数学形态学和K-SVD字典学习在大地电磁数据去噪中的应用

为解决大地电磁(Magnetotelluric,MT)常规的时间域去噪方法对于1 Hz附近噪声压制的局限性问题,提出了一种基于数学形态滤波(Mathematical morphological filtering,MMF)和K-SVD(K-Singular value decomposition)字典学习的新型去噪方法,用于压制MT信号中低频数据1Hz附近的强人文噪声。首先,利用MMF分离出低频信号,对该低频信号进行保护以防止信号丢失;然后,使用K-SVD字典学习对剩余的含噪信号进行处理,通过从观测数据中自主学习获取噪声的特征结构,提取噪声轮廓,达到去除噪声的目的。利用一个合成数据集验证算法后,对两个实测数据进行处理,结果表明:该方法可以在几乎不损失有效信号的前提下,消除各种强人文噪声,信噪比大幅提升,数据质量得到很大改善,且去噪效果优于小波变换等传统方法。

基于双采样随机森林的临滑阶段的预测算法:以湖北黄石5号铁矿石治理地块为例

针对碎石土边坡监测过程中滑坡稳定变形期与临滑阶段监测数据量严重不匹配,导致临滑阶段数据量偏小,从而产生的非平衡数据集造成预判不准确的问题,提出了一种基于DST随机森林的碎石土边坡临滑阶段地表位移的预测算法。首先,采用过采样和欠采样相结合的双采样技术(double sampling technique,DST)对地表位移中的非平衡数据集进行采集,然后,通过随机森林预测算法有放回的随机抽样进行预测,最后,通过实验得出预测结果。结果表明:DST随机森林预测算法相比于普通随机森林预测算法预测误差率降低到3.39%,证明双采样技术(DST)采集临滑阶段非平衡数据集的必要性。

三峡库区地质灾害监测分析与发展探讨

本文结合三峡库区地质灾害监测预警建设历程、地质灾害监测分析现状及面临的问题,从地质灾害监测分析概念和内涵、发展趋势等方面进行了探讨,获得了以下认识:(1)探讨了地质灾害监测分析的内涵,提出了地质灾害监测分析的定义,即围绕着监测目的、监测内容和监测方法,对地质灾害监测数据及相关成果资料开展综合性分析的工作,针对预警预报、防控决策、施工安全、工程效果等不同监测目的,总结了地质灾害监测分析的主要内容;(2)面对多源、异构、实时、海量的地质灾害监测及相关数据,发展地质灾害智能化监测分析系统,实现地质灾害监测数据、分析技术方法、应用服务以及监测分析工作流程化等方面有效集成,是破解监测分析困境和问题的关键。

一种气溶胶采集中环境参数实时监测软件设计

放射性气溶胶与人体健康安全息息相关,为了研究环境参数对放射性气溶胶浓度的影响,设计并实现了基于ARM-Android平台的气溶胶采集过程屮环境参数实时监测软件。系统采用ARM主控制器对环境参数进行移动式采集、蓝牙串口进行数据通信、上位机软件进行数据解析处理,实现了环境参数的实时显示、采集轨迹的动态绘制以及数据的本地存储。经测试,该软件具有良好的交互界面,能够实时准确地监测采集过程中环境参数的变化情况,满足了数据采集系统的设计要求。