三维合成炮叠前深度偏移

对国际上标准的SEG/EAEG模型进行了三维合成炮叠前偏移研究。与三维单炮叠前深度偏移不同 ,三维合成炮叠前偏移有一个叠前数据的合成过程 ,由于合成后数据量大大减少 ,所以合成炮偏移的计算量要比单炮偏移小得多。阐述了三维合成炮叠前偏移的实现过程 ,给出了相应公式。对SEG/EAEG盐丘模型的一个数据集进行了MPI并行计算 ,取得了良好的成像效果。所作的较多计算表明了三维合成炮叠前偏移的正确性和有效性 ,这为野外实际数据的三维叠前深度偏移提供了另一条有效途径。     

层状介质中重力,地震联合反演的迭代算法

本文提出一种用于层状介质中重力、地震资料联合反演层速度、层密度及弯曲界面深度的迭代算法。该方法通过引入加权最小平方目标泛函,将层状介质中的重力、地震资料联合反演问题转化成具体的优化问题。为了得到反问题的最优解,文中系统地研究了层状介质中双摄动处理技术,以及层状介质中波场摄动的一阶 Born 近似解与理论重力异常摄动解。并应用 Tarantola 的反演理论,导出了梯度算子的计算公式。然后应用最速下降法给出了求取最优解的具体算法,得到了一种类似于地震偏移与空间更投影的迭代反演方法。对理论模型进行重力、地震联合反演的结果表明,该方法不仅可碱少未知参数的个数,提高反演的收敛速度,而且可减少反演的不适定性,不失为一种可行的多参数反演方法。     

复杂构造叠后逆时深度偏移

本文从三维波动方程出发，导出了用于三维叠后逆时偏移的无层间反 波动方程，并给出了其数虎法和稳定性条件。     

朴素差分进化算法

针对变异算子学习方式的单一性,提出一种朴素变异算子,其基本思想是向优秀的个体靠近,同时远离较差个体,其实现方式是设计一种缩放因子调整策略,如果三个随机个体在某维上比较接近,则缩放因子变小,反之变大.在实验过程中通过平均适应度评价次数、成功运行次数和加速比等指标表明,基于朴素变异算子的差分进化算法能有效提高算法的收敛速度和健壮性.     

基于多几何特征的显微视觉对准控制策略

针对特定夹持器和环形物,基于搭建的微装配实验平台,提出了一种显微视觉引导下,夹持器相对于环形物的趋近运动控制策略.在垂直显微视觉引导下,基于夹持器和环形物的几何先验知识,实现了夹持器和环形物的多几何特征提取,从而实现了二者相对位置检测,并且根据夹持器头的几何先验知识及显微视觉检测结果,实现了对夹持器头的持续跟踪.在视觉信息反馈下,采用变结构控制器控制夹持器的运动,实现了对夹持器的快速稳定运动控制.实验结果验证了该运动控制策略的有效性.     

基于核方法的强化学习算法

传统的强化学习算法通常假设状态空间和行动空间是离散的,而实际上很多问题的状态空间是连续的,这就大大地限制了强化学习在实际中的应用.为克服以上不足,本文提出了一种基于核方法的强化学习算法,能直接处理具有连续状态空间的问题.最后,通过具有连续状态空间和离散行动空间的mountain car问题来验证算法.实验表明,这种算法在处理具有连续状态空间的问题时,和传统的先把状态空间离散化的方法相比,能以较少的训练数据收敛到更好的策略.     

基于可加性模糊系统的负荷时间序列预测

本文依据可加性模糊系统理论，提出了一种新的预测方法，利用聚类方法与有监督学习相结合的训练方法，提高了系统的函数逼近能力。仿真结果表明，系统学习速度快、预测精度高，在电力负荷时间序列预测中获得相当满意的结果。     

基于模糊聚类理论的电力系统短期负荷预测的方法

依据模糊聚类理论 ,提出一种短期负荷预测的新方法 ,应用相应的隶属度来描述负荷与影响负荷因素之间的关系。实践表明 :该方法可以较多的考虑各种影响因素 ,从而较大地提高了预测的精度。     

基于流形正则化的文档分类算法研究

基于流形正则化框架提出一种分类算法(MI_I}RI_SC),以解决高维文档分类问题。该算法通过构建训练样 本的最近部图来佑计数据空间的几何结构并将其作为流形正则化项,结合多变量线性回归获得高维文档的低维流形 结构,并采用k近部分类器对低维流形进行分类,得到针对多类问题的分类器。该算法能够充分利用训练样本的类别 信息来帮助学习以提取有效特征。通过在Rcutcrs 21578数据集上的实验,证明该算法的分类性能和运行速度比传统 分类器有较大的提高。     

一种消除5英寸软盘坏磁道的方法

软磁盘是微机上使用较多的存储材料,也是较容易损坏的一种材料.尤其是5英寸盘,盘面较软,磁介质外露,稍有弯折或玷污盘面就容易产生坏磁道.有的磁盘因使用时间较长或搁置太久也会产生坏磁道.一般有少量坏磁道的磁盘还免强可用,如果坏磁道很多或者零磁道损坏,就无法使用了.下面介绍一种本人摸索到的非常简单而实用的方法,可以减少甚至消除5英寸软盘的坏磁道.