简介:云状的正确观测对降水测报具有指示性意义,云状自动识别技术是气象要素自动化观测领域的难题之一.本文基于全天空可见光成像仪采集的云图与中红外热像仪获取的云图结合,对天空云状进行分类和测量.结果表明:通过在北京、杭州和丽江气象台站采集的大量云图,从云图特征和降水指示性方面将云状划分为Clear、CH、CL、CB及CM共5类.选取14个色彩和纹理特征值作为云状计算参数,采用552张云图作为训练样本,信息分类利用特征值加权最小距离算法,对于5类50个被测样本进行云状的判别.对应自拟的标准云状分类,平均准确率为82%.基于可见光-红外图像信息融合的云状识别方法结合了可见光图像色彩信息丰富的特点及红外图像可以降低雾霾干扰的优势,对比单-可见光传感器云测量,准确性有所提高.本文在可见光与红外图像传感器等多种云观测设备的信息融合方面进行了有益的尝试.
简介:摘要:近年来,社会进步迅速,我国的基础建设的发展也有了改善。随着我国经济的飞速发展,人们的收入水平也不断提高,消费者对便利快捷的网上购物越来越热衷起来,电商也从无到有的迅猛发展起来。国家邮政局局长马军胜曾表示,我国已经成长为世界上发展最快、最具活力的新兴寄递市场,包裹快递量超过美、日、欧等发达经济体总和,对全球增长贡献率超过50%,已经成为全球邮政业的动力源和稳定器,快递行业在国民经济的发展中越来越重要。据调查数据显示,2019年全国快递业务量突破600亿件,累计完成635.2亿件,同比增长25.3%,增量规模连续两年超过100亿件。全国快递企业日均快件处理量超1.7亿件,同比增长25.3%,最高日处理量达5.4亿件,同比增长28.5%。快递业务收入累计完成7497.8亿元,同比增长24.2%。2020年快递业受疫情影响巨大,但是随着企业复工复产,进入6月以来,我国快递日均业务量接近2.6亿件。但是,中国的快递业发展时间过短,整个行业的运行机制还不够健全,导致快递终端的效率低下,容易发生爆仓等问题,引起了很多消费者的不满,给快递公司也造成了经济上的损失。随着“智慧物流”的首次提出,如何提高物流系统的智能化、自动化便成了当今物流领域的研究重点。于是物流领域就出现了利用条形码来存储信息,通过识别条形码可以检索到放在数据库中的客户信息以及快递信息。条形码的出现让物流变得智能化起来,但还是存在一些问题。比如条形码印刷不合格或者快递在传输过程中条形码遭到破坏,都会导致条形码读取的成功率。
简介:新的钻井工艺或钻井液体系的使用在保证钻井施工顺利进行的同时,也给录井岩屑的岩性识别带来了极大的挑战,其中以膏盐岩地层尤为突出。以塔里木油田大北X井为例,提出了主成分分析(PCA)与径向基函数(RBF)神经网络相结合的膏盐岩地层岩性识别方法,利用主成分分析法去除指标变量间的相关性,将原始指标变量重新线性组合为4项综合变量作为RBF神经网络的输入向量;最后建立适于识别膏盐岩地层岩性的RBF神经网络模型。实际识别结果表明,该PCA-RBF神经网络模型对于膏盐岩地层岩性的识别具有较高的准确性,完全可以满足实际应用的要求,具有进一步推广的价值。
简介:边界识别是重磁数据解释中的常用方法之一,依据其结果可划分出地质体的水平范围。边界识别结果受地质体埋深及导数计算误差的影响所识别边界与真实边界之间存在一定的差距,且边界识别法无法直观地给出地质体的深度信息。为了获得异常体的水平位置和深度信息,本文提出空间归一化边界识别方法,其对不同深度的边界识别函数进行归一化计算,空间归一化边界识别法的最大值对应于异常体的水平位置和深度。常规边界识别结果的误差随理深的减小而减小,而空间归一化边界识别法是通过最大值来判断地质体的位置,最大值是在地质体处获得,因此归一化边界识别方法所获得的结果是准确的。通过理论模型试验证明归一化边界识别方法能有效地完成异常体的水平位置和深度的计算,所获得的水平位置和深度信息与理论值相一致,为下一步的勘探计划提供了更加可靠的依据。将其应用于实际航磁数据的解释,获得了断裂的具体分布形式。更多还原
简介:根据同步分析多种属性和分析在三维体中形成的四维异常,明显地改进了时延地震可视检验的程序。一种模式识别方法用于结合来自多属性的互补信息并监测四维异常。该方法由两个步骤构成——分析步骤与识别步骤。分析步骤目的在于发现四维异常的有代表性样本。而在识别步骤中,这些样本用于训练神经网络以便识别四维异常响应不同于背景响应。它表明了样本的选择极为重要而且应该与时延研究的目标相对应。与常规单一属性分析相比,它显示了无重复噪声的明显减少。此外它还展示了指导时延分析(辨别不同类型的四维异常)方法的潜力。一般说来,非重复噪声可以降低四维地震表征工程的价值。代价不菲的专用采集方法可能减少非重复噪声。在这次研究中,证明了用本文所叙述的高代价监测技术能够减小非重复性噪声。
简介:摘要:在当今世界,科学技术突飞猛进,出现了许多类似于大数据、云计算等高级技术,基于这类技术,信息全球化的步伐进一步加快。互联网已经融入到人们的日常生活中,QQ、微信、抖音等一系列的软件给我们的生活带来了极大的便利,在这些便利的背后,还有一些安全问题值得我们去思考。
简介:通过地震数据获取裂缝储藏中流体的性质并对流体类型进行识别,是地震勘探岩性反演的重要问题之一。由于地震波的速度、储层的密度等弹性参数对某些流体不具有很强的敏感性,使只依赖振幅信息进行流体识别的传统AVO方法面临困境。作为传统叠前振幅反演的一个拓展,频变AVO(FDAVO)技术进一步考虑了振幅对频率的依赖关系,将这种依赖关系与地下裂缝结构、流体填充对应起来,能带来更丰富的流体信息。利用该技术,本文提出了一种基于地震数据参数化Chapman模型的贝叶斯反演新方法(BIDCMP),它包含两步算法,即,FDAVO反演储层的非弹性属性和贝叶斯框架下的流体识别。首先,通过匹配观测数据和模型数据,构造差函数反演裂缝储层非弹性参数。随后,在贝叶斯框架下,使用马尔科夫随机场(MRF)作为先验模型,联合多参数场识别流体。本方法在计算过程中,除综合考虑了弹性参数场、测井资料等常规信息外,还特别地加人了第一步中反演得的非弹性参数的约束,从而充分利用了流体粘性差异,最后在最大后验概率(MAP)准则下输出最佳岩性一流体识别结果。分别对合成地震记录和模拟岩性—流体剖面验证本文方法的有效性,结果证明本文方法获得的流体识别结果准确可信。