关键词： 强震动记录   波形质量评价   Flatfile   数据处理流程   基线修正   高频衰减参数  

摘要： 强震动记录作为衔接地震学与工程抗震的桥梁,被应用在地震工程学科的各研究领域中,但由仪器观测获得的记录中时刻存在噪声会污染真实的地震动信号,所以在使用前需要进行必要的数据处理工作。我国台网目前已累积了大量强震动观测记录,但始终缺乏标准化的记录波形质量评定和数据处理流程,给使用者造成了诸多不便,不能最大程度发挥其科学应用价值。为指导和规范强震动记录的合理使用,构建一个满足科学研究和工程应用的数据库,本文利用国家强震动台网中心(CSMNC)发布的我国2007至2020年强震动记录数据集,开展了强震动记录标准化数据处理以及Flatfile参数的研究,完成的主要工作与取得的结论如下:(1)基于强震动数据集提出了一套记录波形质量标准化评价方法。首先,针对我国强震动记录基本信息情况,建立了一组标准化记录信息校核原则,提出记录信息存疑问题11项分类和13种解决方案并解决存疑问题391项,提供包括强震动记录、地震信息和台站信息在内的Flatfile参数信息表3个;其次,基于此方法开发一版强震动记录波形质量评价应用程序。对数据集记录统一进行波形质量标准化分类,提出记录四种信号窗定义标准,提供包含记录波形信号窗参数、波形质量分级和信号窗情况标记的Flatfile参数信息表。统计分析数据集中强震动记录的基本信息和波形质量,结果表明我国强震动记录震级范围跨度大,信号强度充足,数据量丰富,位置分布广泛,且总体记录波形质量较高,能满足场地区域差异性研究的数据需求。此外,本文提供的波形质量评价方法和应用程序可为强震动记录波形质量评价行业标准提供理论支撑。(2)基于经过波形质量标准化分类的强震动记录数据集,提出了一种适用于我国强震动记录的去噪滤波标准化数据处理方法。具体工作包括:提供一套包含信噪比计算模块、记录滤波处理模块和数据输出模块在内的标准化处理流程;给出了高通滤波截止频率选取三原则,并详述滤波关键参数的选取方法和处理细节;根据这一研究方法开发一版强震动记录数据处理应用程序,并对数据集记录逐条进行信号窗截取和去噪滤波处理。统计分析记录信号窗截取情况,给出了强震动记录水平向和垂直向S波持时的建议取值标准,计算了用于记录信号窗判别和校正的14个省份的虚波速均值;统计分析得出高通滤波截止频率与PGA呈显著相关;通过去噪滤波前后记录时程和IM参数的对比,证明了位移时程对滤波敏感度最高,加速度时程相关IM参数和地震动信号强度受滤波影响微弱。以上研究结果证实了本文提供的数据处理应用程序和数据处理方法的有效性和可靠性,记录的信号窗和滤波相关参数可为我国强震动记录自动化数据处理研究奠定基础。(3)针对直接积分去噪滤波标准化数据处理后的加速度时程导致位移时程出现线性基线偏移问题,提出了一种误差引起的位移时程基线偏移标准化修正方法。通过分析滤波处理后加速度时程去补零段误差引起的位移时程产生基线偏移的原理,提出一套去补零后处理输出流程;详述了流程中关键环节的处理方法,包括位移时程基线拟合函数的选取,以及记录时程尾端渐变趋零隐式处理方法。基于标准化滤波数据处理后的记录数据集对比验证了输出模块中两种输出结果的记录时程和IM参数具有同一性,证明了本文基线修正方法的有效性以及计算结果的准确性。此外,应用三角级数法构造了 9组工况的人造地震动数据,解释误差引起的人造地震动位移时程基线偏移产生原因,人造地震波位移时程修正结果表明该方法对解决人造地震波基线偏移问题同样适用。(4)基于经标准化质量分类和数据处理的高质量强震动记录数据集,研究了我国西部地区高频衰减参数的区域性特征。通过对Kappa和震中距的相关性统计分析,给出了中国西部地区8个区域的Kappa估算模型,结果表明二者呈正相关趋势并体现出明显的区域性差异;此外,应用最小二乘法对8个区域对应的163个强震动台站的κ0和VS30进行系统性拟合,建立了 8个区域的VS30-κ0适用模型,并给出坡度κ0模型用于补充场地κ0的估算。本文提出的强震动记录波形质量标准化分类方法和标准化数据处理方法能有效提升高频衰减参数的精确度,计算结果验证了两种标准化方法的可行性,亦可推广至其他参数的计算和使用。

关键词： UAV-LiDAR   点云   地表三维形变监测   DEM   配准  

摘要： UAV-LiDAR是一种自主性强的遥感技术,可及时且有效地监测目标的变化,用其进行矿区地表移动监测具有准确高效的优点。UAV-LiDAR点云常被用于构建矿区DEM模型,采用DEM差分方法获取垂直方向的地表形变。但矿区地表移动是一个复杂的三维形变过程,仅获取垂直方向的地表形变难以满足后续矿区多样化监测需求,未能利用UAV-LiDAR点云的平面位置信息。亟需探寻有效方法对点云的三维空间信息都加以利用,从UAV-LiDAR点云获取地表三维移动形变场。因此本文基于UAV-LiDAR技术同步获取矿区地表三维移动,利用点云的空间特性,研究提取地表三维形变,并将研究成果应用于实际的煤矿地表形变监测中。重点研究了UAV-LiDAR点云的数据处理,探讨了不同方法提取矿区地表三维移动形变的适用性,取得的主要成果如下:(1)针对UAV-LiDAR监测技术在矿区地表监测中尚不成熟的问题,从UAV-LiDAR监测技术原理出发,提出一套完整的UAV-LiDAR监测矿区形变方案与数据处理流程。同时根据其误差来源并计算其测量精度,得到其测量精度在18mm-42mm之间,验证了该技术应用于矿区地表形变监测的可行性。(2)以4种地形点云为实验数据,分别采用PTD、CSF、SMRF三种滤波方法获取地表点,并用IDW、Kriging、TLI三种插值算法构建DEM。为避免Ⅱ类误差,高效获取高精度DEM,选取PTD滤波与IDW插值结合的方式获取DEM。针对获取的下沉盆地存在噪点,采用改进的非局部滤波算法,在过滤噪声同时并保留盆地原有细节。(3)针对常规监测是将下沉和水平移动分开提取,该方法在带来误差的同时也无法反映地表三维移动的同步性。本文利用矿区地表刚体这一特性,提出基于连通域分割的刚体配准算法同步获取地表三维移动。采用连通域分割算法分割地表刚体,随后对刚体采用结合FPFH特征和Trimmed-ICP配准算法,利用M2C3方法进行误差改正,提取实验区的地表三维移动。(4)引入基于方向约束的CPD非刚性配准算法配准特征点,用于解决矿区刚体不足以求取地表三维形变这一问题。结合移动配准单元技术,化整体为个体进行单元配准。实验表明该算法获取的地表三维形变X、Y、Z的内符合精度分别为15mm、17mm和27mm,基本与激光雷达测量精度一致。(5)在实际的煤矿地表形变监测中,对矿区地表的三维形变结果分析并进精度评定,实验结果表明:本文提出的方法在东西向、南北方和垂直向的位移精度分别为61mm、41mm和24mm。该论文有图53幅,表11个,参考文献105篇。

关键词： 外辐射源雷达   信号处理   GPU+CPU+PCIE   并行计算   多线程  

摘要： 随着电子对抗技术的发展,传统雷达在抗干扰、抗隐身、抗反辐射摧毁和抗低空突防能力等方面存在较大的挑战,外辐射源雷达由于低频段工作和无源探测等特点,在“四抗”方面具有独特的优势,是近年来国内外研究的热点领域。但外辐射源雷达目标回波信号极其微弱且通常掩盖在强直达波和多径干扰背景之下,需要进行大规模的数据处理,运算量大,给外辐射信号和数据处理的实时实现带来了严峻的挑战。针对此,本文通过结合GPU的高并发能力、中央处理器的复杂逻辑处理能力和高速串行计算机扩展总线标准接口的数据高速传输能力,研究了一种采用GPU+CPU+PCIE高性能架构开发外辐射源雷达目标实时检测和跟踪技术,具体研究内容如下:(1)首先在分析外辐射源雷达探测原理和信号处理流程的基础上,设计了一种基于高性能架构的外辐射源雷达信号实时处理系统和软件架构。针对多通道外辐射源雷达系统数据吞吐量大问题,利用高带宽PCIE3.0×8作为传输接口,同时采用循环存储队列的快速存储方法,有效地减少了数据传输的耗时。在软件架构设计方面,通过将系统解耦细分为小模块化,实现从接收信号预处理到目标检测跟踪的模块化处理,便于系统升级维护。(2)在杂波干扰抑制并行处理方面,针对矩阵求逆过程中耗时比较大的问题,本文设计了一种基于LDLT分解的扩展杂波相消批处理段间并行算法。首先,基于GPU多线程并行处理技术并结合ECA-B算法各段相同子模块特性,通过分段并行处理提高ECA-B算法的时效性;然后,针对传统ECA-B算法求逆过程中数据传输耗时问题,利用自相关矩阵共轭对称特性提出一种基于LDLT的并行迭代求逆方法,通过两个CUDA核函数实现求逆处理,节省了矩阵求逆过程中数据传输的时间,进一步提升段间并行算法的实现效率。实验结果表明,与传统算法相比,本文提出的算法具有更高的时效性和有效性。(3)在目标检测与跟踪并行处理方面,针对距离-多普勒处理中,时延滑动矩阵构造的过程存在运算冗余问题和数据处理过程中需要单独补零操作问题,提出了一种并行处理的时延滑动矩阵构造和补零操作方法,可显著降低算法的耗时;提出了一种基于规约求和的恒虚警检测方法,通过对所有待检测单元并行检测,有效缩短了检测系数的求解时间,提高了恒虚警检测的效率。针对航迹跟踪的复杂实现过程以及耗时较大问题,本文基于CPU和GPU相互配合的思想,采用CPU管理航迹数据库的同时GPU加速目标点迹的航迹判断,成功实现了目标的实时跟踪。

关键词： Artificial intelligence   Chemical management   Meta-algorithmics   Occupational health   Safety  

摘要： In support of over 1000 military installations worldwide, the Department of Defense (DoD) has procured contracts with thousands of vendors that supply the military with hazardous materials constituting billions of dollars of defense expenses in support of facility and asset maintenance. These materials are used for a variety of purposes ranging from weapon system maintenance to industrial and facility operations. In order to comply with environmental, health, and safety (EHS) regulations, the vendors are contractually obligated to provide Safety Data Sheets (SDSs) listing EHS concerns compliant with the requirements set forth by the United Nations Globally Harmonized System of Classification and Labeling of Chemicals (GHS). Each year chemical vendors provide over 100 thousand SDSs in a PDF or hard copy format. These SDSs are then entered manually by data stewards into the DoD centralized SDS repository – the Hazardous Material Management Information System (HMIRS). In addition, the majority of these SDS are also loaded separately by separate data stewards into downstream environmental compliance systems that support specific military branches. The association between the vendor-provided SDSs and the materials themselves was then lost until the material reaches an installation at which point personnel must select the SDS associated to the hazardous material within the service-specific hazardous material tracking system. This research applied systems engineering principles in the analysis, modeling, and development of a DoD data processing system that could be used to increase efficiency, reduce costs, and provide an automated solution not only to data entry reduction but in transitioning and modernizing the hazard communication and data transfer towards a standardized approach. Research for the processing system covered a spectrum of modern analytics and data extraction techniques including optical character recognition, artificial neural networks, and meta-algorithm

ISBN: (纸本)9787121460760

关键词： 数据分析   数据处理   云原生   负载预测   弹性扩缩容  

摘要： 在国家“十四五”规划的纲要指导下,数字化转型成为众多传统企业的重要发展方向。我国粗钢产量在2022年正式超过10亿吨,钢铁企业的生产数据和业务数据快速增长,但企业数字化转型过程中并未充分挖掘数据的潜在价值。传统钢铁企业在数字化转型的过程中的重要目标是如何解决企业部门之间的数据隔阂的问题,以及进行数据分析时,如何高效并灵活地查询数据。 针对上述问题并结合企业实际需求,本文实现了一个基于云原生架构的钢铁企业大数据分析系统,该系统基于云原生、数据处理以及数据分析等技术,致力于解决企业部门之间的数据孤岛问题,为企业提供兼顾低延迟响应和高灵活性的数据查询分析能力。为方便系统的扩展开发,系统采用了可灵活扩展的架构。同时,为系统的性能满足业务需求以及保证系统的稳定性,本文对负载预测问题做出相应研究以支持集群主动弹性扩缩。论文的主要工作如下: (1)针对企业现状和实际业务需要对系统进行需求分析和数据交互分析,并对系统的总体需求进行详细分析。对系统的主要功能模块进行分解,采用UML用例图的方式对数据资源管理模块、数据处理模块、数据分析模块、用户管理模块和监控管理模块等系统主要功能模块的需求进行了详细介绍,并确定了系统的非功能性需求。 (2)为确保系统的性能满足业务需求以及保证系统的稳定性,本文给出一个基于集成学习的负载预测算法,首先根据不同的样本划分方式将样本进行两次划分,使用两次划分的样本对多个弱学习器进行两阶段训练,并使用训练得到的弱学习器进行并行预测。将预测结果根据权值进行聚合,以得到最终预测结果,使用负载预测结果为集群的动态扩缩提供支持。 (3)对钢铁企业大数据分析系统进行架构设计并实现了各个功能模块。将负载预测算法应用于集群的动态扩缩。对系统的主要功能模块的设计进行详细介绍,主要使用类图和时序图的方式介绍各个模块中主要功能的设计并给出系统的数据库设计。其中,数据处理模块使用Flink数据计算引擎实现了对数据的抽取、处理和加载;数据分析模块基于多维数据分析、预计算和多个数据计算引擎给出了一个数据分级存储和查询方案,实现兼顾低延迟响应和高灵活性的查询服务。系统设计与实现完成后,根据需求设计,对系统的主要功能进行测试,各个系统模块都给出了详细的测试用例。 经过完整的系统测试,系统的各个功能模块均符合需求,系统性能也满足非功能需求的指标。经验证,本文的钢铁企业大数据分析系统可正常投入使用。

关键词： 多光谱测温   光谱发射率模型   数据处理   无梯度优化算法  

摘要： 温度是工业生产过程检测与控制的重要技术参数。随着科技的不断发展,对测温手段和精度的要求更加严格。辐射测温作为一种新兴的测温技术,有着响应快速、无需接触被测物体和无温度测量上限的优点,已广泛应用于许多工业测温领域。多光谱测温是辐射测温中最具吸引力的方法之一,通过多个光谱通道下辐射信号的获取,在发射率模型已知的前提下,能够同时反演出物体的真实温度和发射率。然而发射率模型是未知的。实际的测量过程中,在不同的测量位置,物体的光谱发射率的变化往往不一致,准确的发射率模型难以获取。从而导致多光谱测温中的数据处理成为了一个极具挑战的问题。针对该问题,本文提出了一种不需要发射率模型的数据处理方法,主要工作如下:(1)将多光谱高温计的数据处理转化为优化问题,并构建优化问题的目标函数。通过对参考温度模型的变形及推导,得到了相邻波长的辐射信号比值与它们发射率之间的关系,并将其作为优化问题中的发射率约束条件。结合目标函数和约束条件建立了一种无需发射率模型的多光谱高温计数据处理模型。(2)引入了两种无梯度优化算法:遗传算法和随机轴收缩算法。在遗传算法的基础上增加种群数量、移民算子、人工选择算子,并对变异和交叉的规则进行改进,提出了一种能用于多光谱数据处理的多种群遗传算法。基于随机轴收缩算法,将批处理采样的模式改为顺序采样,实现了分类模型的实时更新,提出了一种能用于多光谱数据处理的序列随机轴收缩算法。并分别对它们进行性能测试。所提出的两种算法对函数形式没有特殊要求,为后续研究中提出更复杂可靠的多光谱测温模型提供了求解思路。(3)为测试所提出的方法在实际测温中是否适用,分别使用非金属碳化硅和金属钨的实测数据对其进行验证。实验结果表明,两种算法都能够高效且精确的计算出物体的光谱发射率和表面温度,证明所提出的数据处理方法有望用于工业领域的高精度实时温度测量。

关键词： 无砟轨道   小波分解   分段样条插值   多项式拟合   IGA-PSO算法  

摘要： 随着运营里程的不断增加,运行速度不断提升,对高速铁路无砟轨道的检测和维护提出了更高的要求。为了达到准确监控和精确测量,我国采用动静态检测相结合的方式来进行把控。一般通过轨检车动态检测总体上监控轨道的几何状态,确定出超限的区段;然后,利用静态测量的结果指导精调作业。传统的静态检测,虽检测精度尚可满足需求,但方法较为落后、效率低下,已经逐渐不适应高速铁路的发展要求。因此,开发轨检小车检测系统就具有很高的实用性。而其中的关键技术就是轨检小车的精测精调数据处理的方法,对其进行研究对轨道测量及精调作业具有重要意义。本文提出的精测精调数据处理的内容包含轨道中线偏差数据处理和轨道精调数据处理两部分。轨道中线偏差数据处理,首先,采用轨道检测小车动态测量所得到的棱镜坐标数据、检测小车结构的几何参数以及轨距和倾角传感器测量数据解算出轨道中线坐标,与设计参数进行对比,获得轨道中线原始偏差数据。然后,利用小波分解、分段样条插值对原始数据进行预处理,得到轨枕处轨道中线的偏差值。最后,通过轨道检测小车近、远站的动、静态检测结果构建修正函数,补正预处理后的原始数据,得到符合实际的检测数据。轨道精调数据处理,以检测数量为基础。首先,通过多项式拟合得到趋势线,以此为基准,筛选出问题区段。然后,建立问题区段的精调模型,利用IGA-PSO算法进行求解,得出轨道中线精调方案。之后,结合水平、轨距偏差,得到左右轨道的精调方案。最后,使用近似平顺度计算式对精调前后数据进行平顺度量化对比,表明精调数据处理可以恢复轨道平顺性。通过场地测试和某段在建高铁轨道上的多次实验;经过数据处理,轨检小车动态检测的结果与静态检测结果的偏差在0.25mm以内,并且可以节约2/3的检测时间,验证了轨道精测数据处理方法的准确性和适用性,同时也提高了检测的效率。在精调数据处理中,保证平顺度要求的前提下,调整超限阈值,可以降低总体调整量,节约材料和时间成本。

关键词： 地震勘探   深度学习   高分辨率成像算法   地震剖面预处理   逆时偏移成像   全波形反演  

摘要： 地震勘探作为地球物理学中的一个重要研究领域,旨在通过收集和分析地震数据,以揭示地下介质的物理参数分布,实现对地下结构的高清成像和深入解读。该技术在石油、天然气、煤炭、矿产等资源探查和开发过程中具有举足轻重的地位,对于社会经济的繁荣发展至关重要。为了进一步提升地震勘探的精度与效率,高分辨率地震探测成像算法应运而生。运用前沿的地震数据处理技术,能够充分挖掘地震数据中的丰富信息,提升地震勘探的分辨率与信噪比,还原更为精确的地下结构信息,进而达到更高精度地下成像的目标。 本文针对地震数据预处理和地震高分辨率成像提出了基于深度学习网络框架驱动的处理及成像算法,从地震数据预处理、地震逆时偏移成像和全波形反演成像三个方面进行了详细的研究和分析。 主要探讨了地震剖面预处理的高分辨率成像技术。首先,本文建立了一个针对地震剖面去噪的深度学习框架,并对其进行了优化,与传统主流算法的比较证实了该框架的有效性。其次,构建了一个用于地震剖面直达波分离的深度学习框架,为后续研究奠定了基础。接着,针对地震采集过程中可能出现的道缺失问题,建立了相应的深度学习框架并详细阐述了其具体流程和操作细节,通过与传统主流算法的对比证明了其优越性。最后,利用深度学习框架实现了地震剖面的超分辨率重建,提高了原始剖面的分辨率,避免了由于道集过少导致的同相轴不连续问题,为地震高分辨率成像奠定了基础。通过上述预处理流程,本文实现了地震剖面的预处理成像,为后续工作提供了有力支持。 针对传统逆时偏移成像算法在地震剖面处理中存在的串扰问题和成像效率问题,提出了改进方案并进行了逆时偏移处理。首先,利用Helmholtz分解和Poynting矢量分解等手段改善了传统逆时偏移算法中的串扰问题。接着,采用预处理后的地震剖面进行逆时偏移成像,并与传统算法对比,证实了新算法能够提高成像质量。为解决逆时偏移中存在的内存占用问题,本文提出了一种基于压缩感知的波场数据压缩策略,有效降低了物理内存的消耗。此外,为了进一步提升逆时偏移的成像质量,提出了一种增强后处理深度学习框架,实现了地震剖面逆时偏移成像分辨率的进一步提升。通过以上处理流程实现了地震剖面的高精度、高效率逆时偏移成像。 在预处理后的地震剖面基础上进行全波形反演成像,并对传统算法进行改进,旨在解决全波形反演算法中存在的低频缺失和成像效率问题。首先,针对全波形反演的计算效率问题,提出了随机震源和震源编码全波形反演策略,以改善计算效率。其次,为解决全波形反演中低频数据缺失问题,应用深度学习框架提出了低频数据预测策略。接着,针对全波形反演存在的效率低下问题,进一步提出了一种基于时空多尺度的全波形反演框架,充分利用数据关键信息,实现效率的极大提升。最后,为解决传统算法的不适定问题,本文提出了分辨率增强正则化的全波形反演策略,从而极大地提高了成像分辨率。通过这些处理流程建立了地震剖面高精度、高效率的全波形反演成像算法流程。 总体来说,本文在地震数据预处理和地震高分辨率成像领域中提出了一系列的技术与方法,这些成果对于提升地震勘探的成像分辨率与效率具有至关重要的作用。本文不仅为地球物理学与地震学领域贡献了新颖的技术手段,同时也为相关行业的资源勘查与开发提供了有力支持。此外,本文所涉及的方法与算法为其他领域的成像问题提供了新颖的思路与启示,具有广泛的应用潜力。 图183幅,表23个,参考文献221篇

关键词： 太阳射电观测   深度学习   降噪   太阳爆发检测   实时监测  

摘要： 随着天文射电信号观测分辨率的不断提高、更多观测站的持续建设,海量观测数据的快速有效处理成为射电天文研究领域亟待突破的瓶颈之一。频谱图作为太阳射电观测数据的主要呈现形式,包含着太阳爆发种类、强度和持续时间等重要信息。受外部各种军民通信信号、空间电磁噪声以及观测设备自身噪声的影响,地基太阳射电观测信号中存在着大量的噪声干扰,对太阳活动精细化观测造成极大影响。本课题基于实际科研项目,在分析频谱图降噪与太阳爆发检测国内外研究现状的基础上,针对传统图像处理方式无法快速有效处理太阳射电频谱图的问题,基于太阳射电观测信号的海量数据,利用深度学习技术开展太阳射电频谱图降噪与爆发检测算法研究与实现方面的工作。主要研究内容及贡献包括:(1)针对传统图像降噪方法无法有效降低太阳射电频谱图中噪声的问题,提出基于CBDNet降噪网络模型的太阳射电频谱图降噪方法。搜集并整理云南天文台、Culgoora天文台和Learmonth天文台三个来源的频谱图构建降噪数据集,训练降噪网络模型并进行实验。结果证明基于CBDNet网络模型的降噪方法具有良好的降噪效果与降噪效率。(2)针对传统人工检测太阳射电爆发事件效率低下的问题,提出基于YOLOv5s目标检测网络的太阳射电频谱图爆发检测方法,以提高检测效率、降低人工成本。整理包含Ⅲ型爆发事件的频谱图创建目标检测数据集,训练目标检测网络模型并进行实验。结果证明YOLOv5s目标检测网络达到96%的检测平均精度,与其他检测算法相比,YOLOv5s模型拥有优秀的检测速度、检测精度和轻量化的模型,满足太阳爆发事件检测需求。(3)针对低频射电观测需求,提出PC与FPGA结合的系统架构,完成太阳射电爆发实时监测系统软件设计与实现。对太阳射电信号控制与数据处理软件的用户交互界面、传输协议和功能模块工作流程进行详细设计,将太阳射电频谱图降噪和爆发检测算法与软件进行集成,完成了太阳射电爆发实时监测系统设计实现与测试。