地内大量堆积, 从而使峡谷两端的准噶尔盆地和吐鲁番盆地之间产生了很强的气压梯度, 为此次强风天气的发展提供了有力的动力条件。这是一次强下坡风暴, 其起因与地形的狭管效应无关, 也不是高空动量下传的结果。造成这次强风天气的原因可能有两个: 1) 被迫抬升的空气质点在重力的作用下产生垂直振荡, 形成重力波。 垂直传播的重力波在遇到临界层和逆温层后, 经过多次反射, 返回地面时形成强风; 2) 强的气压梯度迫使气流加速穿越峡谷, 加速后的气流沿陡峭的地势下降时使风速进一步加大。     

重力波与不同背景风场之间的非线性相互作用

采用二维可压缩大气中重力波非线性传播的数值模式和线性重力理论，研究了重力波在反向和同向(是指风场方向与重力波水平相速度方向相反和相同)背景风场中的传播过程. 结果表明：反向背景风场将拉伸重力波的垂直波长，加速重力波的上传，这一效应导致重力波在较短的时间内上传到较高的高度上并发生不稳定，引起背景风场产生反向射流. 反向射流经过非线性波流相互作用导致重力波的垂直波长逐渐变短. 重力波在同向背景风场中传播时，其垂直波长和群速度都减小，推迟了重力波发生不稳定的时间. 虽然大部分重力波被限制在同向风场中的不稳定区域内，但在不稳定区域上方仍有部分重力波继续稳定地向上传播. 对重力波在反向和同向背景风场中的非线性传播情况的模拟发现，与重力波在同向背景风场中的传播情况相比，重力波与反向背景风场之间的非线性相互作用也非常强烈，而不像经典线性理论预测的那样可以自由传播，并且重力波在反向背景风场中传播时的垂直波长与线性理论预测的结果差别很大.     

华北地区构造应力场研究

本文结合相关数据、模型和软件分别利用重力场、重力垂线偏差与构造应力场的内在关系式对华北地区陆地构造应力值进行了计算,通过对相关数据结果进行对比分析,总结并得出了华北地区重力总水平梯度、构造应力场和研究方法本身的一些规律和特征。     

热带下平流层重力波的季节和年际变化特征

利用位于热带太平洋中的Truk岛（7.4°N，151.8°E）长达7年的（1998—2004年）高垂直分辨率探空观测资料分析了热带地区下平流层（18—25km）重力波活动的气候特征.分析结果显示，在该高度范围内，重力波活动表现出明显的季节变化，总能量在一月份达到最大，6月份最小；这种变化与北半球西风带向南扩张从而加强当地对流活动的气候特征是一致的.研究结果还表明，重力波活动还有显著的与赤道QBO周期一致的年际变化.赤道QBO的东风位相向西风位相转变的时段，重力波能量总是达到异常的最大，此地区重力波活动的年际变化与QBO密切相关.此外还介绍了重力波的其他参数，如固有频率，垂直波长和传播方向.     

基于Cryosat2与船载重力测量数据反演我国近海海域重力异常

基于Cryosat-2三年半的卫星测高GDR(geophysical data records)数据,使用海面高梯度,依据最小二乘配置方法得到了南海部分海域垂线偏差格网,结合移去-恢复技术采用逆Vening-Meinesz的球面一维傅里叶变换算法快速计算我国近海海域测高重力异常CASM_GRA.与船载重力测量数据融合后,重力场精度在2.75~5.38mgal之间,平均偏差在-0.21~0.45mgal之间.与DTU13重力场模型相比,平均值最大改进为12.98mgal,标准差最大降幅近3.40mgal.与Sandwell V23.1模型相比,平均值最大改进为13.58 mgal,标准差最大降幅为1.09mgal.     

沉积物理模拟实验在确定重力流临界坡度中的应用

主要采用沉积物理模拟实验的方法,分别对不同成因重力流的启动临界坡度进行了探讨,并对重力流的滑动临界坡度进行了分析.不同成因重力流的启动临界坡度存在较大差异,斜坡梯度大致为6 m/km的斜坡带足以发生砂质碎屑流, 洪水型浊流所需要的坡度最小; 斜坡高差是影响沉积物再搬运重力流发育的重要条件, 因此再搬运重力流所需要的坡度最大;而重力流在坡度大于0.1°时即可以滑动.重力流的启动临界坡度是形成重力流的关键.并且结合实例,分析了松辽盆地南部重力流的沉积特征.     

基于COSMIC RO数据分析青藏高原下平流层重力波的活动特征

重力波的传播及其动力学效应对下平流层的大气环流具有重要影响,通过高时空分辨率的观测资料获取下平流层重力波的相关参数,有利于提高大气循环模式的预报精度和可靠性。利用2006年8月至2016年7月COSMIC (the Constellation Observing System for Meteorology, Ionosphere, and Climate)掩星(Radio Occultation, RO)任务反演的干温廓线,通过S变换,纬向滤波等处理,提取表征重力波活动的参数——势能。以此分析了青藏高原重力波的垂直分布特征和空间分布特征。青藏高原上空的重力波势能存在明显的先减小后增大的垂直分布。对流层顶以下的势能因较小的浮力频率而异常较大;在对流层顶至0风场线,强西风促进重力波的向上传播,势能值相对较大;0风场线对地形激发的准静态重力波存在过滤作用,势能值在0风场线处急剧减小;36 km以上的重力波势能受到强西风的影响而异常增大。青藏高原下平流层的重力波活动有明显的季节变化,重力波活动在冬季较强,夏季较弱。在18～20 km、20～22 km高度,重力波势能的分布在春季、夏季、秋季相...     

采用深度卷积神经网络的路面破损智能识别

为有效识别沥青路面病害类别,为后续养护对策的制定提供依据,将深度卷积神经网络,视觉几何组(Visual Geometry Group NetWork, VGG)技术引入沥青路面病害识别任务中。根据VGG网络结构随着卷积核深度的加深可获得图片更深层次特征的特点,将VGG模型最后一层卷积核中的卷积深度加深,获得改进后的VGG模型,并与VGG模型进行比较。结果表明：改进后的VGG模型用时为278ms/step,相比于VGG模型用时为258ms/step略有增加,而对病害的识别精度又进一步优化,提升了1.36,对龟裂、松散这类复杂裂缝分别提高了1.12%、8.4%。可见,采用VGG模型可以有效识别路面病害,将其适当改进后,效果更佳,相比于其他方法,对诸如松散、龟裂等复杂路面病害可做到精确识别,达到及时、有效监测、养护路面,防止路面进一步退化的目的。     

基于卷积神经网络的直肠癌淋巴结转移的智能判断模型研究

近年来,直肠癌的患病率普遍提高,准确判断直肠癌周围淋巴结的转移情况,往往能显著提高患者的治愈机率。本文通过建立数学模型,运用卷积神经网络模型进行智能判断直肠癌淋巴结转移情况。以直肠肿瘤患者动脉期的CT图像和肿瘤掩模图为样本,建立基于U-Net的CT图像识别分割模型,通过下、上采样分割出直肠肿瘤所在的区域,对肿瘤区域已转移淋巴结的普遍特征进行深度挖掘,利用SIFT算法自动找出肿瘤区域特征点,以及传统的特征纹理、面积、周长和体素强度,分别送入传统卷积神经网络模型和改进后的卷积神经网络模型VGG16网络模型,进行训练、预测、对比。结果表明,传统卷积神经网络模型的准确率在75.32%,而改进后的VGG16网络模型准确率在90.04%,可见,VGG16网络模型对直肠癌淋巴结转移情况的预测效果更好。     

改进的Alexnet模型在水稻害虫图像识别中的应用

深度学习技术能以端对端方式实现农作物害虫识别,克服了传统机器学习方法特征选择具有主观性以及提取特征操作繁琐等不足,但识别的准确率和鲁棒性仍有待提高。为了研究出一种快速,高效的水稻害虫识别方法,本研究以稻纵卷叶螟、三化螟、稻蝗、稻飞虱4种常见的水稻害虫为研究对象,对传统的卷积神经网络Alexnet进行优化改进。首先从自然环境以及搜索引擎上获取4种不同的水稻害虫图像,并对图像进行数量扩增和细节增强预处理。然后对传统的卷积神经网络Alexnet进行优化改进,在Alexnet模型基础上,去除原有局部响应归一化层,在每一个卷积层后加入批归一化层,并采用全局平均池化和激活函数PReLU对模型结构进行优化。结果表明:改进后的模型在害虫数据集上的识别率不低于98%,相比于原网络提升了1.96%,高于LeNet5、VGG13、VGG16等传统网络;改进后的模型的损失值稳定在0.03附近,相比于原网络降低了0.1,均低于LeNet5、VGG13、VGG16等传统网络。从实验结果来看,改进后的方法在水稻害虫分类上有较高的识别率和较好的鲁棒性,可以为农作物害虫的智能识别提供了新的思路和方法。     

基于卷积网络的视频目标检测

针对传统卷积神经网络层级较为浅,对物体识别精确度较低的原因,利用改进的深层卷积网络VGG16模型检测视频运动目标.首先,预处理过程中对数据集进行剪裁和旋转操作,补充数据集数量,以解决前期图像资源不足等问题;其次,在PASCAL VOC数据集上先预训练模型,接着加载自定义视频数据集对预训练模型进行第二次训练.实验结果表明,该网络模型能很好用于视频目标识别,提高了检测精确度,有效减少网络参数计算量,降低硬件内存资源消耗,具有较强的鲁棒性.     

一种基于通道域自注意力的特征图剪枝方法

同时保证网络剪枝方法的准确率和稳定性，提出一种基于通道域自注意力的特征图剪枝方法。该方法采用主成分分析（principle component analysis, PCA）算法降低噪声干扰，引入通道域注意力为特征图自动分配不同权重，移除低权重通道的滤波器，并对网络进行重训练和精调，以减少网络精度损失。在公开数据集上对VGG 16网络模型展开的实验表明，当剪枝率为60%时，达到视觉几何组模型Top 5的准确率为8923%；当剪枝率逐渐增加到80%时，仍保持73%准确率。相较于同类方法，本文提出的方法更能保证剪枝时模型的准确率和稳定性。     

改进VGG模型在苹果外观分类中的应用

为了将采摘后的苹果进行外观分类,提出了一种基于卷积神经网络的方法,通过改进VGG卷积神经网络完成对外观正常苹果、病斑苹果和腐烂苹果的分类。在VGG-16网络的基础上,加入批归一化层、采用全局平均池化和联合损失函数的方法对其进行结构优化。在经过数据增广的数据集上,与其他分类方法进行对比,结果表明:改进后的VGG网络对外观正常苹果、病斑苹果和腐烂苹果的识别精度分别为99.61%、98.89%和99.26%,均高于未改进VGGNet、AlexNet和GoogLeNet算法,证明此网络能够很好地完成对苹果外观的分类识别,可为采摘后的苹果实现智能分类提供技术支持。     

Micro-expression recognition algorithm based on the combination of spatial and temporal domains

Aiming at the problem of unsatisfactory effects of traditional micro-expression recognition algorithms,an efficient micro-expression recognition algorithm is proposed,which uses convolutional neural networks(CNN) to extract spatial features of micro-expressions,and long short-term memory network(LSTM) to extract time domain features.CNN and LSTM are combined as the basis of micro-expression recognition.In many CNN structures,the visual geometry group(VGG) using a small convolution kernel is finally selected as the pre-network through comparison.Due to the difficulty of deep learning training and over-fitting,the dropout method and batch normalization method are used to solve the problem in the VGG network.Two data sets CASME and CASME II are used for test comparison,in order to solve the problem of insufficient data sets,randomly determine the starting frame,and a fixedlength frame sequence is used as the standard,and repeatedly read all sample frames of the entire data set to achieve trayersal and data amplification.Finallv.a hieh recognition rate of 67.48% is achieved.     

基于DCNN的管制员疲劳状态检测

空中交通管制员疲劳工作势必会严重威胁空中交通安全,通过对眼睛睁闭状态判定是现阶段对管制员疲劳检测的一种主要方式。为检测管制员疲劳状态,提出了一种基于迁移学习的DCNN眼睛状态识别模型。首先,利用深度级联神经网络的MTCNN算法检测出管制员面部区域,并实现对面部5个关键点标定和眼睛的定位;然后将检测到的眼睛图像传入到预训练的DCNN眼睛状态分类模型,识别眼睛的睁闭眼状态;最后结合PERCLOSE 80指标检测管制员疲劳状态。分别在ZJU、CEW和ATCE数据集上,对DCNN、VGG16、InceptionV3、ResNet50四种模型的准确率、损失率和F1分数指标进行对比实验。实验结果表明：在ZJU和CEW数据集上,DCNN眼睛状态分类模型检测准确率为97%,较VGG16、InceptionV3、ResNet50等模型进行眼部状态分类任务,DCNN模型的F1分数有3%至7%的提高。在ATCE数据集上DCNN模型检测准确率达到98.35%,F1分数达到98.06%,验证了DCNN模型的有效性与准确性。     

基于深度卷积网络与空洞卷积融合的人群计数

利用空洞卷积设置不同空洞率,得到不同感受野的特点,提出一种基于深度卷积Visual Geometry Group19(VGG19)和空洞卷积相融合的结构.所采用的结构不受输入图像尺寸以及分辨率影响,通过设置锯齿状空洞率,扩大网络的感受野,在保持分辨率良好的情况下,可以较为精确地定位目标,提高检测准确性.经验证,该算法在Shanghai-tech标准数据集上具有较高的实验准确率.     

基于深度卷积神经网络和局部敏感哈希的图像检索

网络图像资源增长迅速,如何实现快速有效的大规模图像检索,成为当前研究的热点之一。深度神经网络对图片特征有很强的表达能力,利用典型深度卷积神经网络VGG16在预训练完成的模型上使用网络全连接层的输出提取待检索图像数据集的特征以建立索引,并采用局部敏感哈希算法提升检索速度,以端到端的形式,完成基于内容的图片检索任务。这种图像检索模型提供了一种在计算资源有限情况下实现大规模图像检索的有效方法。