矿井张量电阻率法理论基础研究

煤矿采掘活动诱发的局部和微观电各向异性特征时空演变规律有望成为煤矿动力灾害预测预报的新机制。张量电阻率测量是掌握和认识电各向异性特征的重要方法途径,煤矿井下具有开展张量电阻率测量的独特优势。在岩石电各向异性物理机制分析的基础上,结合煤矿井下实际,提出了适合煤矿井下条件的张量电阻率测量方法。以层状各向异性介质模型为例,采用模拟计算的方法对地层倾角、走向变化时的视电阻率方向特性进行了分析;建立了巷道底板岩溶发育全空间模型,从宏观电各向异性的角度分析和验证了电阻率测量所具有的方向性。研究结果表明,采动影响使煤岩体具有电各向异性特征,采动裂隙内的水气富集程度也对煤层横向和纵向电阻率产生明显影响;含水量越大,各向异性系数越高。受上覆和下伏地层电阻率影响,各向异性地层的张量电阻率幅值显示出层状地层的综合反映;其电阻率幅值与裂隙带倾角大小有关,不受地层走向影响,但视电阻率的椭圆分布会随地层走向而发生旋转,旋转的角度依赖于地层走向的变化。这说明采动岩体变形、破坏与流体运移必然会引起含煤地层电各向异性特征的规律性时空演变。通过实时动态测量煤岩体的张量电阻率,可以识别和发现因采掘活动、流体运移引起的局部、微观电各向异性特征。在应力峰值未到达之前,及时捕捉煤矿动力灾害孕育、发展的先兆信息,并在应力释放前的可逆阶段采取预防措施,可从源头上避免煤矿重大动力灾害的发生。     

基于张量计算的卷积神经网络语义表示学习

卷积神经网络已在多个领域取得了优异的性能表现,然而由于其不透明的内部状态,其可解释性依然面临很大的挑战.其中一个原因是卷积神经网络以像素级特征为输入,逐层地抽取高级别特征,然而这些高层特征依然十分抽象,人类不能直观理解.为了解决这一问题,我们需要表征出网络中隐藏的人类可理解的语义概念.本文通过预先定义语义概念数据集(例如红色、条纹、斑点、狗),得到这些语义在网络某一层的特征图,将这些特征图作为数据,训练一个张量分类器.我们将与分界面正交的张量称为语义激活张量(Semantic Activation Tensors,SATs),每个SAT都指向对应的语义概念.相对于向量分类器,张量分类器可以保留张量数据的原始结构.在卷积网络中,每个特征图中都包含了位置信息和通道信息,如果将其简单地展开成向量形式,这会破坏其结构信息,导致最终分类精度的降低.本文使用SAT与网络梯度的内积来量化语义对分类结果的重要程度,此方法称为TSAT(Testing with SATs).例如,条纹对斑马的预测结果有多大影响.本文以图像分类网络作为解释对象,数据集选取Image Net,在Res Net50和Incep...     

中国西部钻孔应变仪台网工作回顾与前瞻

中国西部钻孔应变仪观测台网始建于上世纪80年代末期，采用的RZB-1型电容式钻孔应变仪具有10^-10量级的应变灵敏度和小于10^-7/a的飘移。9台仪器分别安装在新疆、甘肃与四川的乌什、西昌和武都等台站，以观测因构造活动引起的地壳应变能的积累，并研究相关的地震前兆特征。总结了台网建设与观测工作，及其用于对台站附近发生的强震的监测预报结果。其中，4种类型的震前异常应变变化较为明显：(1)应变固体潮畸变与年周变畸变；(2)幅度达10^-6应变的积累．并伴随压、张性跳变；(3)异常应变积累持续时间达数月；(4)测得的主应力方向震前向震中方向偏转。最后，对发展我国井下观测技术提出了3点建议。     

建筑结构动力时程响应分析与计算的新方法

基于状态空间理论分析与计算结构动力时程响应问题,根据结构动力学方程,引入结构系统的状态变量,建立结构动力时程响应分析的状态方程,并给出非齐次状态方程的解。对于求解矩阵指数函数有多种解法,着重介绍了凯莱哈密尔顿法、状态空间迭代法和精细积分法。对结构动力时程响应问题按三种解法分别建立了计算格式,并编制了相应计算程序。给出若干数值算例,其计算结果表明,状态空间法分析计算结构动力时程响应精度好、效率高,是一种非常有效的方法。     

裂隙的工程地质调查与损伤效应

本文将岩体中的宏观裂隙体视为岩体的一种初始损伤，给出了岩体的各向异性宏观损伤张量与裂隙间断位移引起的损伤应变张量，建立了以岩体体平均应力应变为基本变量的等效连续模型。同时，还讨论了如何通过现场工程地质调查，以获取确定岩体宏观损伤性质的工程地质信息。     

张量鲁棒主成分分析及其在故障诊断中的应用

通常采集到的机械设备振动信号具有典型的非线性、非平稳特性,并且含有强背景噪声。一种新的张量鲁棒主成分分析方法被提出,该方法假设张量数据能被分解为代表信号特征的低秩成分和代表噪声的稀疏成分的叠加。首先将采集的一维信号重构到三维张量空间,然后通过求解一个凸优化问题来提取张量数据的低秩特征成分,从而实现信号的特征提取。该问题实质是由Tucker分解模型相关的Tucker秩凸包络的核范数和稀疏成分范数的联合最小化问题。分别通过仿真实验和实测的轴承外圈故障信号进行分析,结果表明提出的方法能成功的提取故障特征信息。     

基于张量分解融合RGB-D图像的物体识别

为了充分利用RGB-D图像的深度图像信息，提出了基于张量分解的物体识别方法。首先将RGB-D图像构造成一个四阶张量，然后将该四阶张量分解为一个核心张量和四个因子矩阵，再利用相应的因子矩阵将原张量进行投影，获得融合后的RGB-D数据，最后输入到卷积神经网络中进行识别。RGB-D数据集中三组相似物体的识别结果表明，利用张量分解融合RGB-D图像的物体识别准确率高于未采用张量分解的物体识别准确率，并且单一错分实例的准确率最高可提升99%。     

一种自适应的混合协同过滤推荐算法

为解决协同过滤算法在处理数据量较大时存在推荐效率低的问题,提出一种自适应混合协同推荐算法。根据待推荐用户活跃度和目标物品新鲜度调节模型权重,基于张量分解计算物品间的相似度,通过短路径枚举叠加生成预测结果。实验结果表明,与CBCF算法相比,该算法推荐准确率提高了28.6%。     

基于张量四元数极化平滑的极化-DOA估计

为了解决相干信号的极化平滑算法在小快拍数和低信噪比条件下估计性能较差的问题,结合四元数的正交特性和协方差张量方法,提出了一种基于张量四元数的极化平滑多重信号分类（Multiple Signal Classification,MUSIC）解相干算法。首先,为了充分利用接收数据样本中的多维结构信息,建立了由张量四元数表示的柱面共形阵列极化平滑信号模型;其次,将平滑后的张量协方差矩阵通过高阶奇异值分解得到信号子空间;最后,通过极化秩亏MUSIC算法对入射相干信号分别进行二维波达方向（Direction of Arrival,DOA）估计和极化参数估计。仿真结果表明,该算法在小快拍数和低信噪比条件下具有更高的估计精度和分辨能力。     

基于张量投票的空域错误隐藏算法

针对现有空域错误隐藏算法对复杂纹理恢复精度不高的问题,提出了一种基于张量投票的错误隐藏算法,利用张量投票提取的结构信息改善复杂纹理区域的恢复效果,并在此基础上结合传统算法提出了改进的空域错误隐藏算法,即首先对丢失宏块分类,然后根据丢失宏块的类型选取合适的隐藏算法。实验表明,该算法有效地提高了恢复精度,避免了边缘错乱现象,尤其在纹理较复杂的区域,能够使隐藏图像的主客观质量有较大提高。