基于卷积和Transformer联合网络的地震数据插值

地震数据插值是地震数据处理的关键步骤,旨在高精度地恢复出缺失地震数据,提升地震数据信噪比。近年来,基于卷积神经网络的插值方法发展迅速,该方法基于数据驱动,通过搭建卷积神经网络恢复缺失数据。卷积神经网络依赖卷积提取地震数据特征,然而由于受到卷积核局部感受野的限制,卷积运算只能捕捉地震数据局部信息,限制了网络的插值性能。因此本文提出了基于卷积和Transformer联合网络的地震数据插值方法,该方法通过引入Transformer,构建卷积和Transformer融合模块提取地震数据特征,旨在捕捉地震数据更多的细节信息,提升地震数据插值性能。通过仿真数据实验和真实数据实验显示,和基于Unet网络的插值方法相比,本文方法具有更好的插值性能,能够恢复地震数据更多纹理细节,插值结果的信噪比提升了2～3 dB。     

全息数据外推与插值技术的极限学习机方法

针对近场声全息技术中有限测量孔径问题,提出一种基于极限学习机的全息声压外推与插值方法。该方法将初始全息面上的测量数据作为网络的输入样本进行训练学习,将未知的全息面声场当做目标值进行预测,实现全息数据的外推与插值,并对影响外推与插值结果的参数进行分析。利用外推或插值后的全息数据进行重建,将重建结果进行比较。结果表明:该方法相对于传统方法获得了更高的重建精度,解决了测量孔径有限造成的较大重建误差,在不增加测点情况下提高了重建图像的空间分辨率。同时,该插值技术也可用于非自由声场环境中,仿真结果验证了该方法的稳健性和优越性。     

船舶自动识别系统数据修复和预测算法研究

针对船舶AIS数据丢失或错误等问题,本文借助分段三次Hermite插值实现AIS数据初步修复或预测,建立神经网络训练集和测试集,开展单点和连续多点AIS数据修复和预测;对比分析了BP神经网络与三次样条插值、分段三次Hermite插值方法以及组合算法在船舶AIS数据修复和预测中的精度。以重庆弯曲河段和武汉顺直河段为例,分析了航道平面形态、算法组合等对于船舶AIS数据修复和预测精度的影响。结果表明:联合算法有效提升了船舶AIS数据修复精度;在船舶AIS预测中,神经网络模型表现最优。研究成果可为船舶行为特征分析、建模等相关领域的研究提供借鉴。     

三维空间离散点数据场的插值方法

给出了一种根据三维离散点生成六面体单元并构造六面体9节点形函数进行插值的算法,该算法不受被插值模型单元形态限制,绕每一待插值点都能搜索到惟一的六面体插值单元,每一个数据的插出应用了被插值点周围8~16个已知节点的数据.给出了一种有限元逆变换算法,该算法收敛稳定、可较好地适应含有扭面等较不规则六面体单元局部坐标求解.实例表明,该方法精度较高,较好地实现了三维空间离散点数据场的插值.     

非下采样Contourlet自适应的地震信号插值方法

为了提高地震数据的重构效果,提出了一种基于非下采样Contourlet变换（NSCT）自适应阈值的插值方法。该算法对缺失地震数据进行变换,并利用NSCT变换系数计算N次迭代对应的阈值。每次迭代时自适应选取阈值对各方向各尺度的NSCT系数进行处理,利用未缺失地震数据填充到反变换后的缺失地震数据中,完成缺失地震数据的重构。实验结果表明,利用NSCT变换的平移不变性和自适应阈值处理,对均匀丢失和随机丢失的地震数据进行插值重构,能得到更好的插值效果。     

几种插值算法在气动数据计算中的比较

插值算法被大量地运用在飞行器设计的过程中,不同的差值算法对结果精度会产生很大的影响。本文给出了几种插值算法的定义及求解过程,并使用MATLAB实现了算法,进行了算例比较。结果表明,在非线性情况下,三次样条插值法的精度较高,与原始数据更加吻合。     

插值算法在高光谱数据中的应用

针对高光谱遥感数据具有波段多,各光谱通道间连续,含数据信息量大,像元光谱曲线交叉并不甚多等特点,就分析光谱曲线特点之后,选择性的运用波段插值方法进行光谱重建,利用MATLAB平台对多种插值算法进行了拟合实现。通过对比实验插值结果与原始数据,以及各插值算法插值精度,均方差和峰值信噪比等图像参数相互比较,显示用二次拟合的方法能够得到较好的拟合效果。     

利用IDL进行地学数据处理的多种插值法

随着计算机软硬件水平的不断提高,地学数据处理与解释工作也更易于实现,作用也日益重要。IDL(Interactive Data Language)交互式数据语言是进行二维及多维地学数据处理的理想工具。文中介绍了IDL中的多种插值法,并给出了应用实例,这些插值方法能迅速地将离散的测量数据通过插值转换为连续的数据曲面。     

基于数据增广的CNN用于地震数据重建

由于环境和经济约束,实际采集的地震资料往往呈现不规则分布,影响了后续地震数据的处理和解释。基于卷积神经网络(Convolutional Neural Network, CNN)的地震数据重建方法近年来引起广泛关注。该方法无需任何先验假设,从海量训练数据集中自动学习缺失数据到完整数据的映射,取得了良好的重建效果。然而,网络的训练依赖于训练数据。当训练数据集信息不够丰富时,网络泛化性不足,从而影响重建效果。为此,本文提出了一种基于数据增广的CNN地震数据重建方法。网络框架使用经典的Unet网络和Resnet网络。数据增广策略为:从合成数据随机截取的数据块构成训练数据集,通过对地震数据的空间方向多尺度采样、翻转、加噪等数据增广策略,增加样本的特征丰富度。最后,利用增广的数据集训练CNN网络实现重建。合成和实际资料的测试结果表明,所提出的数据增广策略可以有效地提高网络的泛化性。与无数据增广情况下的重建结果相比,信噪比更高。     

地震数据网格化方法研究

离散数据网格化是科学和工程研究领域中数据处理的核心技术,同时它也是科学可视化的前提。由于经济和地理条件的限制,在实际数据采集过程中采集到的地震数据是有限的,因此在处理地震数据的过程中进行数据补插网格化是必不可少的。本文介绍了四类网格化方法:趋势面拟合、插值、综合法(残差叠加法)、克里金法(Kriging),重点阐述了Kriging方法及其在地震数据网格化中的应用。     

异质材料零件切片数据插补研究

现代制造业对产品性能要求越来越高,因此零件成型精度与打印质量成为三维打印技术研究的关键问题. 本文基于空间微四面体异质材料零件建模,提出了异质材料切片数据插补算法,编写程序并仿真实验结果. 在课题组研发的三维打印成型系统上进行异质材料零件的成型实验,验证了所提算法的正确性. 该方法实现了异质材料零件色彩连续渐变,提高了异质材料零件成型精度和打印质量.     

基于JSP的二种数据访问方法

结合构建一个图书馆查询系统中的问题,提出二种不同的基于JSP间接访问数据的设计方法,解决因在项目中采用单一数据访问方法所致的效率低下、JAVABEAN负荷过重、程序难于维护等问题.可以提高软件复用性、减少设计工作量,有效提高系统的查询速度和效率.     

经验模态分解与水上地震反射数据处理方法

受水流及船舶发动机干扰,水域地震反射法勘探资料判别异常体存在很大的困难,本文采用经验模态分解方法获得地震记录的多阶本征模态函数,每一阶本征模态函数代表了信号在某一特征尺度上的信息,为地震数据的处理和解释提供了更多的参考信息。实例证明,基于经验模态分解的地震反射数据处理方法,有助于压制随机噪声,提高地震反射数据的解释精度和准确性。     

Application of Catastrophe Theory in 3D Seismic Data Interpretation of Coal Mine

1 IntroductionCatastrophe theory is a new mathematics subjectdeveloped in 1970s, which is part of nonlinearscience and a branch for studying discontinuousphenomenon. Seven elementary catastrophe modelshave been developed, including fold catastrophe, cuspcatastrophe, swallowtail catastrophe, elliptic umbiliccatastrophe, hyperbolic umbilic catastrophe, butterflycatastrophe and parabolic umbilic catastrophe[1-8].Generally speaking, catastrophe theory means cuspcatastrophe model which categorizes …     

Web服务在地震灾情数据共享业务中的应用

针对传统数据共享模式中存在的问题,如基于文件共享模式无法确保数据的安全性、完整性和效率较低,基于数据库的共享模式难以实现异构平台的集成应用等,分析了Web服务在数据共享上的优势,同时结合地震灾情数据共享业务的需求,提出了基于Web服务的地震灾情数据共享模式。通过搭建一个完整的测试环境对其进行了实验,结果证明该模式可以实现地震灾情数据安全、高效、跨平台的共享和应用。     

化学实验数据微机处理程序

化学实验数据用手工处理工作量大,而且精确度差.用MATLAB软件编写相应的程序进行处理,则既快又准确.文章提供了化学实验数据线性拟合和非线性拟合的程序,利用该程序能快速准确地得到拟合方程并显示曲线图.     

时变数据和谱数据测量中干扰数据的剔除与取代

根据时变数据和谱数据的特点，提出了时变数据和谱数据测量中干扰数据合理剔除与取代的几种方法。给出了数据采样频率是物理量变化频率１０倍、８倍和６倍以上时测量精度的适用范围。在大量时变数据和谱数据的处理中应用本文提到的方法对干扰数据进行剔除和取代，均获得了满意的实验结果。     

基于数据库的产品TDM系统设计

根据目前我国企业在产品试验数据管理方面的不足,结合计算机网络和数据库技术,提出了构建产品试验数据管理系统的方案。针对产品试验过程的数据管理特点,经过系统的分析,使用系统C/S结构的客户端建立数据模型,通过客户端的web浏览器连接到系统服务器,根据不同的操作权限对系统数据库进行读写或者管理维护。采用结构化和非结构化相结合的方式对试验数据及相关技术文档、试验资源进行有效的管理,不仅减少了相关工作人员的工作量,而且提高了工作效率,快速得到真实有效的试验数据。     

基于牛顿插值法的电子互感器数据同步分析

简单介绍了电子互感器的数据同步问题,分析了目前各种常用的同步方法及其优缺点,并对数值分析中牛顿插值算法的误差进行了理论分析和数值仿真验证.理论分析表明,牛顿插值法可以获得与拉格朗日插值法相同的精度,可以很好地同步包含高次谐波的数据,同时其乘法计算量较少,可以更快地获得同步数据.最后,采用Matlab作为仿真工具,设置了等距节点和非等距节点的采样值数据,分别进行了稳态采样值和暂态采样值最大误差计算,仿真结果证明了此方法的可行性.     

基于3级存储器的视频数据库数据分布

随着视频服务进入日常生活，数据库系统面临着海量视频数据存储问题．传统的数据库存储系统采用2层结构存储体系不能突破存储容量的限制，单纯依靠增加2级存储容量将增加系统存储代价．因而将3级存储器引入数据库势在必行．目前针对3级存储器视频数据研究还没有开展．针对如何有效地分配数据库3层结构下存储资源，提出满足媒体流连续播放条件的视频数据分布方案．该视频数据分布方案分为2个步骤：利用各层存储资源分配视频对象，然后针对第3层磁带库磁带机访问情况分配视频数据．这种方案使得磁带机工作负载达到平衡状态，从而降低存储系统存储成本，提高了工作效率．