2023年12月18日甘肃积石山发生M_(S)6.2地震,该地震造成了严重的地质灾害,属国内近些年来6级以上地震所罕见.基于多阶段定位方法对2023年积石山M_(S)6.2地震序列进行了重定位,根据gCAP(generalized Cut And Paste)方法反演了序列中M_(S)...2023年12月18日甘肃积石山发生M_(S)6.2地震,该地震造成了严重的地质灾害,属国内近些年来6级以上地震所罕见.基于多阶段定位方法对2023年积石山M_(S)6.2地震序列进行了重定位,根据gCAP(generalized Cut And Paste)方法反演了序列中M_(S)≥3.0以上地震的震源机制及矩心深度,并对震源机制节面进行聚类分析,获取了地震序列的主要断层面形状,计算了积石山地震序列震源区的构造应力场,研究了其应力场与震源机制节面及断层面的关系,最后结合地质构造、地壳形变等资料综合探讨和推测了积石山地震序列可能的发震构造.结果显示:(1)重定位结果表明,积石山M_(S)6.2地震序列震中区的长轴主要沿着拉脊山北缘断裂南段呈NNW向的优势展布,整个序列长约15km、宽约6km,北端、南端各分别止于大河家镇南侧及积石山县西侧,且存在显著的丛集分区特征,主要划分为大河家镇到刘集乡之间的北段余震稀疏区,以及刘集乡到积石山县西侧之间的南段余震密集区,其中南段余震密集区呈现为NW-SE向的分支和NNW-SSE向的分支,且两个分支形成了NW端分叉且SE端汇聚的分布特征,大部分余震主要集中在NW-SE向分支而积石山M_(S)6.2主震位于NNW-SSE向分支的NE侧.整个序列的平均震源深度约为11.4km,大多数地震主要集中在9~14km深度范围,其中主震的初始破裂深度为13.6km.震源深度剖面清晰勾勒出地震序列的主要发震断层面倾向为NE向,积石山M_(S)6.2主震则位于倾向NE的断层面底端,余震基本位于M_(S)6.2主震的上方,大体呈现为单侧破裂的特征.(2)gCAP波形反演表明,积石山M_(S)6.2主震震源机制节面I的走向/倾角/滑动角为304°/55°/65°,节面II的走向/倾角/滑动角为163°/42°/121°,P轴方位51°和其倾伏角7°,矩心深度10km,矩震级M_(W)5.95.主震及M_(S)3.0以上余震的震源机制主要表现以逆冲为主且略带少量的走滑分量,震源机制的P轴主要呈现近NE-SW向的水平挤压,矩心深度介于9~12km之间,平均矩心深度10.7km.(3)震源机制节面聚类分析得出两簇聚类中心节面,其中NE倾向的聚类中心节面走向311°及倾角43°,其形状和重定位的深度剖面大体一致.震源区应力场反演结果显示,积石山震源区的最优压应力轴走向、倾伏角分别为57°和15°,表明积石山震源区应力场表现为NE向的近水平挤压,并以逆冲为主的应力状态.通过将其反演得到的应力场投影到积石山地震序列震源机制节面及其聚类中心节面,发现积石山应力体系在这些震源机制节面和聚类中心节面上均更容易产生逆冲破裂的地震事件.(4)结合已有区域地质构造、地壳形变等研究,综合分析认为积石山M_(S)6.2地震序列的发震构造和拉脊山北缘主断裂南段(积石山东缘断裂)与其至少两条走向略不同的反冲断层组成的“y”型冲断构造所在的复杂逆冲推覆环境有关,其中积石山M_(S)6.2主震位于NNW-SSE走向、SW倾向拉脊山北缘主断裂南段与其NW-SE走向、NNW-SSE走向及NE倾向的次级反冲断层形成的背冲式构造“y”形汇合部位,并在拉脊山北缘主断裂南段上的反冲断层上发生了相对密集的积石山余震序列.展开更多
[目的/意义]准确识别和定位各级草莓穴盘苗对自动化穴盘苗分选技术具有重要意义,可以降低育苗过程中的人工成本。本研究提出了一种基于轻量化YOLOv8s的草莓穴盘苗分级识别和定位方法,以有效克服穴盘苗越界生长带来的识别和定位干扰。[方...[目的/意义]准确识别和定位各级草莓穴盘苗对自动化穴盘苗分选技术具有重要意义,可以降低育苗过程中的人工成本。本研究提出了一种基于轻量化YOLOv8s的草莓穴盘苗分级识别和定位方法,以有效克服穴盘苗越界生长带来的识别和定位干扰。[方法]首先,基于层自适应幅度剪枝评分(Layer-Adaptive Magnitude-based Pruning Score,LAMP Score)通道剪枝算法压缩基础YOLOv8s草莓穴盘苗-穴孔识别模型的参数量和模型大小,提高了模型推理速度,高效检测穴盘苗和穴孔。其次,结合剪枝后的模型设计了一种两阶段草莓穴盘苗-穴孔匹配定位算法,根据穴盘苗和穴孔边界框的重叠度将苗株与穴孔进行配对,并通过第一阶段匹配中的草莓穴盘苗-穴孔匹配结果减少相邻越界生长的穴盘苗带来的影响,从而准确获得各级穴盘苗在穴盘中的具体位置信息。[结果和讨论]剪枝后的模型在保持较高检测精度的同时,将模型尺寸、浮点运算次数(Floating Point Operations Per Sec⁃ond,FLOPs)和参数量分别降低了94.4%、86.3%和95.4%。与原始模型相比,剪枝后的模型F1分数提高了0.1%,而平均精度(Mean Average Precision,mAP)提高了1%,两阶段草莓穴盘苗-穴孔匹配定位算法对各级穴盘苗的平均定位精度达到了88%。[结论]提出的草莓穴盘苗分级识别和定位方法能够满足实际育苗过程的要求,为自动化穴盘苗分选提供了技术支持。展开更多
为了解决因被测人数上升而引起的建立指纹库复杂和分类算法复杂的问题,提出一种基于信道状态信息(Channel State Information,CSI)的双人定位方法,离线阶段先进行数据采集,预处理之后用K-means算法建立粗指纹库,在此基础之上,使用SoftMa...为了解决因被测人数上升而引起的建立指纹库复杂和分类算法复杂的问题,提出一种基于信道状态信息(Channel State Information,CSI)的双人定位方法,离线阶段先进行数据采集,预处理之后用K-means算法建立粗指纹库,在此基础之上,使用SoftMax分类算法建立细指纹库,在线匹配阶段先将采集到的数据与粗指纹库匹配,得到粗定位结果,然后再与细指纹库进行匹配,最终得到精确的定位结果。通过实验验证,该方法的最小定位误差为1.12m,同时能够较好的识别双人站位关系。展开更多
文摘2023年12月18日甘肃积石山发生M_(S)6.2地震,该地震造成了严重的地质灾害,属国内近些年来6级以上地震所罕见.基于多阶段定位方法对2023年积石山M_(S)6.2地震序列进行了重定位,根据gCAP(generalized Cut And Paste)方法反演了序列中M_(S)≥3.0以上地震的震源机制及矩心深度,并对震源机制节面进行聚类分析,获取了地震序列的主要断层面形状,计算了积石山地震序列震源区的构造应力场,研究了其应力场与震源机制节面及断层面的关系,最后结合地质构造、地壳形变等资料综合探讨和推测了积石山地震序列可能的发震构造.结果显示:(1)重定位结果表明,积石山M_(S)6.2地震序列震中区的长轴主要沿着拉脊山北缘断裂南段呈NNW向的优势展布,整个序列长约15km、宽约6km,北端、南端各分别止于大河家镇南侧及积石山县西侧,且存在显著的丛集分区特征,主要划分为大河家镇到刘集乡之间的北段余震稀疏区,以及刘集乡到积石山县西侧之间的南段余震密集区,其中南段余震密集区呈现为NW-SE向的分支和NNW-SSE向的分支,且两个分支形成了NW端分叉且SE端汇聚的分布特征,大部分余震主要集中在NW-SE向分支而积石山M_(S)6.2主震位于NNW-SSE向分支的NE侧.整个序列的平均震源深度约为11.4km,大多数地震主要集中在9~14km深度范围,其中主震的初始破裂深度为13.6km.震源深度剖面清晰勾勒出地震序列的主要发震断层面倾向为NE向,积石山M_(S)6.2主震则位于倾向NE的断层面底端,余震基本位于M_(S)6.2主震的上方,大体呈现为单侧破裂的特征.(2)gCAP波形反演表明,积石山M_(S)6.2主震震源机制节面I的走向/倾角/滑动角为304°/55°/65°,节面II的走向/倾角/滑动角为163°/42°/121°,P轴方位51°和其倾伏角7°,矩心深度10km,矩震级M_(W)5.95.主震及M_(S)3.0以上余震的震源机制主要表现以逆冲为主且略带少量的走滑分量,震源机制的P轴主要呈现近NE-SW向的水平挤压,矩心深度介于9~12km之间,平均矩心深度10.7km.(3)震源机制节面聚类分析得出两簇聚类中心节面,其中NE倾向的聚类中心节面走向311°及倾角43°,其形状和重定位的深度剖面大体一致.震源区应力场反演结果显示,积石山震源区的最优压应力轴走向、倾伏角分别为57°和15°,表明积石山震源区应力场表现为NE向的近水平挤压,并以逆冲为主的应力状态.通过将其反演得到的应力场投影到积石山地震序列震源机制节面及其聚类中心节面,发现积石山应力体系在这些震源机制节面和聚类中心节面上均更容易产生逆冲破裂的地震事件.(4)结合已有区域地质构造、地壳形变等研究,综合分析认为积石山M_(S)6.2地震序列的发震构造和拉脊山北缘主断裂南段(积石山东缘断裂)与其至少两条走向略不同的反冲断层组成的“y”型冲断构造所在的复杂逆冲推覆环境有关,其中积石山M_(S)6.2主震位于NNW-SSE走向、SW倾向拉脊山北缘主断裂南段与其NW-SE走向、NNW-SSE走向及NE倾向的次级反冲断层形成的背冲式构造“y”形汇合部位,并在拉脊山北缘主断裂南段上的反冲断层上发生了相对密集的积石山余震序列.
文摘[目的/意义]准确识别和定位各级草莓穴盘苗对自动化穴盘苗分选技术具有重要意义,可以降低育苗过程中的人工成本。本研究提出了一种基于轻量化YOLOv8s的草莓穴盘苗分级识别和定位方法,以有效克服穴盘苗越界生长带来的识别和定位干扰。[方法]首先,基于层自适应幅度剪枝评分(Layer-Adaptive Magnitude-based Pruning Score,LAMP Score)通道剪枝算法压缩基础YOLOv8s草莓穴盘苗-穴孔识别模型的参数量和模型大小,提高了模型推理速度,高效检测穴盘苗和穴孔。其次,结合剪枝后的模型设计了一种两阶段草莓穴盘苗-穴孔匹配定位算法,根据穴盘苗和穴孔边界框的重叠度将苗株与穴孔进行配对,并通过第一阶段匹配中的草莓穴盘苗-穴孔匹配结果减少相邻越界生长的穴盘苗带来的影响,从而准确获得各级穴盘苗在穴盘中的具体位置信息。[结果和讨论]剪枝后的模型在保持较高检测精度的同时,将模型尺寸、浮点运算次数(Floating Point Operations Per Sec⁃ond,FLOPs)和参数量分别降低了94.4%、86.3%和95.4%。与原始模型相比,剪枝后的模型F1分数提高了0.1%,而平均精度(Mean Average Precision,mAP)提高了1%,两阶段草莓穴盘苗-穴孔匹配定位算法对各级穴盘苗的平均定位精度达到了88%。[结论]提出的草莓穴盘苗分级识别和定位方法能够满足实际育苗过程的要求,为自动化穴盘苗分选提供了技术支持。
文摘为了解决因被测人数上升而引起的建立指纹库复杂和分类算法复杂的问题,提出一种基于信道状态信息(Channel State Information,CSI)的双人定位方法,离线阶段先进行数据采集,预处理之后用K-means算法建立粗指纹库,在此基础之上,使用SoftMax分类算法建立细指纹库,在线匹配阶段先将采集到的数据与粗指纹库匹配,得到粗定位结果,然后再与细指纹库进行匹配,最终得到精确的定位结果。通过实验验证,该方法的最小定位误差为1.12m,同时能够较好的识别双人站位关系。
