基于深度学习的大地电磁二维反演方法

如何通过大地电磁测深反演方法来提高数据解释的精度一直都是大地电磁测深研究领域的重要课题。针对大地电磁传统反演方法存在的初始模型依赖、易陷入局部最优的问题,提出了一种基于深度学习的大地电磁二维反演方法。该方法首先设计GoogLeNetINV神经网络;接着构造多种地电模型,在TM模式下通过正演得到视电阻率数据,组成训练数据集;然后用训练数据集训练该神经网络并调整网络参数;最后,将视电阻率数据输入已训练好的GoogLeNetINV神经网络直接得到反演结果。实验结果表明,该方法能快速、准确地反演出“未学习”过地电模型的位置和电阻率数据,具有较好的泛化能力;使用噪声数据测试仍能取得良好的反演结果,有一定的抗噪声能力。将该神经网络应用于Bendigo Zone实际数据资料处理中,反演得到的电阻率模型与地震解释一致,因此基于深度学习的大地电磁反演方法能有效解决大地电磁反演问题。

基于全卷积残差收缩网络的地震波阻抗反演

卷积神经网络对地震波阻抗反演已经能取得不错的效果,但反演精度、抗噪声性能有待提高,针对此问题,本文提出了一种基于带逐通道阈值的全卷积残差收缩网络(FCRSN-CW)的地震波阻抗反演方法。该方法首先在残差网络的结构上加入了“注意力机制”和“软阈值化”构成反演网络,然后用波阻抗数据通过正演计算得到合成地震数据集,接着用该数据集训练全卷积残差收缩网络,最后将地震数据输入到训练好的网络中,直接得到反演结果。理论模型反演结果表明,该网络能准确地反演出波阻抗,具有良好的学习能力和抗噪声性能。实测数据反演结果表明,该方法能有效解决地震波阻抗反演问题。

桥接机制调节作用下企业环境伦理与企业绩效的关系

全球自然环境的恶化和资源的严重枯竭,使得绿色创新成为企业提高效率和未来可持续发展的重要途径。企业对环境保护的重视,在短期内可以提高企业的社会声誉,从长远看更能增加企业的盈利能力和市场价值,然而,作为企业内部结构重要组成部分的企业环境伦理是否影响以及如何影响企业绩效的相关研究却很少。文章依据自然资源基础观理论,建立了企业环境伦理、绿色创新和企业绩效之间的联系。对一组来自中国制造企业的调查数据进行适度中介分析,结果表明,企业内部高水平的环境伦理对企业绩效具有积极影响;而绿色创新作为中介因素,是企业环境伦理转化为企业绩效的有效路径;此外,桥接机制在企业通过绿色创新获得绩效的过程中起到了负向调节作用。本研究解释了企业如何将绿色思维转化为实际成果,为企业管理者和政府决策者提供了有益的管理策略建议。