基于经验正交函数和贝叶斯神经网络的水下声场预报研究

1

作者 蒋方冰 吴金荣 +2 位作者 侯倩男 张祚祥 莫亚枭 《哈尔滨工程大学学报》 北大核心 2025年第8期1508-1515,共8页

在水下声场预报中,数据驱动模型的预报精度主要取决于训练样本数对样本空间的覆盖程度。针对现有方法多局限于单一水文环境、且水文样本数量不足导致精度下降的问题,本文提出一种基于经验正交函数和贝叶斯神经网络的水下声场预报方法。... 在水下声场预报中,数据驱动模型的预报精度主要取决于训练样本数对样本空间的覆盖程度。针对现有方法多局限于单一水文环境、且水文样本数量不足导致精度下降的问题,本文提出一种基于经验正交函数和贝叶斯神经网络的水下声场预报方法。利用经验正交函数有效降低声速剖面输入维度,并通过其系数组合生成覆盖多样化水文环境的样本集;进而借助具有强泛化能力的贝叶斯神经网络在部分数据空间内学习有效特征,预报变化水文条件下的声传播损失,并给出置信区间。结果表明:相较于传统神经网络,该方法在训练集范围内的预报误差更小,对未知数据的适应能力更强,且通过概率建模可实现端到端的不确定性量化,提升了数据驱动模型在复杂水文条件下的鲁棒性与可靠性。 展开更多

关键词 经验正交函数 数据驱动模型 贝叶斯神经网络 声速剖面 水声传播损失 声场预报 不确定性量化 置信区间

在线阅读 下载PDF 职称材料

基于岩石物理模型正演的标签制作方法在深度学习波阻抗预测中的应用

2

作者 赵昭阳 赵建国 +3 位作者 欧阳芳 肖增佳 马铭 闫博鸿 《地球物理学报》 北大核心 2025年第9期3554-3574,共21页

深度学习波阻抗预测已成为油气勘探领域的重要课题,因测井数据有限,导致可用于神经网络训练的标签数量明显不足.为此,本文采用理论岩石物理模型道集正演的方法来获得训练标签,该方法使得利用单口井数据进行深度学习储层参数反演成为可能... 深度学习波阻抗预测已成为油气勘探领域的重要课题,因测井数据有限,导致可用于神经网络训练的标签数量明显不足.为此,本文采用理论岩石物理模型道集正演的方法来获得训练标签,该方法使得利用单口井数据进行深度学习储层参数反演成为可能.通过理论岩石物理模型流体替换和波动方程正演,获得与实际工区岩石物理参数一致的变孔隙度和饱和度的训练标签.为了提高模型的泛化度和精确性,实验使用逐步回归法在20多种地震属性中优选出9种最优的地震属性组合.将这9种地震属性组合和对应的测井波阻抗数据带入到深度神经网络(DNN)中进行训练,准确地预测出波阻抗,预测波阻抗与实际波阻抗的互相关系数达到了0.992,平均误差为304(m·s^(-1))·(g·cm^(-3)).在三维实际地震工区的应用中,使用该方法预测了研究工区的纵、横波阻抗和密度结果,通过建立地层模型,反演地层模型参数,反演结果显示,深度学习反演方法的预测精度比传统反演方法预测精度高,因此更有利于对薄层的识别. 展开更多

关键词 岩石物理模型 模型正演 标签制作 深度神经网络 波阻抗反演

在线阅读 下载PDF 职称材料

多级层次三维卷积神经网络的牙颌模型分割与识别技术 被引量：4

3

作者 田素坤 戴宁 +3 位作者 袁福来 张贝 俞青 程筱胜 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2020年第8期1218-1227,共10页

牙齿分割是计算机辅助口腔正畸治疗的重要技术.针对传统牙齿分割方法因交互操作复杂、手工干预程度高导致分割效率和精度较低的问题,提出一种基于多级层次三维卷积神经网络的牙颌模型自动分割与识别方法.首先利用基于哈希表的八叉树稀... 牙齿分割是计算机辅助口腔正畸治疗的重要技术.针对传统牙齿分割方法因交互操作复杂、手工干预程度高导致分割效率和精度较低的问题,提出一种基于多级层次三维卷积神经网络的牙颌模型自动分割与识别方法.首先利用基于哈希表的八叉树稀疏表达模型对牙颌模型进行标签化预处理;然后采用构建的Level-1网络和Level-2网络,分别实现普通牙齿间类别和高相似度牙齿间类别的区分;最后采用基于深度卷积特征的多级层次分割网络实现牙齿与牙龈以及牙齿间的分割,并利用条件随机场模型对龈缘区及齿间接触区的局部细节特征进行建模与优化.实验结果表明,在自行采集的牙齿数据集上的牙齿识别准确率均维持在0.858以上,单颗牙齿的分割准确率为0.898,与同类分割方法对比,验证了层次特征学习方法具有较高的准确率和鲁棒性,适用于各种不同程度畸形牙患者的牙齿分割,在计算机辅助口腔治疗诊断中具有巨大的应用潜力. 展开更多

关键词 牙齿分割 三维卷积神经网络 八叉树 条件随机场模型 口腔正畸

在线阅读 下载PDF 职称材料

基于卷积神经网络的井中分布式光纤传感器地震数据随机噪声压制新技术 被引量：15

4

作者 董新桐 李月 +2 位作者 刘飞 冯黔堃 钟铁 《地球物理学报》 SCIE EI CAS CSCD 北大核心 2021年第7期2554-2565,共12页

分布式光纤传感器(distributed fiber-optical acoustic sensor,DAS)是一种快速发展的具有巨大应用前景的地震勘探检波器技术.实际DAS地震资料往往会受到大量强能量随机噪声的干扰,通常表现为低信噪比(signal-to-noise ratio,SNR).这一... 分布式光纤传感器(distributed fiber-optical acoustic sensor,DAS)是一种快速发展的具有巨大应用前景的地震勘探检波器技术.实际DAS地震资料往往会受到大量强能量随机噪声的干扰,通常表现为低信噪比(signal-to-noise ratio,SNR).这一现象给接下来的成像、反演以及解释带来了巨大的困难,因此如何压制DAS地震资料中的随机噪声并提高其SNR成为一个有待解决的技术问题.卷积神经网络(convolutional neural network,CNN)已经被证明是一种有效的噪声压制工具.通常情况下,CNN需要一个理论纯净地震数据集来优化网络,这极大地限制了CNN在DAS地震资料处理中的应用.在本文中,我们采用正演模拟的方法来构建理论纯净DAS地震数据集,通过正演模型的参数多样化增强数据集的真实性,从而获得适合DAS地震资料随机噪声压制的CNN去噪模型.此外,在网络结构方面,我们利用泄漏线性整流单元作为CNN的激活函数增强训练后模型对微弱有效信号的恢复能力;在训练过程中,通过能量比矩阵调节噪声片和有效信号片之间的SNR,增强CNN去噪模型对于不同SNR的DAS地震数据的适应性.模拟和实际实验均表明本文提出的这种正演模型驱动的卷积神经网络(forward-model-actuation convolutional neural network,FMA-CNN)能够有效地压制DAS随机噪声同时完整地恢复有效信号. 展开更多

关键词 随机噪声 低信噪比 分布式光纤传感器地震数据 正演模型驱动的卷积神经网络

在线阅读 下载PDF 职称材料

深度卷积神经网络目标检测算法在煤矿断层检测上的应用 被引量：5

5

作者 张春翔 唐烨锈 +2 位作者 邹冠贵 曾义文 樊卓 《矿业科学学报》 CSCD 2023年第6期733-743,共11页

断层解释技术在煤矿安全开采领域起着至关重要的作用。随着神经网络技术的发展,许多基于神经网络算法的智能化地震资料解释处理方案被提出。首先通过对比不同的深度卷积神经网络目标检测算法,选择适合于识别断层的Faster R-CNN目标检测... 断层解释技术在煤矿安全开采领域起着至关重要的作用。随着神经网络技术的发展,许多基于神经网络算法的智能化地震资料解释处理方案被提出。首先通过对比不同的深度卷积神经网络目标检测算法,选择适合于识别断层的Faster R-CNN目标检测算法;其次建立具有多种地质特征的地震正演模型,分别对AlexNet、残差网络ResNet50和ResNet101三种特征提取网络进行测试,优选得出ResNet101特征提取网络在断层检测方面具有更加优异的表现;最后基于优选的ResNet101特征提取网络和Faster R-CNN目标检测算法构建断层检测模型,对实际地震数据进行断层检测。结果表明:基于深度卷积神经网络的目标检测算法在断层检测上具有很好的泛化能力,提高了断层的解释效率,在实际应用上具有巨大潜力。 展开更多

关键词 深度卷积神经网络 断层检测 地震正演模型 目标检测

在线阅读 下载PDF 职称材料

模型-数据融合驱动的频率稳定智能增强判别方法

6

作者 吕昊 陈锦辉 +4 位作者 杜友田 徐式蕴 李宗翰 傅太国屹 刘俊 《电网技术》 北大核心 2025年第8期3314-3323,共10页

经典低阶频率响应模型可快速计算各项频率指标,但由于高比例新能源系统扰动类型多样,运行方式复杂多变,难以准确获取系统参数和扰动功率大小,同时模型本身线性化会引起较大误差,导致频率预测值和实际值存在较大差异。为使频率响应模型... 经典低阶频率响应模型可快速计算各项频率指标,但由于高比例新能源系统扰动类型多样,运行方式复杂多变,难以准确获取系统参数和扰动功率大小,同时模型本身线性化会引起较大误差,导致频率预测值和实际值存在较大差异。为使频率响应模型适应实际应用场景中高精度的要求,该文提出了模型-数据融合驱动的频率稳定智能增强判别方法(model-data driven intelligent enhanced method for frequency stability discrimination,MD-IEFSD),利用扰动初期频率响应数据对模型关键参数进行辨识,建立结合卷积神经网络和注意力机制的CNN-Attention频率参数预测模型,构建了融合参数预测误差和频率响应曲线预测误差的损失函数,引入了参数的敏感性和学习速率的分析,实现了频率稳定性的准确判别。最后以中国电科院万节点测试系统为算例,验证所提方法的可行性和有效性。 展开更多

关键词 频率稳定 模型-数据融合驱动 参数辨识 卷积神经网络 注意力机制

在线阅读 下载PDF 职称材料

基于正演分析的模型参数修正 被引量：1

7

作者 张石磊 陈少峰 +1 位作者 王焕定 王伟 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2012年第10期1-6,共6页

为探索测量信息不完整情况下基于均匀设计的正演分析法的适用性,设计并修正了一个钢桁架模型.在获得少量测量数据的情况下,分析和确定了主要修正因素.利用变截面梁模拟了钢桁架节点的力学特性.采用置信区间确定了识别结果的取值范围.采... 为探索测量信息不完整情况下基于均匀设计的正演分析法的适用性,设计并修正了一个钢桁架模型.在获得少量测量数据的情况下,分析和确定了主要修正因素.利用变截面梁模拟了钢桁架节点的力学特性.采用置信区间确定了识别结果的取值范围.采用全因素、嵌套和分步3种均匀设计方案修正了钢桁架模型参数.计算结果显示:采用上述方法确定的模型修正因素及其水平正确有效,基于分步均匀设计方案的正演分析法的修正结果最合理.在实际结构的模型修正中,应正确确定模型修正因素并分清主次,构建小规模均匀设计方案、分多步修正模型,以减少计算量和避免不合理的模型修正解.基于研究过程中的教训与经验,最终总结出了一套适用于大型复杂结构模型修正的方法并给出计算步骤。 展开更多

关键词 模型修正 正演分析 均匀设计 神经网络 主因素

在线阅读 下载PDF 职称材料

基于全变分正则项展开的迭代去噪网络 被引量：2

8

作者 侯瑞峰 张鹏程 +4 位作者 张丽媛 桂志国 刘祎 张浩文 王书斌 《计算机应用》 CSCD 北大核心 2024年第3期916-921,共6页

针对神经网络训练存在解释能力差以及不稳定问题,提出一种基于CP(Chambolle-Pock)算法求解的全变分(TV)正则项展开去噪网络(CPTV-Net),用于解决低剂量计算机断层扫描(LDCT)图像去噪问题。首先,向L1正则项模型引入TV约束项,以保留图像的... 针对神经网络训练存在解释能力差以及不稳定问题,提出一种基于CP(Chambolle-Pock)算法求解的全变分(TV)正则项展开去噪网络(CPTV-Net),用于解决低剂量计算机断层扫描(LDCT)图像去噪问题。首先,向L1正则项模型引入TV约束项,以保留图像的结构信息;其次,采用CP算法对去噪模型进行求解并得出具体迭代步骤,保证算法的收敛性;最后,借助浅层卷积神经网络学习线性操作的原始对偶变量迭代公式,用神经网络计算模型的解,并通过收集网络参数优化合并数据。在模拟和真实LDCT数据集上的实验结果表明,与残差编码器-解码器卷积神经网络(REDCNN)、TED-Net(Transformer Encoder-decoder Dilation Network)等五种先进的去噪方法相比,CPTV-Net具有较优的峰值信噪比(PSNR)、结构相似度(SSIM)和视觉信息保真度(VIF)评估值,能生成去噪效果明显和细节保留最为完整的LDCT图像。 展开更多

关键词 计算机断层扫描 模型驱动 原始对偶算法 卷积神经网络 图像去噪

在线阅读 下载PDF 职称材料

基于深度学习的地层沉积正演模拟代理模型构建与应用 被引量：1

9

作者 刘彦锋 段太忠 +3 位作者 龚伟 廉培庆 张文彪 黄渊 《沉积学报》 CAS CSCD 北大核心 2023年第3期791-803,共13页

地层沉积正演模拟方法能更真实地刻画地下地质体的分布规律,比传统的基于地质统计学的建模更有优势,但是条件化难度大,使其应用在实际油藏地质建模时面临较大挑战。地层沉积反演模拟提高了该方法的实用性,基于模拟结果与观测数据定量比... 地层沉积正演模拟方法能更真实地刻画地下地质体的分布规律,比传统的基于地质统计学的建模更有优势,但是条件化难度大,使其应用在实际油藏地质建模时面临较大挑战。地层沉积反演模拟提高了该方法的实用性,基于模拟结果与观测数据定量比较,地层沉积反演模拟在全局优化算法的驱动下不断修正地层沉积正演模拟输入参数,使模拟结果与观测数据吻合度达到最佳。由于反演系统优化参数多,非线性极强,收敛难度大,需要的迭代次数多,单次正演模拟耗时长,导致该方法效率较低。地层沉积反演模拟和深度学习算法中的生成对抗网络相结合,提出了构建地层沉积正演模拟代理模型的方法。以大量的碳酸盐岩地层沉积模拟的合成模型作为样本,通过神经网络训练,形成地层正演模拟器的代理模型,然后将其代入地层沉积反演模拟系统,避免了直接地层正演模拟的长耗时,加快了反演模拟的收敛速度。通过巴哈马西缘碳酸盐岩地层沉积模拟验证了该方法的可行性,采用学习后的生成网络进行沉积反演模拟,反演效率得到了大幅提升。尽管本文展示的是二维实例,也有望扩展应用在三维模型上。 展开更多

关键词 生成对抗神经网络 代理模型 深度学习 地层沉积过程正演模拟

在线阅读 下载PDF 职称材料

考虑多普勒效应的列车轴承参数驱动声学故障诊断模型 被引量：2

10

作者 滕繁荣 刘方 +3 位作者 翟中平 侯超强 翟涛涛 刘永斌 《机电工程》 CAS 北大核心 2022年第9期1175-1184,共10页

在轨边声学检测过程中,列车轴承信号由于受到多普勒效应的影响,会导致其轴承故障诊断准确性下降,针对这一问题,提出了一种基于参数驱动学习模型的列车轴承声学智能故障诊断方法。首先,对列车轴承振动信号受多普勒效应影响导致失真的因... 在轨边声学检测过程中,列车轴承信号由于受到多普勒效应的影响,会导致其轴承故障诊断准确性下降,针对这一问题,提出了一种基于参数驱动学习模型的列车轴承声学智能故障诊断方法。首先,对列车轴承振动信号受多普勒效应影响导致失真的因素进行了分析,提出了故障诊断方法,即在前期样本不平衡情况下,利用运动学参数驱动的安全域模型(KPD-SRM)进行诊断;在后期样本平衡情况下,利用运动学参数驱动的一维卷积神经网络(KPD-CNN)进行诊断;然后,在仿真情况下,利用该方法分别对样本不平衡和样本平衡的10种不同故障类型的轴承样本进行了故障诊断,计算了其故障诊断的准确率;最后,在实验情况下,利用该方法分别对样本不平衡和样本平衡的4种不同故障类型的轴承样本进行了故障诊断,并计算了其故障诊断的准确率。研究结果表明:在样本不平衡和样本平衡两种情况下,仿真案例的诊断准确率分别达到97.5%和96%,实验案例的诊断准确率分别达到93.5%和97%;参数驱动学习模型可以在不经过复杂的信号校正情况下,有效利用历史数据提高其故障诊断的准确率,且其诊断的准确率随着监测样本的增加而不断提高。 展开更多

关键词 轮对轴承 轨边声学检测系统 信号校正 运动学参数驱动安全域模型 运动学参数驱动卷积神经网络 故障诊断准确率 样本不平衡

在线阅读 下载PDF 职称材料

基于深度学习的智能电网窃电检测混合模型研究 被引量：2

11

作者 廖银玲 李金灿 +2 位作者 王冰 张君 梁耀元 《电信科学》 北大核心 2024年第2期72-82,共11页

针对传统窃电检测模型受维度诅咒、类不平衡等问题,提出一种能有效检测智能电网窃电行为的混合深度学习模型,利用深度学习卷积神经网络(AlexNet)处理维度诅咒问题,显著提升数据处理的准确性;通过自适应增强(Ada Boost)对正常和异常用电... 针对传统窃电检测模型受维度诅咒、类不平衡等问题,提出一种能有效检测智能电网窃电行为的混合深度学习模型,利用深度学习卷积神经网络(AlexNet)处理维度诅咒问题,显著提升数据处理的准确性;通过自适应增强(Ada Boost)对正常和异常用电行为分类,进一步提高分类精度;使用欠采样技术解决类不平衡问题,确保模型在各类数据的均衡性能;利用人工蜂群算法对AdaBoost和AlexNet的超参数进行优化,有效提高整体模型性能。使用真实智能电表数据集评估混合模型的有效性,与同类模型相比,提出的混合深度学习模型在准确率、精确度、召回率、F1分数、马修斯相关系数(MCC)和曲线下面积-接收者操作特征曲线(AUC-ROC)分数上分别达到了88%、86%、84%、85%、78%和91%,不仅提高了用电行为监测的准确性,也为电力系统的智能分析提供了新视角。 展开更多

关键词 深度学习卷积神经网络 自适应增强 深度驱动模型 窃电检测 特征提取

在线阅读 下载PDF 职称材料

基于CBAM-CNN的CPS负荷重分配攻击检测定位方法设计

12

作者 陆玲霞 马朝祥 +1 位作者 闫旻睿 于淼 《实验技术与管理》 北大核心 2025年第6期78-89,共12页

负荷重分配攻击是一种特殊的虚假信息注入攻击。对于电力信息物理系统,基于模型的方法难以检测定位多类型负荷重分配攻击,且针对多类型负荷重分配攻击的数据驱动检测定位方法研究较少。为此,设计了一种以双层规划模型为基础的,基于带卷... 负荷重分配攻击是一种特殊的虚假信息注入攻击。对于电力信息物理系统,基于模型的方法难以检测定位多类型负荷重分配攻击,且针对多类型负荷重分配攻击的数据驱动检测定位方法研究较少。为此,设计了一种以双层规划模型为基础的,基于带卷积注意力模块神经网络的负荷重分配攻击定位检测方法。首先对电力信息物理系统中的信息系统进行建模,总结得到三种信息侧负荷重分配攻击行为。随后建立考虑攻击者和调度中心管理者博弈关系的双层规划模型,针对不同攻击场景生成负荷重分配攻击数据集。为了检测定位不同类型的攻击,将所研究问题转化为多标签分类问题,利用卷积神经网络的卷积结构特性挖掘并学习具有稀疏标签数据的邻域信息,引入卷积注意力模块,从通道信息和空间信息两个角度增强网络对于重点信息的学习能力,改善了网络漏判率较高的问题,提高了网络检测定位性能。在38节点电力信息物理系统算例上进行仿真实验,验证了所提方法的有效性。与对比方法相比,所提方法对于三种攻击类型都有较低的误判率和漏判率,检测定位性能更加出色。 展开更多

关键词 电力信息物理系统 负荷重分配攻击 双层规划模型 数据驱动 卷积注意力模块 卷积神经网络

在线阅读 下载PDF 职称材料

无黏结材料颗粒流模型的宏细观参数关系研究 被引量：19

13

作者 颜敬 曾亚武 +1 位作者 高睿 杜欣 《长江科学院院报》 CSCD 北大核心 2012年第5期45-50,共6页

基于颗粒流(PFC2D/3D)模型的细观离散元方法是近些年来兴起的一种新的岩土数值计算方法,在岩土工程非连续介质领域中发挥着重要作用,但由于该类模型宏细观参数关系的复杂性,使其在实际工程应用中受到限制。在前人研究的基础上,以无黏结... 基于颗粒流(PFC2D/3D)模型的细观离散元方法是近些年来兴起的一种新的岩土数值计算方法,在岩土工程非连续介质领域中发挥着重要作用,但由于该类模型宏细观参数关系的复杂性,使其在实际工程应用中受到限制。在前人研究的基础上,以无黏结颗粒材料为例,采用4因素3水平正交试验方法设计了9类试样,并各自在3种侧压下进行双轴试验,以探求细观参数不同组合对介质宏观特性的影响,从而避免了控制变量法固定某些参数的局限,更加科学地分析了细观参量对宏观特性影响的敏感程度,并据此提出该类材料宏细观参数匹配的调整原则。最后利用人工神经网络实现了该类材料宏细观参数之间的互演计算,以供PFC模型在实际岩土工程计算时参考。 展开更多

关键词 颗粒流模型 正交试验 宏细观参数关系 神经网络算法 互演计算

在线阅读 下载PDF 职称材料

RIS辅助的OFDM系统中时变信道估计方法

14

作者 邵永琪 杨丽花 +1 位作者 常澳 任露露 《系统工程与电子技术》 北大核心 2025年第1期324-331,共8页

为了克服在可重构智能反射面(reconfigurable intelligent surface,RIS)辅助的正交频分复用(orthogonal frequency division multiplexing,OFDM)系统中现有基于深度学习的信道估计方法计算复杂度过高的问题,在RIS下利用基扩展模型(base ... 为了克服在可重构智能反射面(reconfigurable intelligent surface,RIS)辅助的正交频分复用(orthogonal frequency division multiplexing,OFDM)系统中现有基于深度学习的信道估计方法计算复杂度过高的问题,在RIS下利用基扩展模型(base extension model,BEM)对时变信道进行建模,并提出基于残差链接超分辨率卷积神经网络的时变信道估计方法。具体来说,所提方法首先将参数较多的信道系数估计转换为参数较少的基系数估计,以降低所提方法计算复杂度。在线下训练中,利用低分辨率的基系数估计对神经网络进行训练,仅需要少量的输入即可获取高分辨率的信道估计。为了提高所提方法的实用性,将网络训练的标签设置为具有高精度的信道估计值,而非理想的信道信息。仿真实验验证,所提方法在RIS辅助移动通信系统下能够准确获取时变信道信息,且具有更高的估计精度和更低的计算复杂度。 展开更多

关键词 可重构智能反射面 正交频分复用 时变信道估计 基扩展模型 残差链接超分辨率卷积神经网络

在线阅读 下载PDF 职称材料

基于深度学习的重力异常与重力梯度异常联合反演 被引量：30

15

作者 张志厚 廖晓龙 +7 位作者 曹云勇 侯振隆 范祥泰 徐正宣 路润琪 冯涛 姚禹 石泽玉 《地球物理学报》 SCIE EI CAS CSCD 北大核心 2021年第4期1435-1452,共18页

高效高精度的反演算法在重力大数据时代背景下显得尤为重要,受深度学习卓越的非线性映射能力的启发,本文提出了一种基于深度学习的重力异常及重力梯度异常的联合反演方法.文中首先提出了一种基于网格点几何格架的重力异常及重力梯度异... 高效高精度的反演算法在重力大数据时代背景下显得尤为重要,受深度学习卓越的非线性映射能力的启发,本文提出了一种基于深度学习的重力异常及重力梯度异常的联合反演方法.文中首先提出了一种基于网格点几何格架的重力异常及重力梯度异常的空间域快速正演算法,这为本文深度学习反演算法的实现奠定了基础;其次对大量的不同密度模型进行正演计算获得样本数据集;然后设计了一种端到端的深度学习网络结构(GraInvNet),再利用样本数据对该网络结构进行训练;最后进行反演预测.组合模型试验表明,多维度数据联合反演相比单一分量反演其结果更“聚焦”,且与模型边界高度吻合,并且对于复杂模型的姿态与物性预测具有极为显著的优势,以及对于含噪声数据的反演,其质量也不会降低;Vinton岩丘实测重力数据也验证了文中方法的有效性;从而证明了深度学习在重力数据的高效高精度反演方面具有的巨大潜力. 展开更多

关键词 重力异常与重力梯度异常 全卷积神经网络 快速正演 联合反演

在线阅读 下载PDF 职称材料

基于事件驱动的车道线识别算法研究 被引量：7

16

作者 徐频捷 陈逸杰 +1 位作者 李之南 赵地 《电子学报》 EI CAS CSCD 北大核心 2021年第7期1379-1385,共7页

动态视觉传感器(Dynamic Vision Sensor,DVS)相比于传统彩色相机有更高的时间分辨率、动态范围,且功耗更低、带宽更低,在自动驾驶领域有很好的应用前景,因此吸引了越来越多研究者的注意.然而由于事件驱动的数据是异步的且缺少一种统一... 动态视觉传感器(Dynamic Vision Sensor,DVS)相比于传统彩色相机有更高的时间分辨率、动态范围,且功耗更低、带宽更低,在自动驾驶领域有很好的应用前景,因此吸引了越来越多研究者的注意.然而由于事件驱动的数据是异步的且缺少一种统一的表示形式,在复杂的交通场景下,以车道检测为代表的基于事件驱动数据的交通场景分割任务难以应用传统的语义分割算法.针对以上问题,本文提出了一种三通道的事件数据编码方式,综合考虑事件数据的时空特征,将其作为卷积神经网络的输入;提出了一种基于编解码模型的事件数据车道检测算法,在基于事件驱动的车道线检测数据集DET上,本文方法的mIoU(mean Intersection over Union)达到了58.76%,比基准方法提高了4.4%. 展开更多

关键词 事件驱动 卷积神经网络 车道线检测 编解码模型 语义分割 动态视觉传感器 事件表示

在线阅读 下载PDF 职称材料

基于隐式描述符的三维模型对应关系计算

17

作者 HAYTHEM Alhag 杨军 《计算机工程》 CAS CSCD 北大核心 2022年第5期229-234,共6页

三维模型对应关系计算在自动驾驶、虚拟现实、智能交通等领域得到广泛关注与应用。三维模型在几何结构和尺度发生很大变化时,低层次几何信息描述符所提取的特征将不足,从而使得对应关系计算结果准确率不高。为此,提出一种通过引入先验... 三维模型对应关系计算在自动驾驶、虚拟现实、智能交通等领域得到广泛关注与应用。三维模型在几何结构和尺度发生很大变化时,低层次几何信息描述符所提取的特征将不足,从而使得对应关系计算结果准确率不高。为此,提出一种通过引入先验知识来完成三维模型对应关系计算的方法。利用深度学习网络模仿人类计算先验知识,以对模型各部分之间的几何相似性进行编码,解决模型在各部分发生显著变化时无法应用低层次几何信息计算模型间对应关系的问题。使用多视图卷积神经网络对模型各部分相应的视图进行预分割并标记,根据模型对应表面点之间的相似度隐式地计算数据驱动描述符,在数据驱动描述符的指导下计算最终的三维模型对应关系。实验结果表明,相较基于先验知识的计算方法,该方法能提高三维模型对应关系计算结果的准确率,且可有效降低测地误差。 展开更多

关键词 三维模型 对应关系 多视图卷积神经网络 数据驱动描述符 先验知识

在线阅读 下载PDF 职称材料

模式识别技术预测火山岩相 被引量：7

18

作者 郭淑文 王振升 +3 位作者 牟智全 徐晓星 邢兴 彭雪梅 《石油地球物理勘探》 EI CSCD 北大核心 2017年第A01期60-65,共6页

东关潜山中生界火山岩岩性复杂,岩相变化大,地震反射特征与围岩相似,常规地震属性无法预测火山岩相带边界。通过地震地质模型正演,分析火山岩岩性及厚度变化对地震反射波形的影响。试验结果表明:随着火山岩岩性相带的变化,地震反射总体... 东关潜山中生界火山岩岩性复杂,岩相变化大,地震反射特征与围岩相似,常规地震属性无法预测火山岩相带边界。通过地震地质模型正演,分析火山岩岩性及厚度变化对地震反射波形的影响。试验结果表明:随着火山岩岩性相带的变化,地震反射总体特征有变化,局部特征不明显;振幅变化受中生界顶界不整合面的影响较大;局部范围内振幅的变化与厚度变化相关;地震反射波负半周的反射特征与火山岩岩性及厚度变化相关性更强。根据模型分析结果,对东关潜山地震数据地震波负半周反射开时窗,利用GeoEast系统进行波形聚类及地震属性提取,综合应用钻井火山岩厚度数据及地震属性,采用GeoEast系统神经网络模式识别方法,对东关潜山中生界火山岩平面分布进行预测,有效提高了火山岩地震预测的精度。 展开更多

关键词 GeoEast系统 火山岩 模型正演 地震属性优选 神经网络 地震相

在线阅读 下载PDF 职称材料

基于深度学习的地震断层检测与断面组合 被引量：8

19

作者 王子健 伍新明 +2 位作者 杜玉山 张强 于会臻 《油气地质与采收率》 CAS CSCD 北大核心 2022年第1期69-79,共11页

断层解释是油气勘探和开发中的关键步骤,由于采集的三维地震数据体数量增多,人工以及传统方法很难精细化解释数据体中的断层。为了更好地满足目前油气勘探开发对高效、高精度、高分辨率断层解释的迫切需求,研究基于深度学习算法实现地... 断层解释是油气勘探和开发中的关键步骤,由于采集的三维地震数据体数量增多,人工以及传统方法很难精细化解释数据体中的断层。为了更好地满足目前油气勘探开发对高效、高精度、高分辨率断层解释的迫切需求,研究基于深度学习算法实现地震数据的自动化和智能化断层检测。通过正演模拟的方法生成大量的、多样化的、符合实际情况的训练数据,同时结合已解释的断层结果构建完备的训练样本库。在此基础上设计优化的、简单的三维卷积神经网络模型高效处理大的三维地震数据体并获得精确的断层检测结果,对断层检测结果做进一步的匹配滤波扫描处理来获得增强的断层概率体、断层倾向和走向估计。最后根据这3个断层属性体,采用区域生长算法来全自动构建出数据体中所有的断层面。通过与传统的常规方法进行对比,该方法在抗噪性、精度和效率等方面均具备明显的优势。 展开更多

关键词 断层解释 深度学习 正演模拟 卷积神经网络 断面组合

在线阅读 下载PDF 职称材料

基于深度学习的地震随机噪声衰减方法研究进展 被引量：5

20

作者 崔扬 王燕楠 +3 位作者 陈万利 张虹 朱丹丹 白敏 《石油地球物理勘探》 EI CSCD 北大核心 2023年第5期1269-1283,共15页

分析了卷积神经网络(CNN)、去噪卷积神经网络(DnCNN)、U⁃Net深度神经网络、前反馈(BP)神经网络、空洞卷积神经网络(DCNN)、残差网络(ResNet)、迁移学习等为代表的深度学习方法的概念、发展现状、方法原理、去噪效果以及优缺点等;对比了... 分析了卷积神经网络(CNN)、去噪卷积神经网络(DnCNN)、U⁃Net深度神经网络、前反馈(BP)神经网络、空洞卷积神经网络(DCNN)、残差网络(ResNet)、迁移学习等为代表的深度学习方法的概念、发展现状、方法原理、去噪效果以及优缺点等;对比了传统去噪方法、字典学习及深度学习方法的去噪效果;展望了深度学习技术在地震去噪领域的发展前景。获得以下认识:①深度学习方法的实际去噪效果优于传统方法和字典学习方法,不需要设定结构模型,泛化性更强,且计算时间短、精度更高。②深度学习方法存在诸多不足:实际数据的去噪效果往往差于合成数据;普适性不强;神经网络的“黑匣子”特性使其物理可解释性大大降低;网络性能与训练数据的泛化性密切相关;用于训练网络的数据集因人而异,难以评价网络性能。③期待深度学习在以下方面取得进展和突破:搭建适用于不同噪声的去噪神经网络结构,并将更优的网络结构引入地震随机噪声压制;将地震信号转换到变换域构造网络的损失函数;改进学习策略的同时制作更具代表性的数据集,尽可能地使训练数据覆盖所有类型的解,提高网络泛化性;自动化的参数调优;结合模型驱动与数据驱动的方法。 展开更多

关键词 模型驱动 数据驱动 深度学习 字典学习 随机噪声衰减 卷积神经网络 研究进展

在线阅读 下载PDF 职称材料