基于改进随机游走的网络表示学习算法

现有的基于Word2vec的网络表示学习（NRL）算法使用随机游走（RW）来生成节点序列,针对随机游走倾向于选择具有较大度的节点,生成的节点序列不能很好地反映网络结构信息,从而影响表示学习性能的问题,提出了基于改进随机游走的网络表示学习算法。首先,使用RLP-MHRW算法生成节点序列,它在生成节点序列时不会偏向大度节点,得到的节点序列能更好地反映网络结构信息;然后,将节点序列投入到Skip-gram模型得到节点表示向量;最后,利用链路预测任务来测度表示学习性能。在4个真实网络数据集上进行了实验。在论文合作网络arXiv ASTRO-PH上与LINE和node2vec算法相比,链路预测的AUC值分别提升了8.9%和3.5%,其他数据集上也均有提升。实验结果表明,RLP-MHRW能有效提高基于Word2vec的网络表示学习算法的性能。     

地震资料逆时偏移中的图形处理器加速算法

叠前逆时偏移（RTM）方法是目前地震勘探领域最为精确的一种地震数据成像方法,其运用双程声波方程进行波场延拓,可实现对复杂构造介质的准确成像．文中采用互相关成像条件对震源波场与检波点波场在同时刻相关成像．针对RTM方法计算量大的问题,将图形处理器（GPU）引入到RTM计算中,充分挖掘GPU的众核结构优势,利用基于CUDA架构的并行加速算法取代传统CPU的串行运算,对逆时偏移算法中较为耗时的波场延拓和相关成像过程进行加速．复杂模型测试结果表明,在确保RTM成像精度的前提下,相比于传统CPU计算,GPU并行加速算法可大幅度地提高计算效率,进而实现基于GPU加速的叠前逆时偏移算法对复杂介质的高效率、高精度成像．     

基于GPU并行加速的VSP数据逆时偏移

基于VSP观测系统,利用VSP数据高分辨率、高信噪比的优势,采用叠前深度逆时偏移方法对VSP数据进行成像,并与地面地震叠前深度逆时偏移的成像效果比较,分析各自的成像优势及特点;在偏移处理过程中采用GPU并行加速,与传统CPU算法相对比.模型测试结果表明:VSP数据逆时偏移对地下深部地层及井旁微幅构造具有比地面地震逆时偏移更好的成像效果,而在浅层部分因接收不到浅层反射信息而不如地面地震成像清晰;在计算效率方面,GPU算法较原CPU算法提高70倍以上.该研究对深层复杂构造勘探具有一定的指导作用.     

北半球中低纬大气太阴潮汐对Es层的影响

本文采用中低纬度数个台站的数字测高仪观测数据分析了Es层参数的大气太阴半日变化,结果表明：Es的临界频率（foEs）、遮蔽频率（fbEs）及虚高（h＇Es）中均存在太阴半日周期的振荡。foEs和fbEs的太阴半日潮日变化及季节变化趋势非常相似,只是foEs太阴半日潮的幅度大于fbEs太阴半日潮的幅度,两者的相位几乎无差值。中低纬5个台站Es层参数的太阴半日潮幅度和相位的日变化值、季节变化值均不同,随纬度变化。foEs和h＇Es的太阴半日潮存在年变化,在不同年份的相同月份,Es太阴半日潮的幅度和相位均有不同。值得提出的是我们还发现武汉foEs和h＇Es的太阴半日潮最大值和武汉中层和低热层大气太阴半日潮汐风最大值出现的月份相同。     

狮子座流星雨爆发对偶发E层的影响

狮子座流星雨是比较强的周期性流星雨,出现在每年的11月14-21日。爆发的峰值一般出现在11日左右。电离层偶发E层的成因很复杂,普遍认为流星雨是影响其的因素之一。本文利用武汉电离层观测台DGS256数字测高仪1999-2003年连续5年的观测数据,分析了狮子座流星雨爆发期间,偶发E层出现率的变化情况。得到,在狮子座流星雨爆发当天和之后的1-2天,偶发E层的出现率明显增强。且在流星雨爆发后的1-2天偶发E层出现率的峰值较当天的值大。     

应用于叠前逆时偏移的拉普拉斯算子去噪法

基于双程波方程的叠前逆时偏移法是成像精度较高的偏移方法,但因受存储量大、计算量大等影响,工业化进程缓慢,其中低频噪声对构造解释精度影响很大.因此,采用高阶有限差分算法计算逆时偏移,着重研究了拉普拉斯算子滤波压制低频噪声方法.Marmousi模型的逆时偏移去噪测试结果表明,拉普拉斯算子去噪法在压制低频噪声方面比常规的高通滤波法更有效,既能保持有效信号的振幅、相位特性,又能明显改善剖面的成像效果.     

高等院校调课情况统计分析及对策研究--以黎明职业大学为例

在高等院校实际的教学运行中,经常会发生教师需要调课,从而影响教学秩序的现象。以黎明职业大学为例,对调课情况进行统计,并分析调课中存在的问题,最后提出应完善制度管理、优化师资队伍、提高教学管理水平、加强师德师风建设、加大教学设备的投入等对策思考,以保证教学的顺利运行。     

利用特殊结构声墙进行声波干涉降噪的理论可行性研究

设计特殊结构声墙,让经其反射的声波在房屋内形成干涉场,利用声波的干涉相消原理,以达到消声的目的。本文研究这种方法在理论上的可行性,推导出了矩形矩阵结构声墙的声波干涉计算公式,并利用Matlab编程绘制了公式所对应的图形。通过分析得出结论：特殊结构的声墙能形成声波干涉场,在场内部分区域上降噪在理论上是可行的,这种干涉降噪方法能在某些方面成为主流吸音降噪方法的有益补充,同时也指出了这一方法的局限性。     

基于检查点方法的各向异性介质逆时偏移

基于准P(quasi-P,qP)波方程研究了TTI介质逆时偏移方法,通过引入横波速度,改善数值模拟的稳定性。提出了联合有效内边界存储和检查点(checkpiont)方法降低存储需求的TTI介质逆时偏移成像方法,实现了震源波场的精确重建,为高精度逆时偏移成像奠定了基础,也使方法更好地适应大数据计算。借助图形处理器(Graphic Processing Unit,GPU)的高效并行计算能力,大幅度提升震源波场重建以及TTI介质逆时偏移成像的计算效率。应用BP2007各向异性理论模型数据进行测试的结果表明,TTI介质逆时偏移成像方法成像精度高、适用性强、稳定性好。     

深度学习在地震初至拾取中的应用综述

随着计算机硬件技术的不断提高,人工智能技术在各个行业的广泛应用,地震学界开始探索用深度学习算法处理地震初至波数据,为初至波的拾取研究提供了崭新的方向。为了解决传统地震波初至拾取方法对低信噪比资料拾取精度较低、算法鲁棒性较差等缺点,提高地震初至拾取速度和效率,减少耗费的人力以及人为拾取所产生的误差,该文系统地介绍了地震事件初至波拾取的常用传统方法,详细地阐述了深度学习领域内各种经典神经网络模型在地震初至波拾取中应用现状。通过实例对比分析卷积神经网络、深度信念网络、生成对抗神经网络和深度递归神经网络等模型在地震初至波拾取中的应用效果,讨论总结了深度学习在地震初至波拾取领域内应用存在问题和应用前景,为今后地震初至拾取研究提供新的思路。