-
公开(公告)号：CN115310482B
公开(公告)日：2025-03-25
申请号：CN202210919790.8
申请日：2022-07-31
Applicant: 西南交通大学
IPC: G06F30/23 , G06F30/27 , G06F18/213 , G06F18/214 , G06N3/0464
Abstract: 本发明提供了一种桥梁钢筋的雷达智能识别方法，改变桥梁结构的介电常数和电导率，通过正演获取其响应特征；收集已有桥梁钢筋探地雷达响应典型图谱，系统梳理响应特征，构建样本数据集；通过时域有限差分法正演计算，获得样本数据对的数据集；基于全卷积神经网络的M‑Net架构为骨干网络设计桥梁钢筋的雷达智能识别网络，对雷达智能识别网络进行训练与优化；对物理模型实测探地雷达数据进行反演，验证钢筋位置、介电常数和直径与真实情况是否相符。本发明至少具备有以下有益效果：将多尺度输入集成到编码模块中，避免参数的大幅度增长；增加编码模块路径的网络宽度；增加了BIG‑inv net网络的泛化性；可以提取多尺度信息，提高探地雷达桥梁钢筋识别效果。
-
公开(公告)号：CN119471811A
公开(公告)日：2025-02-18
申请号：CN202411469131.4
申请日：2024-10-21
Applicant: 西南交通大学
IPC: G01V1/30
Abstract: 本发明公开了一种基于斐波那契堆排序的有限差分地震波走时计算方法，包括以下步骤：S1、读入参数与速度模型，将文件内的有关参数以及速度模型读入；S2、震源与窄带初始化；S3、斐波那契堆选排；S4、选取窄带内走时最小点；S5、判断临近点属性；S6、窄带是否为空；S7、输出初至波走时，进行循环直到窄带为空即完成所有网格节点的走时计算，并输出最终的走时计算结果，本发明一种基于斐波那契堆排序的有限差分地震波走时计算方法，采用斐波那契堆排序筛选窄带内最小走时点，提高了网格点走时计算的效率，实现了一种基于斐波那契堆排序的有限差分地震波走时计算方法。
-
公开(公告)号：CN118644782A
公开(公告)日：2024-09-13
申请号：CN202411110325.5
申请日：2024-08-14
Applicant: 西南交通大学
IPC: G06V20/10 , G06V10/30 , G06V10/774 , G06V10/82 , G06N3/0464 , G01S13/90 , G01B15/06 , G01C5/00 , G01C11/02
Abstract: 本发明公开了一种复杂艰险山区滑坡隐患早期识别方法及系统，涉及地质灾害早期识别技术领域，识别方法包括以下步骤：S1、从SAR时序数据中提取地表形变特征，绘制InSAR地表形变速率图；S2、得到斜坡坡度地形因子与坡向地形因子，进行活动滑坡灾害的初步识别，生成疑似活动滑坡灾害分布图；S3、采用卷积神经网络对光学遥感影像数据进行地貌形态特征提取，生成滑坡微地貌形态特征散布图；S4、生成活动滑坡灾害分布图，并进行活动滑坡编目，生成滑坡隐患早期风险等级图及危险性综合评价表。本发明采用具有监测范围广、时效性强以及精度高的优点，提高了滑坡隐患的预警准确性，对减少滑坡造成的损失具有重要意义。
-
公开(公告)号：CN117890477B
公开(公告)日：2024-05-17
申请号：CN202410285492.7
申请日：2024-03-13
Applicant: 西南交通大学
Abstract: 本发明涉及一种基于TSP数据对岩石抗压强度的推算方法，属于地质工程技术领域。本发明公开一种基于TSP数据对岩石抗压强度的推算方法，包括：获取目标隧道的岩性、泊松比、纵波速度和横波速度；根据纵波速度和横波速度分别计算动态杨氏模量和静态杨氏模量；采用拟合算法求得函数#imgabs0#在所有#imgabs1#上的值平方和最小的最优参数；分别通过计算得到的静态杨氏模量和动态杨氏模量再分别计算岩体的第一抗压强度、第二抗压强度；求取第一抗压强度、第二抗压强度的平均值为岩体的抗压强度。本发明具有经济成本较低、处理速度较快、适用范围广、操作简单等优点。
-
公开(公告)号：CN115423004A
公开(公告)日：2022-12-02
申请号：CN202211004962.5
申请日：2022-08-22
Applicant: 西南交通大学
Abstract: 本发明公开了一种低纬度磁异常的化极方法，包括以下步骤：S1：构建样本数据集的模型空间，所述模型空间由地下半空间和多个长方体单元组成，且多个所述长方体单元以组合的形式设置在所述地下半空间的非边缘区域；S2：进行遍历取样及数据扩增，获得样本数据等效磁异常体；S3：采用频率域压制方法获取稳定初始模型；S4：将所述稳定初始模型与任意磁化方向磁异常共同作为FCN网络结构的输入，垂直磁化方向磁异常作为标签，训练FCN化极网络结构；S5：将实测数据与所述稳定初始模型共同作为训练好的FCN化极网络结构的输入，获得化极预测结果。本发明能够获得更精确的化极结果，对地质解释提供技术支持。
-
Patent Agency Ranking
公开(公告)号：CN111859268A
公开(公告)日：2020-10-30
申请号：CN202010605984.1
申请日：2020-06-29
Applicant: 中铁二院工程集团有限责任公司 , 西南交通大学
Abstract: 本发明公开了一种基于网格点格架的磁张量异常空间域快速正演方法，根据实际里程建立模型体，以设置的网格间距将模型体剖分成网格，分别计算模型空间内所有网格点对模型体上表面的四个顶点的磁张量异常的格架函数，然后存储为格架函数数据库；在计算任一个网格点对任一个观测点的磁张量异常时，根据平移等效性，直接调用格架函数数据库，再乘以物性参数，即得到该点对该观测点的磁张量异常；直到得出整个模型体对工作区平面各观测点的磁张量异常，即全张量磁梯度数据Bxx、Bxy、Bxz、Byy、Byz、Bzz。利用平移等效性，只需要计算长方体单元对模型体上表面四个顶点的磁张量异常并建立数据库，减少了重复计算，提高了磁张量异常空间域正演的效率。
-
公开(公告)号：CN111812732B
公开(公告)日：2024-03-15
申请号：CN202010605022.6
申请日：2020-06-29
Applicant: 中铁二院工程集团有限责任公司 , 西南交通大学
IPC: G01V3/38 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于卷积神经网络的大地电磁非线性反演方法，将卷积神经网络运用于地球物理领域的大地电磁反演，将采集到的某一个观测数据作为卷积神经网络的输入，将地电模型参数作为网络的输出，采用深层网络模型，能对复杂非线性数据实现更加精准的映射，避免了对原始数据的复杂前期预处理，同时具有权值共享网络结构，能够大大降低网络模型的复杂度。并且，原始输入数据通过卷积可以实现数据不同特征的提取，以挖掘出数据更深层次的信息；池化在卷积之后，通过池化可降低特征面的分辨率来获得空间不变性特征，降低网络的规模，同时起到二次特征提取的作用。
-
公开(公告)号：CN117031364B
公开(公告)日：2023-12-12
申请号：CN202311306323.9
申请日：2023-10-10
Applicant: 西南交通大学
IPC: G01R33/00 , G01R33/02 , G06F18/2135 , G06F18/23 , G06F17/16
Abstract: 本发明公开了一种多旋翼无人机动态误差补偿及降噪方法，将平台磁场与无人机航磁系统的制作工艺误差结合起来使用16个综合误差补偿系数进行误差补偿。并且利用主成分分析PCA）对实际的磁场数据进行处理。由于16个综合误差补偿系数组成的矩阵C较难出现病态矩阵，所以可以使用最小二乘法对矩阵C进行求解。本发明的有益效果是使用16个综合误差补偿系数进行补偿，能够有效提升误差补偿的精度；使用了三轴分量与磁场总量，对于采集到的磁场数据有较高的利用率；使用主成分分析对实测数据(56)对比文件Zhongkun Qiao 等.Research onaeromagnetic three-component errorcompensation technology for multi-rotorUAV《.Journal of Applied Geophysics》.2021,(第193期),2-9.Hongfeng Pang 等.IntegratedCompensation of Magnetometer ArrayMagnetic Distortion Field and Improvementof Magnetic Object Localization《.IEEETransactions on Geoscience and RemoteSensing》.2014,第52卷(第9期),5670 - 5676.
-
公开(公告)号：CN115718288A
公开(公告)日：2023-02-28
申请号：CN202211493260.8
申请日：2022-11-25
Applicant: 西南交通大学
IPC: G01S7/41 , G06F30/23 , G06F30/27 , G06F17/18 , G06F119/02
Abstract: 本发明公开了一种隧道衬砌中钢筋的去噪方法，包括步骤S1、针对隧道衬砌结构设计符合实际意义的隧道衬砌中钢筋网覆盖下的病害模型，通过时域有限差分正演(FDTD)得到正演模拟图，同时设计出与病害相对应的真实模型图；步骤S2、将正演模拟图作为输入和真实模型图作为输出放在GPR‑invNet网络结构中进行训练及参数迭代，获得最优的GPR‑invNet网络结构；步骤S3、根据训练后最优的GPR‑invNet网络结构输出去噪预测结果图。本发明具有处理时间快、操作简单、精度高等优点。
-
公开(公告)号：CN114779324A
公开(公告)日：2022-07-22
申请号：CN202210238632.6
申请日：2022-03-11
Applicant: 西南交通大学
Abstract: 本发明提供了一种基于深度学习的瑞雷波频散曲线反演方法及应用，包括对瑞雷波进行地震数据采集、采集的地震数据叠加形成频散曲线能量图、在能量谱中提取频散曲线、反演频散曲线以获取地下各层的剪切波速。基于本发明的技术方案进行的地球物理反演，其数据集具备足量性、多样性，网络结构更具普遍性、泛化性，反演精度在浅层包括地层分界处都较为精确，且可以反演出比传统反演方法更深的地层情况。通过采用本方法对频散曲线进行反演的瑞雷面波勘探技术，在便捷性、勘探深度和精确度方面都更加优良。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.019 seconds)
