海底地貌单元边界搜索方法研究

来源 :中国石油大学(华东) | 被引量 : 0次 | 上传用户:rrtaobao123
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
海底地貌为研究大陆板块的运动以及海底自然灾害的发生提供重要的参考,为油气资源勘探提供重要的基础海底地形信息,对海上平台和海底管线的安装铺设有指导性意义。海底地貌单元及其边界识别是海洋科学研究与海洋工程实施的基础和前提。目前,海底地貌单元边界提取主要依靠技术人员手动完成,易受主观判断影响,耗时较长,劳动强度大。为了克服手动提取存在的缺陷,本文研究了海底地貌单元边界搜索算法,主要研究内容包括:(1)基于海底地貌特征参数定义地貌单元边界。根据网格化的多波束测深数据,计算研究区域各测量点的坡度、坡度变化率、剖面曲率、水平曲率这四种地貌特征参数,分析比较了海底地貌的边界与非边界区域的特征参数差异,据此定义海底地貌单元的边界。(2)基于区域生长算法提取海底地貌单元边界。首先,依据海底地貌的剖面曲率直方图局部极小处以及地貌单元边界点在研究区域观测点中占比小的特点,确定区域生长算法的初始种子点;然后,针对初始种子点中包含的不同非边界点,采用离散度指标和改进K-means聚类方法剔除航线噪声点和边界点邻域斜坡上的非边界点,并利用邻域范围对种子点位置进行精确定位;最后,根据复杂程度不同的海底地貌单元边界的连续性设计生长准则,利用单连接区域生长和中心连接区域生长算法搜索地貌单元边界。(3)基于改进的蚁群算法提取海底地貌单元边界。针对传统蚁群算法搜索得到的地貌单元边界不准确、运行时间长、处理效率低等问题改进算法。首先,将初始蚂蚁置于区域生长算法中的种子点位置;然后,根据初始种子点邻域各测量点的剖面曲率值确定初始信息素矩阵,采用局部更新和全局更新相结合的方式更新信息素,依据信息素矩阵估计地貌边界点位置划分的阈值;最后,对较宽边界区域进行边界细化处理。此外,讨论分析了算法各参数与地貌单元边界连续性的关系。实验表明,本文设计的海底地貌单元边界搜索方法,可以较准确的追踪海底地貌边界,缓解人工识别存在的问题,提高地貌分析效率。
其他文献
测井信息是地层岩石物理性质的反映,而沉积是地层岩石物理性质的重要控制因素。测井资料是油气储层沉积学研究中基础而重要的信息来源,测井相则是测井信息与储层沉积学特征之间的桥梁。但是测井相的研究方法或是使用全人工的方式,手动对比测井曲线图进行识别分析,或是针对某一研究区域建立数学模型,这就带来了测井相识别过程的效率低、精度低和泛化能力差等问题。由于实际测井勘探过程中存在不可避免的系统误差,导致测井数据存
物联网应用的快速发展,以及智能联网设备远离云计算中心,当前仅基于云计算的框架面临挑战,从而加快了基于云计算与雾计算协作的新型计算框架的产生。雾计算有助于降低传输延迟,提供满意的延迟服务以支持需要近乎实时响应的延迟敏感的应用,而云计算则满足大规模计算密集型应用程序的需求。因此,云雾计算合作是具有前景的框架,它可以有效地满足物联网的数据处理和通信需求。但随着数据中心规模的不断扩大和智能终端用户的激增,
极化码是一种能够达到信道容量的信道编码,由于编译码的低复杂度和信道容量可达的特性,自其被提出就引起了许多学者的关注。但是,传统的连续删除译码算法的串行输出特点导致较大的译码时延。虽然后来提出的简化连续删除译码算法达到了部分组合码的并行译码输出,但是还有一大部分组合码由于串行译码带来的时延较大的问题仍没有得到解决。针对这个问题,本课题设计了一种基于预译码的最大似然简化连续删除(Pre-Decodin
构件式的软件开发方法代表了面向对象软件开发技术的进一步发展。随着大型软件系统的日益复杂化,基于构件的软件开发方法在设计、开发、灵活度和可重用性方面提供了比面向对象技术更多的优势。在构件式软件系统中,构件之间相互调用集成,不同的构件在系统中发挥着不同的作用,其失效对系统造成的影响也是不同的。因此,在构件式软件系统的缺陷预测中应综合考虑不同构件对系统的影响程度及构件组成通路间缺陷的传播趋势,这样得出的
随着人工智能和网络购物的快速发展,越来越多的人喜爱线上购物,其中服装购买占据线上购物的很大部分。但是服装种类繁多,数量巨大,所以面对海量的服装图像数据,如何快速准确有效地搭配出用户所需要服装商品是一个亟待解决的问题。针对这一问题,服装搭配应运而生。服装搭配的目标是根据用户所选择的服装自动搭配出满足用户需求的服装。大部分现有的服装搭配系统依赖于用户的交互输入,然后提取服装的颜色、纹理、材料等特征进行
目标检测是计算机视觉领域的一个研究热点和基本任务,它是图像识别技术和目标定位技术的结合。近来,在卷积神经网络的帮助下取得了巨大的进展,目标检测技术在不同的场景中已经日趋完善。智能监控、自动驾驶、公共安防等实际应用对目标检测技术提出了更大的需求。然而,在这些视频应用中,受目标形变、遮挡、模糊、光照等场景和自然因素的影响,现有的目标检测技术难以克服这些问题。因此,视频目标检测技术面临着更多的挑战。在视
在数据呈现爆炸式增长的背景下,如何从庞大的数据中提取知识显得至关重要。德国的Wille R.教授于1982年提出了形式概念分析理论,通过概念格这一可视化的层次结构表达二维表中对象与属性间的隶属关系,从而进行知识表示和数据挖掘。属性粒度的选择在概念格构造和知识发现的过程中具有重要作用。传统的概念格属性一般是固定的,结合粒计算理论,将属性作为粒计算的对象,对属性进行多粒度讨论,可以得到具有不同结构的概
蜜罐技术作为一种主动防御方式可通过诱骗攻击者达到消耗攻击资源的目的,而蜜罐自身的虚假属性面临被攻击者识别的风险,从而绕开蜜罐陷阱转而攻击真实资源。本文课题提出了一种基于区块链技术的阵列蜜罐防御方案,构建由多种服务组成的真假切换蜜罐阵列,通过不断地变换服务真伪属性迷惑攻击者,为计算机网络安全领域提供防护方案。在表象上真实资源与虚假蜜罐已自成一体,即便攻击者觉察到蜜罐的存在,若其仍保持攻击动机,将无法
很多现实问题都可以建模成数学中的函数问题。为使利益最大化或成本最小化,求解函数极值问题就变得尤其重要。很多传统求解函数极值的方法都要受到函数可微、可导的条件限制,而群智能算法则突破了这些限制,在满足一定终止条件的情况下能够给出满意近似解。群体智能优化算法的思想来源于仿生动物学。人工蜂群算法是近年来提出的一种模拟蜜蜂采蜜过程的群体智能算法。粒子群优化算法是一种模拟鸟类觅食行为的群智能算法。人工蜂群算
如今,汽车为人们出行带来便利的同时,也存在交安全隐患。驾驶员因注意力不集中、疲劳驾驶等常导致交通事故,因此,研究车载安全辅助驾驶系统极具研究价值。而在这些技术实现过程中,车载平台环境下的车辆目标检测与跟踪是重要的研究内容之一。首先传统检测方法存在过于依赖手工调参、目标检测效果差等弊端;其次传统的跟踪方法在目标自身变化剧烈或被遮挡时易产生漂移。最后虽然深度学习在在视频领域取得了突破性进展,研究员总能