基于运动学波场属性的改进共反射面元叠加

共反射面元叠加算子考虑了地下反射层的局部地质特征,处理时将目标反射点邻域内所有反射点信息进行校正和叠加,可以获得高质量的零偏移距剖面。在叠加过程中得到反映地下信息的运动学波场属性剖面,基于属性参数计算得到深度成像点在时间域对应的投影第一菲涅尔带的范围,将其作为改进的叠加孔径,可有效地提高叠加剖面的振幅和横向分辨率。模型试算和实际资料的处理表明,与传统的共反射面元叠加剖面相比,改进的叠加剖面有着更高的信噪比和同相轴连续性。     

基于神经网络和决策树算法的裂变产物核(n,2n)反应截面研究

为了大规模预言缺少实验测量的裂变产物核反应截面数据，在整理现有(n, 2n)反应截面5 294个实验数据的基础上，分析相关的物理特征建立实验数据集，分别构建和训练反向传播神经网络和极致梯度提升树模型学习数据。神经网络的隐藏层包含两个子网络，分别由2层各128个神经元构成。极致梯度提升树模型集成了16棵决策树。结果表明，虽然(n, 2n)反应截面实验测量数据大多集中分布在中子入射能量14 MeV附近，且相互之间存在分歧，本工作机器学习模型均可较好描述反应截面的实验测量数据，具有较好的预言能力，对于缺少实验数据的情况同样与评价数据库基本符合。人工神经网络模型在测试集中预测结果与实验数据平均相对偏差小于10%的数据占比超过85%。机器学习方法能为核数据评价研究提供参考。     

神经网络方法分析U同位素链裂变核反应截面

本文利用前馈神经网络方法分析U同位素链实验测量裂变核反应截面数据。采用包含4个输入量、1个输出量和3层隐藏层的前馈神经网络，对U同位素链实验测量裂变截面数据进行训练，并利用贝叶斯算法对网络中的超参数进行优化，最终得到整个铀同位素链随入射中子能量变化的裂变截面数据。神经网络方法产生的裂变截面数据能很好地再现裂变截面的阶梯结构，与实验和评价数据的结果十分接近。