基于CUDA快速体数据梯度计算的实时体绘制研究

在体绘制的光线投射算法中,需要传递函数确定体数据对光学属性的映射.体数据梯度是传递函数的常用参数.为了提高三维绘制精度,使用精确的三维Sobel算子进行体数据梯度幅值计算,但由于采用Sobel算子进行计算时计算量十分庞大,因此在计算统一设备构架(Compute Unified Device Architecture,CUDA)下对算法进行并行加速.在此基础上分析并研究了一种基于CUDA快速体数据梯度计算的体绘制算法,达到了梯度的实时计算.实验证明该算法能够在PC机上实现精确的序列图像实时体绘制.

基于物性一致性的重力及其梯度数据协同反演方法

重力及其梯度数据可有效反映地下密度变化。为获得高分辨率的密度结果,笔者基于重力及其梯度数据的物性一致性特征,提出一种重力及其梯度数据协同反演方法,该方法将单分量数据的反演结果作为重力及其梯度数据联合反演的约束项,能够更好地结合不同分量数据的分辨率特征。模型实验表明,与单分量反演和交叉梯度反演方法相比,所提出的方法可以得到更高分辨率的反演结果,并且具有较强的抗噪能力。证明了基于物性一致性的重力及其计算梯度数据协同反演仍然可以得到高分辨率的结果。将该方法应用于长白山卫星重力及其计算梯度数据,获得的密度反演结果揭示了该地区的岩浆系统。

基于源体生长思想的全张量重力梯度数据联合反演

基于源体生长思想的三维反演是一种使用系统搜索的反演方法。和正则化反演相比,该方法计算量小,运算速度快。源体生长的判断准则是其核心,影响着结果质量。本文提出了一种全张量重力梯度数据源体生长反演方法,旨在提高纵向的反演效果。首先,在判断准则中引入深度加权函数,优化对不同深度上源体生长的判断;其次,根据单分量梯度数据反演结果,调整不同类型数据的权重,建立联合反演方法;最后,利用矩阵压缩减少内存占用,提高反演计算效率。通过模型数据与文顿盐丘地区实测数据试验,证明了提出的方法能够有效地引导源体生长,对深部目标具有更高的分辨能力,适用于较复杂形态目标的反演,且具有较高的计算效率和抗噪性。

重力和重力梯度数据三维相关成像

本文提出了重力异常三维相关成像方法和重力梯度数据三维相关成像方法,并提出了基于异常分离的三维相关成像方法来提高成像分辨率.通过合成Y型岩脉模型和合成多个直立长方体组合模型的重力异常和重力梯度数据试验分析,验证了本文三维相关成像方法可显示出异常地质体的空间赋存状态和等效剩余质量分布,具有良好的纵向和横向分辨率.

重力数据的平面全张量梯度角度边界识别方法

在倾斜角和θ图等传统边界识别方法基础上,通过对二者相互关系的分析,明确这两种方法均属于角度边界识别,并论述其他相关角度边界识别方法的理论依据及方法的特点。针对这些方法在识别深部地质体边界时产生偏移的问题,引入全张量梯度处理手段。将水平面视为整个与垂直方向相对的分量,利用水平梯度分量Vx和Vy的三方向导数Vxx,Vxy,Vxz和Vyy,Vyx,Vyz的矢量特征,进行类似于倾斜角和θ图方法的比值计算,提出平面全张量梯度的角度边界识别和增强方法。模型试验表明,该方法具有更加准确的探测效果,可显示更多细节特征。塔里木盆地实测重力数据处理结果与地质资料对比表明,本文方法在构造单元分析中有良好的应用效果。

卫星重力梯度观测数据L1级构建方法

高精度重力梯度观测数据L1级构建的系统方法是推进我国自主重力卫星任务重要的基础数据处理技术.本文以GOCE卫星L1级数据预处理技术和关键载荷原始数据为参考,面向我国发展的梯度测量卫星的任务需要,系统研究并初步实现了卫星重力梯度观测数据L1级构建方法,主要包括加速度计电压数据转换、多星敏感器联合姿态数据的角速度重建、卫星重力梯度分量构建等技术内容.计算结果表明,加速度计超灵敏轴精度为10^(-10)~10^(-11) m·s^(-2)·Hz^(-1/2),达到重力梯度仪设计精度要求;多星敏感器联合解算最佳姿态角速度w y、w z在10~100 mHz内精度约提升1个量级,其精度约达到10^(-5) rad·s^(-1)·Hz^(-1/2)量级,能够有效抑制低精度角速度分量在坐标系转换中导致的噪声传播;基于维纳滤波方法恢复的角速度在5~100 mHz频段内的平方根功率谱密度提升了(5.21~6.56)×10^(-11) rad·s^(-1)·Hz^(-1/2),显示了基于高精度角速度解算重力梯度分量的必要性;构建重力梯度各分量计算值与全球重力场和海洋环流探测器(GOCE)官方公布的重力梯度分量精度相当,其梯度张量的迹在20~100 mHz频段范围内约为10 mE·Hz^(-1/2),验证了本文构建方法的有效性.研究工作可为下一步我国推进实施民用重力梯度测量卫星任务提供自主的原始数据处理技术支撑与储备.

数据立方梯度的联机挖掘

数据立方梯度是关联规则更富表达能力的扩展 ,可以通过带约束的数据立方梯度挖掘发现用户关心的各种数据变化趋势。研究了数据立方梯度的联机挖掘问题 ,并给出了基于BU BST浓缩数据立方的具体实现方案。利用联机分析处理服务中预先计算的数据立方进行数据立方梯度的联机挖掘 ,不仅可以消除同时保存立方梯度和立方元组而带来的冗余 。

dmGQL:一种新的数据立方梯度查询语言

现有数据立方梯度查询语言CubegradeQL主要是针对非实例化数据立方的,实际上,为了提高OLAP查询效率,数据仓库中往往保存了大量实例化的数据立方。本文我们改进了CubegradeQL语言,给出了一个新的查询语言dmGQL,dmGQL能够支持实例化/非实例化数据立方中的梯度查询,最后,我们讨论了dmGQL的查询处理。

基于深度加权的多分量重力梯度数据联合相关成像方法

针对重力勘探中相关成像存在纵向分辨率较低的问题,提出基于深度加权的多分量重力梯度数据联合相关成像方法。与重力异常数据相比,重力梯度数据具有更高的信噪比、包含更多的频率信息。因此,本文在相关成像原理基础上联合多分量重力梯度数据,引入基于先验信息的深度加权函数,通过对研究区域进行划分,进一步提高深度加权效果。利用长方体组合理论模型确定了最佳梯度数据组合,验证了深度加权函数能够提高纵向成像效果;提出的方法还被证明具有抗噪性。将该方法应用于文顿盐丘区域的实测重力梯度数据,结果能够清晰地显示盖岩的位置。

基于数据空间和稀疏约束的三维重力和重力梯度数据联合反演

随着重力和重力梯度测量技术的日趋成熟,基于重力和重力梯度数据的反演技术得到了广泛关注.针对反演多解性严重、计算效率低和内存消耗大等难点问题,本文开展了三维重力和重力梯度数据的联合反演研究,该方法结合重力和重力梯度两种数据,将L0范数正则化项加入到目标函数中,并在数据空间下采用改进的共轭梯度算法求解反演最优化问题.同时,本文摒弃了依赖先验信息的深度加权函数,引入了自适应模型积分灵敏度矩阵,用来克服因重力和重力梯度数据核函数随深度增加而衰减引起的趋肤效应问题.为了提高反演计算效率,本文又推导出基于规则网格化的重力和重力梯度快速正演计算方法.模拟试算表明,改进的共轭梯度法可以降低反演的迭代次数,提高反演的收敛速度;自适应模型积分灵敏度矩阵,可以有效解决趋肤效应,提高反演纵向分辨能力;数据空间和改进的共轭梯度算法结合,可以更好地降低反演求解方程的维度,避免存储灵敏度矩阵,有效地降低反演计算时间和内存消耗量.野外实例表明,该算法可以在普通计算机下快速地获得地下密度分布模型,表现出较强的稳定性和适用性.

基于共轭梯度算法的重力梯度数据三维聚焦反演研究

重力梯度数据相对于传统重力数据,能够更细致、准确地描述地球浅部构造和研究矿产资源分布等信息.本文采用共轭梯度算法,在加权密度域求解重力梯度数据三维聚焦反演最优化问题,以恢复地下三维密度分布,目标函数包括数据不拟合函数和最小支撑稳定函数.首先,在推导目标函数对加权密度的一阶导数时,为了得到更合理的计算公式,我们考虑变加权函数中含有密度变量;此外,本文通过密度上下限约束,改善了传统聚焦反演中聚焦因子选取困难的问题.新算法获得的反演结果,对聚焦因子的选择约束较少,相比传统聚焦算法,能够更容易的获得理想结果.将方法应用于理论模型验证其有效性和正确性,并应用本文方法处理文顿盐丘地区的航空全张量重力梯度数据,得到了与已知地质信息匹配的密度分布,表明本文方法具有处理实际数据的能力.

重力和重力梯度数据联合聚焦反演方法

重力数据包含较多的低频信息,重力梯度数据包含较多的高频信息,将重力数据和重力梯度数据进行联合反演得到的结果更加可信.本文基于聚焦反演方法,实现了这一过程.因为联合反演中分量种类增加,所以计算灵敏度矩阵所需要的时间增加,为此,本文提出了一种快速计算灵敏度矩阵的方法.因为联合反演对内存的要求增大,本文选择有限内存BFGS拟牛顿法求解反演问题.本文通过再加权的方法实现深度加权.文中利用单一分量的反演结果来预测异常体的埋深信息,随后将埋深信息结合到深度加权函数中,将其用于多分量组合反演计算.给出了模型试验,发现预测得到的异常体的埋深信息与其实际埋深存在偏差,但是将这一信息应用到反演计算,能够得到与真实模型一致的结果.之后,本文通过模型试验来探究重力和重力梯度联合反演的优势,发现将重力和重力梯度数据联合,能够识别出额外的噪声,反演得到的模型更加合理.但是,对于不同分量组合得到的反演结果是相近的,反演模型的提高很小.最后,将联合反演方法应用到美国路易斯安那州Vinton岩丘的实际数据中,结果显示,将重力和重力梯度数据联合反演,反演模型得到了提高,反演得到的结果与地质资料吻合.

基于深度加权的重力梯度数据联合相关成像反演

针对矿产勘查中相关成像反演存在的纵向分辨率较低的问题,提出了一种基于深度加权的重力梯度数据相关成像反演方法.通过联合多个重力梯度分量、引入基于先验信息的深度加权函数与地下空间分区加权等方法,提高反演的纵向空间分辨率.在数据试验中,利用立方体组合模型证实了提出的方法能够准确反演出目标体的空间位置,计算的密度数值范围与理论模型基本一致,且方法具有一定的抗噪能力.将反演应用于美国文顿盐丘地区的实测重力梯度数据,结果显示出的盖岩位置与已知地质资料相符,证明了本文方法具有可行性和实用性.

重力梯度数据的联合相关系数边界识别方法

为了提高重力数据对地下结构边界识别的分辨率,改善成像效果,利用重力梯度数据计算x、y方向总水平导数的相关系数,检测地质体边界;联合多方向窗口的相关系数增强识别效果;利用数字图像处理中二值化与阈值处理的方法进一步突出识别出的边界。理论模型试验证明该方法能够很好地识别模型边界,特别是拐角位置。还讨论了窗口大小、观测点距、线距对识别结果的影响。将该方法应用于加拿大圣乔治湾地区的实际航测数据,识别出了主要的地下构造边界。模型数据和实测航空数据计算结果表明,该方法具有理论简单、对地质体边界识别效果好等优点。

多分量重力梯度数据联合欧拉反褶积与软件系统设计

和传统欧拉反褶积相比,重力梯度数据联合欧拉反褶积具有更高的计算精度和反演分辨率。为了消除计算产生的发散解,在应用中须使用不同的筛选方法,使得计算流程变得相对繁琐。可见提供有效的筛选方法与开发一个易用的可视化软件有利于提高该方法的准确性、便捷性和使用效果。因此,本文提出基于相关系数边界识别约束的重力梯度数据联合欧拉反褶积,并依据界面直观、功能实用、代码简洁的设计原则,针对算法流程与功能需求,利用Python语言及其函数库设计了一种支持数据/文件管理、二/三维可视化、边界识别、重力梯度数据联合欧拉反褶积等功能的软件系统。通过理论模型与实测数据试验,验证了计算的准确性和软件的实用性,设计的软件系统能够提高应用效果。

重磁(梯度)张量数据边界识别方法研究

边界识别是重力数据解释的常规任务之一,但地质体的边界不能很好地与重力原始异常数据对应,而与重磁异常水平导数极大值、垂直导数零值相对应,因此大多利用该性质完成重磁边界识别任务。研究发现,现有边界识别方法会出现虚假边界,针对现有边界识别方法进行总结,并针对多余边界问题进行改进,提出新的边界识别,通过模型试验和实际数据证明,该方法可有效地去除多余边界,且降低了噪声的干扰,为重磁数据边界识别方法提供新的思路。

深度残差网络下的电缆隧道低压故障检测

针对数据梯度消失导致电缆隧道低压故障检测结果精度不高的问题,提出了一种基于深度残差网络的电缆隧道低压故障检测方法。该方法对电缆隧道低压回路电流进行分析,建立深度残差网络,通过初始化学习得到线路电流故障特征值,并在权重层中引入激活函数,结合传递梯度进行特征重构,有效避免了梯度消失问题,输出信号特征,通过过零率判别得出故障检测结果。实验结果表明:应用所提方法得出的故障检测结果表现出的高频系数衰减比值图像呈现均值变化且较为密集,检测结果精度较高,满足了电缆隧道低压回路的现实运维需求。

重力梯度欧拉反褶积及其在文顿盐丘的应用

在矿产勘察与区域地质调查中,梯度数据由于精度高而得到广泛应用。基于三种张量分量的重力梯度数据,本文提出一种新的梯度欧拉反褶积算法,避免了常规计算中由于构造指数选取不当和张量分量转换产生的误差。建立单长方体和不同深度双长方体的理论模型,验证了该方法能够较准确地反演地质体的埋深和水平位置。将此方法应用于文顿盐丘的实测重力梯度数据,获得了盖岩顶部的形态与分布等信息,并探测到新的小规模地质体。该结果与已知资料相符,进一步丰富了该地区的地下构造信息。

基于多种位场数据及3D反演结果的综合解释方法

近期位场梯度数据在勘探地球物理观测数据解释中的作用日益增加。随着计算机等硬件设施的进步,处理大型数据能力的增强,重力数据3D反演方法也越来越多的应用到重力数据解释工作中。提出结合重力数据、梯度数据及重力数据3D反演结果的综合解释方法,并将此解释方法应用到虎林盆地观测数据、梯度数据及3D反演结果的综合解释工作中。首先讨论单个棱柱体的重力数据、梯度数据的计算方法以及重力数据3D反演方法;然后,编制了Matlab程序计算重力数据、梯度张量数据并处理重力数据的3D反演;最后,根据计算的数据详细讨论了梯度九分量之间的关系及重力数据反演结果的数值特征,提出结合梯度九分量数据及重力数据3D反演方法联合解释方法。模型试算及解释结果表明重力梯度数据对进一步提高勘探地球物理观测数据的解释精度及确定埋深较浅的异常源位置及水平尺寸等信息起到重要的作用;将其与重力数据3D反演方法联合解释可更准确的刻画异常源的分布特征。最后经过此综合解释方法将虎林盆地划分为8个构造单元。

一种基于联合变分自编码器的卫星重力数据粗差探测方法研究

在传统卫星观测数据处理运行模式下,卫星重力梯度数据粗差探测常伴随着准确率不足、海量数据计算效率低等问题。以变分自编码器在多模态数据整合分析的显著特性,构建了一种结合变分自编码器与门控循环单元网络的智能化粗差探测方法。首先,基于EGM96模型生成模拟数据集,依据变分自编码器捕获训练集数据序列的有效特征,结合门控循环单元结构对数据集进行预测,然后,采用自适应距估计优化算法作为网络模型优化器,自动寻找损失函数的最佳收敛,最后,将通过测试的训练模型应用于中国民用重力卫星的实测重力梯度数据处理。结果表明,经训练后的网络快速精确构建了训练集样本特征,实现了快速高效的粗差探测能力,各分量探测准确率达到98%以上,所提模型可有效应用于中国自主卫星重力任务的数据预处理工作。