基于Jitter采样的压缩感知地震勘探数据重构

受野外复杂环境影响,地震勘探采集的地震数据往往不完整且有坏道。为提高原始地震数据的完整度,基于压缩感知稀疏反演理论,构建了一种基于Jitter采样的压缩感知地震勘探数据重构方法。从采样模型和采样信号频谱分析等方面详细对比3种采样方法的优缺点。通过合成地震数据测试,从信噪比、均方根误差、互相关系数3个方面进行重建效果综合评价并应用于实际数据中。结果表明:与传统随机采样方法相比,基于Jitter采样方法重构前后的地震数据形态振幅一致性更强,信噪比更高、误差更小、互相关系数更高。实际数据应用结果显示:重构后的叠后地震成像数据同相轴清晰,连续性更强,振幅一致性强,对噪声压制较好。这表明Jitter采样在保持随机性采样的同时,可以有效控制采样间隔,解决了采样点过于分散或者过于集中的问题,更有利于数据的恢复。综上,Jitter采样方法能够从稀疏不均匀数据中重建出密集规则化的地震数据,可以为后续的高质量偏移成像、速度建模等研究提供完整地震数据支撑。

基于jittered采样的浅层三维地震数据处理及应用

目前,浅层三维地震勘探在国内外尚处于起步阶段,其勘探深度在100 m以内,勘探目标速度低,地震资料主频较高,根据采样定理,允许的最大道间距较中深层地震勘探要小得多,因此浅层三维地震勘探的观测系统设计和数据处理方法还有许多亟待解决的问题,本文将信号处理领域的压缩感知理论应用到浅层三维地震的观测系统设计和数据处理方法中,研究具有重要的实际意义.理论研究表明:随机采样数据比有规律的欠采样数据能更好的进行波场重建,随机欠采样数据可以将相干混叠转化为不相干噪声,从而将地震数据解释问题转变成了数据去噪问题,同时采用jittered随机采样方式可以避免完全随机采样的数据存在的数据点空间位置过于集中或过于稀疏的情况.本文采用模型分析和实际数据研究的方法,结果显示:在野外进行浅层三维地震数据采集时,如采用jittered随机欠采样方式进行检波器的布置,可以实现以较少的检波器布置较大范围的观测系统,从而大大提高了野外数据采集工作的效率,同时,这种随机的布线可以较灵活地适应野外的工作环境,在采用规则布线时,尽量希望测区足够平坦、开阔,无大尺度障碍物,而随机的布线可以适应有障碍物的地形地貌,在遇到障碍物或不能跨越的地形时,可适当增大道间距,在开阔位置减小道间距进行数据补偿.得到的结论是:这种浅层三维地震道间距无法满足奈奎斯特采样条件的情况,通过检波点的随机分布所采集的地震数据可以有效降低地震资料的混叠效应.

基于边界信息的自适应过采样算法

针对人工少数类过采样(synthetic minority over-sampling technique,SMOTE)算法存在样本合成区域狭小,容易将少数类泛化到多数类及引入噪声的问题,提出一种基于噪声过滤、边界点自适应采样的过采样算法。首先,该算法使用K近邻算法进行噪声过滤,接着确定边界点并在边界点中寻找合适的点作为根样本点,并以其K近邻点中与其同类且欧氏距离最远的点作为候选样本点。然后,根据根样本点所携带的边界信息确定该点所合成的样本数量,并根据根样本点和候选样本点生成一个N维球体作为样本的合成区间。最后,对合成样本进行判断以确定其是否满足条件。通过实验证明,该算法生成的样本质量要优于SMOTE及其常见变种算法。

可减轻腰椎间盘样本集类重叠的采样算法

医学数据的类重叠问题会严重影响疾病的智能诊断效果。为了减轻腰椎间盘样本的类重叠对分类器产生的不良影响,提出了一种可减轻类重叠的混合采样算法——CO_HS算法。该算法将训练样本划分为核心样本、边界样本和噪声样本,对重叠区域的样本进行采样,以减轻样本集的类重叠程度。采用CO_HS算法产生的新训练样本集训练RF等分类模型,并建立了6种新的腰椎间盘退变分类器。实验结果显示,建立的新分类器在多项性能指标上均实现了显著提升,其中准确度提升了7.8百分点~12.7百分点,kappa系数提升了11.6百分点~20.2百分点,敏感性提升了7.9百分点~16.8百分点,特异性提升了9.0百分点~18.2百分点,F指标提升了9.4百分点~18.4百分点。因此,CO_HS算法被证明是一种能有效解决样本类重叠问题、改善分类性能的高效方法。

POCS联合改进的Jitter采样理论曲波域地震数据重建

由于采集条件的限制及后续处理中废炮废道的剔除,使得地震数据成为不完整数据体,这将影响后续地震资料的处理及反演,因此有必要进行地震数据重建。本文结合曲波变换和凸集投影(POCS)方法对不规则地震数据进行重建:对比分析不同阈值模型对二维地震数据重建结果及收敛速度的影响,采用改进的指数阈值模型(q=0.5)和改进的Jitter欠采样方法在频率域对每一有效频率切片进行二维重建,最终实现三维地震数据重建,并有效地提高了计算效率。在迭代过程中,定义了新的误差函数公式,从而在保证重建质量的同时有效地结束迭代,再次提高了计算效率。模拟数据分析和实际数据处理结果均验证了方法的有效性。

基于jitter采样和曲波变换的三维地震数据重建

传统的地震勘探数据采样必须遵循奈奎斯特采样定理,而野外数据采样可能由于地震道缺失或者勘探成本限制,不一定满足采样定理要求,因此存在数据重建问题.本文基于压缩感知理论,利用随机欠采样方法将传统规则欠采样所带来的互相干假频转化成较低幅度的不相干噪声,从而将数据重建问题转为更简单的去噪问题.在数据重建过程中引入凸集投影算法(POCS),提出采用e-(x^(1/2))(0≤x≤1)衰减规律的阈值参数,构建基于曲波变换三维地震数据重建技术.同时针对随机采样的不足,引入jitter采样方式,在保持随机采样优点的同时控制采样间隔.数值试验表明,基于曲波变换的重建效果优于傅里叶变换,jitter欠采样的重建效果优于随机欠采样,最后将该技术应用于实际地震勘探资料,获得较好的应用效果.

基于多功能视角和多采样单元的城郊森林公园景观健康评价案例研究

以西樵山国家森林公园为研究对象,基于多功能视角和多采样单元,进行了城郊森林公园景观健康评价的案例研究。通过Quick Bird卫星影像和景观分类方法,构建了包括生态保护、娱乐和双重功能在内的景观健康评估指标体系;采用熵权法确定了各指标的权重,并结合空间分析方法进行景观健康评估。结果显示,公园内生态保护和娱乐功能的健康等级呈现不同的分布特征,而综合景观健康呈现初期增加、后逐渐减少的趋势。通过分析不同采样单元大小对景观健康的影响,确认54 m×54 m基本采样单元足以反映公园景观健康状况。此研究提供了一种全面的评价城郊森林公园景观健康的方法,为城市规划和管理提供参考。

基于等效采样时钟jitter的精确测量

提出了关于时钟jitter的一种新的测量方法。该方法是在等效采样的基础上,对采样信号做平均,平均后的信号就是原采样信号与时钟jitter的概率密度函数(PDF)的卷积,所以理论上时钟jitter可以通过对平均的信号进行反卷积得到,而实际操作中反卷积很难得到。按等效采样间隔把卷积离散化为一个线性卷积的形式,从而在最小方差意义上给出了时钟jitter概率密度函数反卷积的结果。这种方法不仅可以给出时钟jitter的均方差,同时也给出了时钟jitter的分布,实现了某种意义上jitter的精确测量。

基于邻域采样的多任务图推荐算法

近年来,图神经网络(GNN)成为解决协同过滤的主流方法之一。它通过构建用户-物品图,模拟用户与物品的交互关系,并用GNN学习它们的特征表示。尽管现有在模型结构上的研究已取得了较大进展,但如何在图结构上更有效地进行负采样仍未有效解决。为此,提出一种基于邻域采样的多任务图推荐算法。该算法提出了一种基于GNN的邻域采样策略,该策略以每个用户为中心构建子图,将次高阶物品作为用户邻域采样的负样本,可以更有效地挖掘强负样本并提高采样质量。通过GNN对图结点进行信息聚合与特征提取,得到结点的最终嵌入表示。设计一种余弦边际损失来过滤部分冗余负样本,以有效减少采样过程中的噪声数据。同时,该算法引入了多任务策略对模型进行联合优化,以增强模型的泛化能力。在3个公开数据集上进行的大量实验表明,该算法在大多数情况下明显优于其他主流算法。

基于重采样和混合集成学习的不平衡窃电检测

针对电力用户类别不平衡导致窃电检测具有偏向性问题,该文提出一种基于重采样和混合集成学习的不平衡窃电检测模型。首先以Easy-ensemble混合集成学习框架为基础确定最佳采样子集数;然后通过重采样自适应策略,即根据用户用电数据集的不平衡度以及最佳采样子集数确定检测模型的重采样方式,使用电数据达到平衡;最后按照先串行集成减小偏差、后并行集成降低方差的混合集成方式,对重采样后的均衡样本进行窃电检测。算例对比分析表明所提检测模型通过重采样和混合集成有效解决了传统集成算法在不平衡窃电检测中的偏向问题,降低了由于用电数据的不平衡性对集成结果的影响,提高了用户类别不平衡的窃电检测效果,在多种不平衡度下模型的准确率、F1值和G均值均表现优异。

基于径流事件的农业面源监测采样间隔分析

选择丹江口库区的五龙池小流域为对象,以典型降雨径流事件的水质水量加密监测数据作为径流过程真实值,通过不同时间间隔和水量间隔模拟采样,分析污染负荷通量估算误差,并确定有效采样间隔.结果显示,五龙池小流域降雨径流事件具有明显的峰值特征(初始流量55m^(3)/h,峰值流量977.3m^(3)/h),TP浓度与径流高度同步(初始浓度为0.05mg/L,峰值浓度为0.25mg/L),TN随径流达到峰值后下降不明显(初始浓度为2mg/L,峰值浓度为8mg/L).模拟采样表明,时间间隔5,10,15,20,30,60,120,240,480,720min,采样点数量从1957个减少到14个;水量间隔16,32,64,128,256,384,576,800,1600,3200m^(3),采样点数量从2893个减少到14个;水量间隔采样对径流峰值的捕捉能力明显高于时间间隔采样.负荷估算误差显示,TP误差波动大于TN;以±5%作为允许的误差范围,降雨径流事件采样监测的有效时间间隔为120min,有效水量间隔为1600m^(3).

基于高倍过采样与加窗插值FFT的电力谐波分析

为提高谐波分析精度,分析了信号加窗引起的信噪比损失以及AD转换产生的量化误差,阐述了过采样技术提高信噪比的原理。在此基础上,提出了基于高倍过采样和加窗插值快速傅里叶变换(fast Fourier transform, FFT)的谐波分析方法。该方法充分利用AD转换器的潜力,以尽量高的采样速率进行AD采样,同时通过均值滤波避免高倍过采样引起的采样数据量激增问题。详细研究了所提谐波分析方法对信号中谐波分量幅值和相位的影响,并给出了简洁实用的谐波幅值和相位校正方法。仿真表明,所提方法可在不增加系统成本的前提下改善加窗插值FFT的抗噪声能力,提高谐波分析精度。

计及采样扰动抑制的电压源逆变器三矢量无模型预测电流控制方法

针对传统电压源逆变器无模型预测电流控制(model-free predictive current control,MFPCC)方法存在电流纹波大、电流梯度更新停滞以及预测性能易受采样扰动影响的问题。该文提出一种计及采样扰动的三矢量MFPCC方法。在一个控制周期应用3个基本矢量,并根据价值函数计算矢量作用时间,降低了输出电流纹波;其次,通过建立不同矢量作用下的电流梯度方程组,实现电流梯度数据的实时更新,消除了停滞现象;再次,分析采样扰动对MFPCC的影响,采用扩张状态观测器估计采样扰动以补偿预测电流控制,抑制其对输出电流的影响。最后,通过仿真和实验,对所提方法的有效性进行了验证。

基于广度-深度采样和图卷积网络的谣言检测方法

现有谣言检测方法存在早期数据丢失、特征利用不充分问题,为此提出新的检测方法.为了充分挖掘事件的早期传播特征,提出广度采样方法并构建与事件对应的传播序列,利用Transformer挖掘长距离评论间的语义相关性并构建事件的传播序列特征.为了有效挖掘事件的传播结构特征,提出基于路径长度的深度采样方法,构建事件对应的信息传播子图和信息聚合子图,利用图卷积网络在挖掘图结构特征方面的优势,获得与事件对应的传播结构特征.将事件对应的传播序列特征表示与传播结构特征表示进行拼接,得到事件对应的最终特征表示.在公开数据集Weibo2016和CED上开展所提方法的有效性验证实验.结果表明,所提方法普遍优于现有典型方法.与基线方法相比,所提方法的准确率和F1值均有显著提升,所提方法在谣言检测领域的有效性得到验证.

基于改进NSGA-Ⅱ的纤维缠绕落纱点轨迹采样特征权重优化

针对基于空间特征曲线特征函数的纤维缠绕落纱点轨迹采样算法无法自动选择特征权重的问题,建立以特征权重为变量,以得到采样点线性插值生成曲线与原曲线的MAE,RMSE为目标函数的双目标优化模型。提出基于改进NSGA-Ⅱ算法的双目标优化求解方法以优化特征权重。实例验证表明,与传统NSGA-Ⅱ算法相比,改进NSGA-Ⅱ算法求得Pareto解集的MAE,RMSE平均下降了0.002和0.105,算法选取特征权重的MAE,RMSE比特征权重为(0.1,0.3)的MAE,RMSE分别降低了约12.9%和8.5%,比特征权重为(0.9,0.1)的MAE,RMSE分别降低了约20.6%和11.4%,有效地提高了落纱点轨迹采样的精度。

基于均匀相位采样提高阻抗谱测量精度的研究

周期性信号采样中,等效采样利用较低采样频率的A/D转换实现高频周期信号的采集,一定程度上弥补欠采样测量精度低的缺陷。为了有效地提高高频测量中阻抗谱测量精度与稳定性,提出一种基于等效采样思想的均匀相位采样的阻抗谱测量方法。利用单片机共时钟基准的模/数转换器(digital to analog convertor,DAC)与数/模转换器(analog to digital convertor,ADC)模块,在完成激励信号产生、输入输出信号同步采集的基础上,合理设计激励信号频率、采集频率与信号重构方法,实现高频信号单周期内均匀相位分布的等效高频采样,同时为克服常规A/D转换速度条件下难以准确实现高频阻抗谱测量的问题提供了新思路。从误差假设与拟合算法的角度,理论上分析证明了该方法降低误差的原因。并通过两种等效电路模型的阻抗谱测量对比实验,表明该方法在所设计的20~100 kHz高频段上,阻抗测量精度与稳定性得到了显著的提高。

危险废物鉴别采样技术要点解析

我国危险废物产生源和种类非常复杂,产生量巨大且持续增长,规范化环境管理和污染防治面临较大压力。危险废物鉴别是识别固体废物危险特性和确定危险废物环境管理对象的重要技术手段和关键依据。根据危险废物鉴别经验以及发布的危险废物鉴别报告复核工作简报发现,部分鉴别单位在危险废物鉴别过程中,由于对HJ 298—2019《危险废物鉴别技术规范》中采样技术要求未充分掌握,采样不规范,致使危险废物鉴别结论依据不充分甚至错误。因此,对确定生产工艺过程中产生废水处理污泥采样对象、堆存状态固体废物采样对象、平行线固体废物份样数、连续产生固体废物采样时间和频次、间歇产生固体废物采样时间和频次、生产工艺过程产生固体废物的采样方法等采样技术要求进行解析,同时给出了常见的错误采样方式,以期为危险废物鉴别过程中样品采集提供借鉴。

基于多采样序列特征提取网络的多变量间歇过程故障预测

故障预测可以指示变量的异常变化,提前预测故障情况。现有故障预测方法仅考虑完整序列的全局时间依赖关系,忽略了变量间依赖关系及采样子序列中不同的局部时间依赖关系。针对上述问题,提出了一种基于多采样序列特征提取网络(multi-sampled sequence feature extraction network,MSFEN)的故障预测架构。首先设计了一种批次联合嵌入机制,在考虑批次周期性的同时更好地表达变量间依赖关系。然后,开发了一种序列采样机制划分完整时间序列与不同尺度的采样子序列。之后,分别设计了翻转平滑Transformer与卷积交互提取模块,以全面地提取多尺度时间依赖关系与变量间依赖关系。最后,融合多采样序列特征获得最终的编码特征,通过前馈层实现故障预测。利用青霉素发酵过程进行实验,结果表明该方法具有良好的故障预测性能。

蜜蜂资源形态测定的采样与保存方法研究

形态测定是蜜蜂种质资源评价必不可少的技术手段,本研究旨在优化采样与保存方法来提高蜜蜂形态测定工作的效率。通过各试验组不同采样与保存方法对比蜜蜂样品的伸吻率、组织损坏数量、色度及韧性的变化。结果表明,试验组B毙杀20 s、30s的伸吻率差异不显著(P>0.05),但均显著高于其他试验组(P<0.05);试验组D的蜜蜂组织损坏数量显著低于试验组E、F、G和对照组(P<0.05);在4℃环境中保存1~3个月对蜜蜂样本的色度和样本的韧性均没有影响。蜜蜂资源形态测定的样品建议使用2L/min流速的CO_(2)毙杀20 s,浸泡在75%酒精和0.5%甘油的保存液中,保存3个月内完成形态测定工作。

基于熵和置信度的非平衡问题欠采样Boosting框架

为了解决传统方法中存在的边界过拟合、泛化性能差、重要信息丢失问题,提出一种基于熵和置信度的非平衡问题欠采样Boosting框架。将动态重采样方法与Boosting集成在一起,以解决边界过拟合问题,提高泛化性能;在Ecuboost中使用置信度和熵作为基准,以保证欠采样过程中大多数样本的有效性和结构分布,提出的基于置信度的Boosting框架使动态采样方法进一步提升方法的泛化能力。用两个大型数据集上的实验对比结果验证了该方法的有效性。