期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度全连接网络Himawari-8卫星气溶胶反演研究
被引量：
2
1
作者
宁海涛
江鹏
吴艳兰
《环境监测管理与技术》
CSCD
2021年第1期8-12,共5页
利用葵花8(Himawari-8,H8)16个波段数据、卫星、太阳角度数据和深度学习技术,提出一种基于深度全连接网络(Deep Neural Networks,DNN)模型的AOD遥感反演方法(Himawari-DNN)。该方法直接建立H8影像本身与AERONET站点AOD数据间的关系,可...
利用葵花8(Himawari-8,H8)16个波段数据、卫星、太阳角度数据和深度学习技术,提出一种基于深度全连接网络(Deep Neural Networks,DNN)模型的AOD遥感反演方法(Himawari-DNN)。该方法直接建立H8影像本身与AERONET站点AOD数据间的关系,可避免传统AOD遥感反演方法中复杂过程,得到精度较高的反演结果。通过有效数据对所构建的模型做精度测试,同时将反演结果和实测数据对比分析,结果表明,模型反演结果与研究区内所有站点的观测值均具有较高的一致性(R^2均>0.89)。可见,应用DNN对H8气象静止卫星开展AOD反演具有一定的可行性。
展开更多
关键词
气溶胶光学厚度
深度全连接网络
葵花8
遥感
在线阅读
下载PDF
职称材料
基于OOD泛化性验证和深度全连接神经网络的泥石流易发性评价方法
被引量：
3
2
作者
郭鹏宁
邢会歌
+2 位作者
李从江
吴雨鑫
李海波
《工程科学与技术》
EI
CAS
CSCD
北大核心
2024年第4期182-193,共12页
提升易发性评价精度有助于山区泥石流灾害早期的识别和监测预警。大部分机器学习模型在训练、测试集合上表现良好,但实际应用过程精度较差,不利于工程选址规划和防灾减灾,如何提高机器学习模型评价精度与泛化性具有重要意义。选取深度...
提升易发性评价精度有助于山区泥石流灾害早期的识别和监测预警。大部分机器学习模型在训练、测试集合上表现良好,但实际应用过程精度较差,不利于工程选址规划和防灾减灾,如何提高机器学习模型评价精度与泛化性具有重要意义。选取深度全连接神经网络,与梯度提升树、随机森林模型和贝叶斯网络等机器学习方法共同进行模型精确性评价和OOD(out-of-distribution)泛化性验证,从而找出在训练、预测和应用中均具有较高精度的方法。以四川省雅安市为例,采用小流域单元进行区域网格划分,将数据集合按7∶3比例随机分为训练集和测试集,使用经验法则(3-sigma)剔除异常数据,并基于多变量(Iterative Imputer)和K-近邻法对缺失值填充进行泥石流灾害易发性评价。在泥石流易发性因子的共线性、敏感性和预测能力的分析结果基础上,选定14个易发性因子构建模型评价指标体系,进行泥石流易发性评价与对比。通过对模型的精确性评价及OOD泛化性验证发现:深度全连接神经网络模型曲线下的面积(AUC)、准确率(Acc)、召回率(Recall)的值比梯度提升树等的计算结果分别超出了0.027、0.02、0.02,而平均绝对值误差(MAE)降低了0.003;OOD泛化性验证准确度超出了0.056。研究表明,深度全连接神经网络对于泥石流易发性评价的预测效果较好,能够提高泥石流评价的精度,增加评价的适应性,可为泥石流易发性评价提供新思路。
展开更多
关键词
泥石流灾害
易发性评价
深度
学习算法
OOD泛化性验证
深度
全
连接
神经
网络
在线阅读
下载PDF
职称材料
基于深度全连接神经网络的储层有效砂体厚度预测
被引量：
4
3
作者
贺婷
周宁
吴啸宇
《吉林大学学报（地球科学版）》
CAS
CSCD
北大核心
2023年第4期1262-1274,共13页
河道砂是重要的油气储集体之一,实现砂体厚度的定量预测是提高油气开发效率的关键。随着目标储层非匀质性的增强,地震属性与储层岩性、物性、孔隙流体之间的关系更趋复杂。如何在地质信息有限的情况下实现高效且智能的复杂储层定量预测...
河道砂是重要的油气储集体之一,实现砂体厚度的定量预测是提高油气开发效率的关键。随着目标储层非匀质性的增强,地震属性与储层岩性、物性、孔隙流体之间的关系更趋复杂。如何在地质信息有限的情况下实现高效且智能的复杂储层定量预测是目前储层预测领域的热点和难点。为了实现对致密砂岩储层的高精度智能化预测,本文提出基于深度全连接神经网络的储层有效砂体厚度预测方法。该方法通过构建多层堆叠的全连接神经网络逐层优化针对储层有效砂体厚度预测的地震属性,并将优化后的属性直接映射为砂体厚度。首先针对模型数据分析了训练样本对全连接神经网络建模的影响,然后在小样本情况下分别对比了该网络的深、浅层形态在网络规模大于训练样本数目及网络规模小于训练样本数目时的表现差异,发现当训练样本为小样本时,深层网络表现优于浅层网络,前提是训练样本数目大于网络规模。最后,我们将深度全连接神经网络用于胜利油田某区实际数据的有效砂体厚度预测,应用效果显示该方法对致密砂岩储层中4 m左右的砂体实现了有效识别,体现了该端到端智能建模方法从地震属性中挖掘潜藏地质信息的能力,证实了其在储层定量预测中的有效性。
展开更多
关键词
深度
全
连接
神经
网络
致密砂岩
储层参数
地震属性
有效砂体厚度
小样本
在线阅读
下载PDF
职称材料
题名
基于深度全连接网络Himawari-8卫星气溶胶反演研究
被引量：
2
1
作者
宁海涛
江鹏
吴艳兰
机构
安徽大学资源与环境工程学院
安徽省地理信息智能技术工程研究中心
出处
《环境监测管理与技术》
CSCD
2021年第1期8-12,共5页
基金
国家自然科学基金资助项目(41604028)
安徽省科技重大专项基金资助项目(18030801111)
安徽省自然科学基金资助项目(1708085QD83)。
文摘
利用葵花8(Himawari-8,H8)16个波段数据、卫星、太阳角度数据和深度学习技术,提出一种基于深度全连接网络(Deep Neural Networks,DNN)模型的AOD遥感反演方法(Himawari-DNN)。该方法直接建立H8影像本身与AERONET站点AOD数据间的关系,可避免传统AOD遥感反演方法中复杂过程,得到精度较高的反演结果。通过有效数据对所构建的模型做精度测试,同时将反演结果和实测数据对比分析,结果表明,模型反演结果与研究区内所有站点的观测值均具有较高的一致性(R^2均>0.89)。可见,应用DNN对H8气象静止卫星开展AOD反演具有一定的可行性。
关键词
气溶胶光学厚度
深度全连接网络
葵花8
遥感
Keywords
Aerosol optical depth(AOD)
Deep neural networks
Himawari-8
Remote sensing
分类号
X513 [环境科学与工程—环境工程]
X87 [环境科学与工程—环境工程]
在线阅读
下载PDF
职称材料
题名
基于OOD泛化性验证和深度全连接神经网络的泥石流易发性评价方法
被引量：
3
2
作者
郭鹏宁
邢会歌
李从江
吴雨鑫
李海波
机构
四川大学建筑与环境学院
四川大学水利水电学院
四川大学山区河流保护与治理全国重点实验室
出处
《工程科学与技术》
EI
CAS
CSCD
北大核心
2024年第4期182-193,共12页
基金
国家自然科学基金区域创新发展联合基金(U20A20111)
四川省青年科技创新研究团队项目(2020JDTD0006)。
文摘
提升易发性评价精度有助于山区泥石流灾害早期的识别和监测预警。大部分机器学习模型在训练、测试集合上表现良好,但实际应用过程精度较差,不利于工程选址规划和防灾减灾,如何提高机器学习模型评价精度与泛化性具有重要意义。选取深度全连接神经网络,与梯度提升树、随机森林模型和贝叶斯网络等机器学习方法共同进行模型精确性评价和OOD(out-of-distribution)泛化性验证,从而找出在训练、预测和应用中均具有较高精度的方法。以四川省雅安市为例,采用小流域单元进行区域网格划分,将数据集合按7∶3比例随机分为训练集和测试集,使用经验法则(3-sigma)剔除异常数据,并基于多变量(Iterative Imputer)和K-近邻法对缺失值填充进行泥石流灾害易发性评价。在泥石流易发性因子的共线性、敏感性和预测能力的分析结果基础上,选定14个易发性因子构建模型评价指标体系,进行泥石流易发性评价与对比。通过对模型的精确性评价及OOD泛化性验证发现:深度全连接神经网络模型曲线下的面积(AUC)、准确率(Acc)、召回率(Recall)的值比梯度提升树等的计算结果分别超出了0.027、0.02、0.02,而平均绝对值误差(MAE)降低了0.003;OOD泛化性验证准确度超出了0.056。研究表明,深度全连接神经网络对于泥石流易发性评价的预测效果较好,能够提高泥石流评价的精度,增加评价的适应性,可为泥石流易发性评价提供新思路。
关键词
泥石流灾害
易发性评价
深度
学习算法
OOD泛化性验证
深度
全
连接
神经
网络
Keywords
debris flow disaster
susceptibility evaluation
deep learning algorithm
OOD generalization verification
deep fully connected neural network
分类号
P694 [天文地球—地质学]
在线阅读
下载PDF
职称材料
题名
基于深度全连接神经网络的储层有效砂体厚度预测
被引量：
4
3
作者
贺婷
周宁
吴啸宇
机构
江西省地质局核地质大队
江西省地质局地理信息工程大队
出处
《吉林大学学报（地球科学版）》
CAS
CSCD
北大核心
2023年第4期1262-1274,共13页
基金
江西省地质勘查基金管理中心项目(20163006)
江西省地质环境项目(20171090)
东华理工大学研究生创新基金项目(DYCA13015)。
文摘
河道砂是重要的油气储集体之一,实现砂体厚度的定量预测是提高油气开发效率的关键。随着目标储层非匀质性的增强,地震属性与储层岩性、物性、孔隙流体之间的关系更趋复杂。如何在地质信息有限的情况下实现高效且智能的复杂储层定量预测是目前储层预测领域的热点和难点。为了实现对致密砂岩储层的高精度智能化预测,本文提出基于深度全连接神经网络的储层有效砂体厚度预测方法。该方法通过构建多层堆叠的全连接神经网络逐层优化针对储层有效砂体厚度预测的地震属性,并将优化后的属性直接映射为砂体厚度。首先针对模型数据分析了训练样本对全连接神经网络建模的影响,然后在小样本情况下分别对比了该网络的深、浅层形态在网络规模大于训练样本数目及网络规模小于训练样本数目时的表现差异,发现当训练样本为小样本时,深层网络表现优于浅层网络,前提是训练样本数目大于网络规模。最后,我们将深度全连接神经网络用于胜利油田某区实际数据的有效砂体厚度预测,应用效果显示该方法对致密砂岩储层中4 m左右的砂体实现了有效识别,体现了该端到端智能建模方法从地震属性中挖掘潜藏地质信息的能力,证实了其在储层定量预测中的有效性。
关键词
深度
全
连接
神经
网络
致密砂岩
储层参数
地震属性
有效砂体厚度
小样本
Keywords
deep fully connected neural network
tight sandstone
reservoir parameters
seismic attributes
effective sand body thickness
small sample
分类号
P631.4 [天文地球—地质矿产勘探]
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深度全连接网络Himawari-8卫星气溶胶反演研究
宁海涛
江鹏
吴艳兰
《环境监测管理与技术》
CSCD
2021
2
在线阅读
下载PDF
职称材料
2
基于OOD泛化性验证和深度全连接神经网络的泥石流易发性评价方法
郭鹏宁
邢会歌
李从江
吴雨鑫
李海波
《工程科学与技术》
EI
CAS
CSCD
北大核心
2024
3
在线阅读
下载PDF
职称材料
3
基于深度全连接神经网络的储层有效砂体厚度预测
贺婷
周宁
吴啸宇
《吉林大学学报（地球科学版）》
CAS
CSCD
北大核心
2023
4
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
