基于监测数据衰减响应模式提取的斜拉桥阻尼比特性分析 被引量：2

1

作者 夏烨 龚丰宗 +1 位作者 尚志强 孙利民 《中国公路学报》 EI CAS CSCD 北大核心 2023年第7期90-101,共12页

运营环境下桥梁受到的车辆荷载是非平稳的,不满足一般运营模态分析方法的基本假定,在桥梁阻尼比识别过程中可能引入较大误差。为了提升基于非平稳监测数据的桥梁阻尼比识别准确性,探究其变化规律,提出了一种基于衰减响应模式提取的桥梁... 运营环境下桥梁受到的车辆荷载是非平稳的,不满足一般运营模态分析方法的基本假定,在桥梁阻尼比识别过程中可能引入较大误差。为了提升基于非平稳监测数据的桥梁阻尼比识别准确性,探究其变化规律,提出了一种基于衰减响应模式提取的桥梁阻尼比识别方法,从大量的识别结果中分析阻尼比在运营期间的统计特征及规律。该方法利用U-net卷积网络从桥梁的监测数据中提取出衰减响应数据,进而利用希尔伯特变换方法识别桥梁阻尼比。分析了一座独塔斜拉桥2年的监测数据,并识别了桥梁前2阶竖弯模态的阻尼比,统计了其在不同时段概率密度分布,分析了温度和交通荷载对阻尼比的影响规律。研究结果表明:所提方法可以从海量监测数据中有效提取出监测数据中的衰减响应;桥梁阻尼比分别与环境温度及交通荷载存在弱负相关和强正相关关系;桥梁阻尼比受车辆荷载影响显著,主要来源于摩擦耗能与车桥耦合效应,前2阶阻尼比平均值在车辆较少时分别为0.72%和0.58%,白天车流量较大时阻尼比平均值分别为1.05%和0.79%。 展开更多

关键词 桥梁工程 阻尼比 u-net卷积网络 衰减响应 模式提取

原文传递

基于U-Net卷积神经网络的织物压力传感阵列串扰解决方法

2

作者 王小东 陈俊鹏 裴泽光 《纺织学报》 EI CAS CSCD 北大核心 2024年第7期86-93,共8页

为解决压阻式柔性压力传感阵列中存在的异常传感单元与串扰现象导致采集到的压力数据不准确的问题,构建了具有32×32个传感单元的压阻式柔性织物压力传感阵列系统,对传感单元检测值出现异常的原因进行了分析,采用中值滤波算法对系... 为解决压阻式柔性压力传感阵列中存在的异常传感单元与串扰现象导致采集到的压力数据不准确的问题,构建了具有32×32个传感单元的压阻式柔性织物压力传感阵列系统,对传感单元检测值出现异常的原因进行了分析,采用中值滤波算法对系统获取的压力分布云图中的异常值进行处理;针对串扰现象,构建了U-Net卷积神经网络模型,采用机器学习方法对织物压力传感阵列系统生成的压力云图进行修正,设计了模型输入、输出数据集的采集方法。结果表明,经中值滤波算法处理后的压力云图的峰值信噪比处于30~40 dB之间,反映出中值滤波算法对异常值处理的效果较为理想;U-Net卷积神经网络模型训练过程中的均方根误差最终达到7.1,表明模型获得了较好的训练效果,通过与无串扰效应的柔性压力传感阵列采集的压力云图进行对比,表明U-Net模型能够有效消除串扰现象对织物压力传感阵列压力云图显示结果的影响。 展开更多

关键词 织物压力传感阵列 中值滤波 u-net卷积神经网络 足底压力监测 串扰

下载PDF 职称材料

基于全局信息提取的三维卷积神经网络断层智能识别

3

作者 钱龙龙 闫彬鹏 《地球物理学进展》 CSCD 北大核心 2024年第4期1532-1543,共12页

断层的准确识别对油气勘探开发至关重要,基于相干体属性的传统断层识别技术面对复杂构造带效果不佳,基于图像分割的常规卷积神经网络也难以弥补下采样中丢失的特征信息.因此,搭建全局信息提取注意力机制,不仅可以在U-Net全卷积网络结构... 断层的准确识别对油气勘探开发至关重要,基于相干体属性的传统断层识别技术面对复杂构造带效果不佳,基于图像分割的常规卷积神经网络也难以弥补下采样中丢失的特征信息.因此,搭建全局信息提取注意力机制,不仅可以在U-Net全卷积网络结构的拼接部分引入信息提取,弥补下采样过程中信息的缺失、增强网络的学习能力,还可以通过在网络最底层采用信息缩放,增强最底层特征信息、提高解释准确率.而且该注意力模块没有添加额外的参数信息,对内存需求较小.实验结果表明,加入注意力机制的神经网络模型的测试准确率达到96%,损失函数值收敛到7%,对实际地震数据的主干断层刻画优于常规U-Net网络.全局信息提取的注意力机制为基于卷积神经网络的三维断层智能识别提供了新的思路. 展开更多

关键词 断层识别 u-net卷积神经网络 注意力机制 特征融合 全局信息提取

原文传递

FY-4 A/GIIRS反演夏冬季有云时大气温湿度廓线的精度评估

4

作者 姚姝含 官莉 《红外与激光工程》 EI CSCD 北大核心 2024年第7期130-142,共13页

FY-4A/GIIRS(Geostationary Interferometric Infrared Sounder)首次实现了地球静止轨道红外高光谱探测,可以连续获得高垂直分辨率的大气温度和湿度廓线信息。当GIIRS视场内有云存在时,目前Level 2业务大气温湿度垂直廓线产品只提供观... FY-4A/GIIRS(Geostationary Interferometric Infrared Sounder)首次实现了地球静止轨道红外高光谱探测,可以连续获得高垂直分辨率的大气温度和湿度廓线信息。当GIIRS视场内有云存在时,目前Level 2业务大气温湿度垂直廓线产品只提供观测视场内云顶以上高度的温度廓线,且不反演整个视场的湿度廓线。基于GIIRS辐射观测值用U-Net卷积神经网络算法实现了全天空大气温湿度廓线反演,包括晴空和全云覆盖视场,同时利用常规无线电探空观测资料对反演精度进行了检验。结果表明:U-Net算法有云视场的温湿度廓线反演能力与晴空相当,且夏季温度反演精度优于冬季,有利于灾害性天气多发季节的监测。在云系较活跃的夏季,随着视场内云量的增加温度廓线反演精度逐渐变高,表明该算法适用于有云时大气温度廓线反演,而湿度随着云量的增加反演均方根误差RMSE增大。视场内不同云光学厚度时温度反演误差相差不大,RMSE均在2.5 K左右,平均偏差ME在1 K以内,对流层高层薄云时反演误差相对而言较小。湿度反演随着云光学厚度的增大反演误差也增大,说明对于一定程度的薄云,GIIRS能够获得不错的反演精度。虽然U-Net算法物理意义不明确,但是能够快速实现全天空大气温湿度廓线反演,尤其在有云时能够获得更高的反演精度。 展开更多

关键词 FY-4 A/GIIRS u-net卷积神经网络 大气温湿度廓线 反演算法评估

下载PDF 职称材料

基于U-Net和残差网络的页岩SEM图像分割方法

5

作者 刘珊珊 《数学的实践与认识》 2023年第5期172-181,共10页

页岩储层微观孔隙结构信息是储层评价和产能预测的基础,对于页岩气勘探开发具有重要指导意义.页岩扫描电镜(SEM)图像可以直观反映出断面的全部信息,可进一步提取微观孔隙结构.传统图像阈值分割算法所得孔隙分割精度较低,存在灰度分布不... 页岩储层微观孔隙结构信息是储层评价和产能预测的基础,对于页岩气勘探开发具有重要指导意义.页岩扫描电镜(SEM)图像可以直观反映出断面的全部信息,可进一步提取微观孔隙结构.传统图像阈值分割算法所得孔隙分割精度较低,存在灰度分布不均及孔隙内局部高亮等现象,而基于轮廓的分割算法需对孔隙进行人工标记,操作繁琐且无法精确提取孔隙.为此,提出了基于U-Net卷积神经网络页岩SEM图像分割方法,通过残差网络和注意力机制改进网络结构,并结合迁移学习提高模型训练效率,根据图像分割结果计算孔隙度.实验结果表明,不同卷积神经网络能够有效、连续地分割页岩SEM图像,在训练及验证集样本上f1score达到70%以上,开发了GUI软件,为使用经过训练的卷积神经网络模型预测页岩孔隙结构提供了一种快速有效的方法. 展开更多

关键词 页岩SEM图像分割 u-net卷积神经网络 残差网络 注意力机制 孔隙度预测

原文传递

基于U-Net网络的成像测井图像修复方法研究

6

作者 曹茂俊 冯昊 《计算机技术与发展》 2023年第6期61-68,共8页

针对微电阻率成像测井图像部分缺失的问题,该文提出了一种基于改进U-Net卷积神经网络的修复方法。该方法使用了VGG16网络的预训练权重,对模型参数进行初始化;引入混合空洞卷积增大感受野来捕获多尺度缺失区域信息;并且通过在模型中引入... 针对微电阻率成像测井图像部分缺失的问题,该文提出了一种基于改进U-Net卷积神经网络的修复方法。该方法使用了VGG16网络的预训练权重,对模型参数进行初始化;引入混合空洞卷积增大感受野来捕获多尺度缺失区域信息;并且通过在模型中引入双向注意力图模块,前向注意力图进行缺失区域权重的重加权,反向注意力图注重修复区域的质量提升。根据实验结果,测试集中五组缺失区域大小不同的成像测井图像的平均结构相似性度量为0.93,相比其他同类方法提升了0.25左右。研究表明,该方法可用于微电阻率成像测井图像的修复,并在语义结构连贯、纹理细节等方面有不错的提升,从而为保证对微电阻率成像测井图像后续解释的顺利推进提供了一种新的深度学习方法。 展开更多

关键词 微电阻率成像测井 u-net卷积神经网络 VGG16网络 混合空洞卷积 注意力图

下载PDF 职称材料

U-Net神经网络分割锥形束CT影像中下颌磨牙牙体与牙髓腔及其准确性验证 被引量：2

7

作者 林翔 傅裕杰 +3 位作者 任根强 温佳欢 陈宇飞 张旗 《上海口腔医学》 CAS 北大核心 2022年第5期454-459,共6页

目的:使用U-net卷积神经网络实现锥形束CT(cone-beam CT,CBCT)影像中下颌磨牙的牙体和牙髓腔的自动分割,采用基于显微CT(Micro-CT)扫描结果构建的三维模型作为金标准,评估分割准确性。方法:从同济大学附属口腔医院放射科收集20组包含完... 目的:使用U-net卷积神经网络实现锥形束CT(cone-beam CT,CBCT)影像中下颌磨牙的牙体和牙髓腔的自动分割,采用基于显微CT(Micro-CT)扫描结果构建的三维模型作为金标准,评估分割准确性。方法:从同济大学附属口腔医院放射科收集20组包含完整单侧下颌磨牙的口腔小视野CBCT数据,预处理后,由牙体牙髓病学专家使用MITK Workbench软件手动标注牙体与牙髓腔,作为U-net神经网络分割算法的训练集。另收集5颗下颌磨牙和相应的小视野CBCT数据,5组数据经相同预处理后作为测试集。随后由完成训练的神经网络和同一专家对测试集数据进行牙体和牙髓腔分割和三维重建。离体牙预处理后行Micro-CT扫描,将三维重建后获得的模型作为金标准。分别比较测试集数据中,专家的手动标注、神经网络分割结果与金标准两两之间的差异。采用Dice相似性系数(Dice similarity coefficient,DSC)、平均对称表面距离(average symmetric surface distance,ASSD)、Hausdorff距离(Hausdorff distance,HD)和形态差异分析对结果进行评估。采用SPSS 20.0软件包对数据进行统计学分析。结果:神经网络分割结果与金标准相比,其牙体组的DSC为(95.30±1.01)%、ASSD为(0.11±0.02)mm、HD为(1.05±0.31)mm,牙髓腔组的DSC为(81.21±2.27)%、ASSD为(0.15±0.05)mm、HD为(3.29±1.85)mm,结合形态差异分析结果显示,神经网络的分割结果与金标准的牙体与髓室部分基本相似,但在根管部分,能分割出较粗的根管,对于根管下段和侧支根管等较细的根管分割能力有限。结论:在现有实验条件下,以专家手动标注作为训练样本的U-net神经网络,实现了在CBCT影像上对下颌磨牙牙体与髓室的自动化精准分割。但对根管部分,其分割结果有待进一步提升。 展开更多

关键词 u-net卷积神经网络 锥形束CT 显微CT 图像分割 下颌磨牙

下载PDF 职称材料

改进U-Net模型的景区建筑物动态监测方法 被引量：2

8

作者 范贝贝 赵良军 +2 位作者 黎远松 王弼虎 王泽 《四川轻化工大学学报（自然科学版）》 CAS 2022年第5期43-50,共8页

针对使用卷积神经网络对建筑物提取的精度低、效率慢、检测结果对比不明显等问题,提出了一种改进后的U-Net卷积神经网络方法。该方法以蜀南竹海高分辨率卫星影像为研究对象,通过手工建筑物外廓矢量化生成样本标签,所使用的网络模型在传... 针对使用卷积神经网络对建筑物提取的精度低、效率慢、检测结果对比不明显等问题,提出了一种改进后的U-Net卷积神经网络方法。该方法以蜀南竹海高分辨率卫星影像为研究对象,通过手工建筑物外廓矢量化生成样本标签,所使用的网络模型在传统U-Net的基础上增加了多层卷积结构,并在每层卷积结构上增加了一层BN(BatchNormalization)层,能够以高学习率完成样本训练,最后使用遥感图像处理平台(ENVI)监测工具生成蜀南竹海2017年和2020年建筑物动态监测变化图。对本实验的数据集进行样本提取结果指标评估,得到的训练数据准确率为99.58%,测试数据准确率为98.46%,整体精度为98.44%,召回率为99.33%,交并比为98.43%,均高于传统U-Net网络结构,说明本实验使用的改进型U-Net深度学习方法具有一定的适用性和有效性。 展开更多

关键词 建筑物提取 u-net卷积神经网络 高分辨率卫星影像 遥感图像处理平台(ENVI) 深度学习

下载PDF 职称材料

基于U-net卷积神经网络的大转角ISAR成像方法

9

作者 李文哲 李开明 +1 位作者 康乐 罗迎 《空军工程大学学报》 CSCD 北大核心 2022年第5期28-35,共8页

针对ISAR成像在大转角条件下产生严重的越距离单元徙动从而使得ISAR图像散焦的问题,提出一种基于U-net卷积神经网络的大转角ISAR成像方法。首先利用快速傅里叶变换对大转角条件下的回波数据进行预处理,得到散焦的ISAR复值图像作为训练样... 针对ISAR成像在大转角条件下产生严重的越距离单元徙动从而使得ISAR图像散焦的问题,提出一种基于U-net卷积神经网络的大转角ISAR成像方法。首先利用快速傅里叶变换对大转角条件下的回波数据进行预处理,得到散焦的ISAR复值图像作为训练样本,其次,根据ISAR成像特点对U-net网络结构进行了改进,训练后得到具有良好聚焦能力的成像网络。仿真实验表明:与传统大转角ISAR成像方法相比,所提方法将ISAR图像的峰值旁瓣比降至-18d B以下,具有更小的图像熵和最小均方误差,成像时间缩减至0.28s左右,在低信噪比条件下仍可以实现ISAR图像的快速、准确重建。 展开更多

关键词 逆合成孔径雷达 大转角成像 越距离单元徙动 u-net卷积神经网络

下载PDF 职称材料

基于3D U-Net全卷积神经网络的低序级断层识别技术 被引量：16

10

作者 刘宗杰 贺锡雷 +2 位作者 张祖豪 周云秋 张舜 《地球物理学进展》 CSCD 北大核心 2021年第6期2519-2530,共12页

断层精细解释在储层描述、圈闭评价和布设井位等方面具有十分重要的意义.针对传统相干体、曲率等属性在复杂断裂发育区域分辨率低、识别能力差等缺点,本文提出了3D U-Net全卷积神经网络用于断层自动识别.首先利用合成断层体模型制作训... 断层精细解释在储层描述、圈闭评价和布设井位等方面具有十分重要的意义.针对传统相干体、曲率等属性在复杂断裂发育区域分辨率低、识别能力差等缺点,本文提出了3D U-Net全卷积神经网络用于断层自动识别.首先利用合成断层体模型制作训练数据集及验证数据集,然后基于Keras深度学习框架构建了一种全新3D U-Net卷积神经网络模型用于增强微小断层识别能力,最后直接输入三维叠后地震数据得出对应的断层概率属性.实际工区应用表明,该技术在纵剖面微小断层成像、深层抗噪性方面具有明显优势,平面上断裂清晰合理,低序级断层及微小构造得到突出显示,提高了构造解释的精度,为精细勘探、高效开发、复杂构造描述提供了有力保障. 展开更多

关键词 断层识别 u-net卷积神经网络 低序级断层 Keras 损失函数

原文传递

基于U-Net卷积神经网络的纳米颗粒分割 被引量：11

11

作者 张芳 吴玥 +4 位作者 肖志涛 耿磊 吴骏 刘彦北 王雯 《激光与光电子学进展》 CSCD 北大核心 2019年第6期129-135,共7页

为了准确测量纳米颗粒的尺寸,依据透射电子显微镜拍摄的纳米颗粒图像,提出了一种基于U-Net卷积神经网络的颗粒自动分割方法。将U-Net部分网络结构与批量归一化层相结合,减弱了网络对初始化的依赖,提升了训练速度。对纳米颗粒图像进行半... 为了准确测量纳米颗粒的尺寸,依据透射电子显微镜拍摄的纳米颗粒图像,提出了一种基于U-Net卷积神经网络的颗粒自动分割方法。将U-Net部分网络结构与批量归一化层相结合,减弱了网络对初始化的依赖,提升了训练速度。对纳米颗粒图像进行半隐式偏微分方程滤波以增强图像边缘信息,利用改进的U-Net网络训练纳米颗粒个体分割模型,得到了分割结果。研究结果表明,所提方法能准确分割出图像中的纳米颗粒,对边缘模糊和强度不均的纳米颗粒的分割效果提升显著。 展开更多

关键词 图像处理:纳米颗粒分割 u-net卷积神经网络 半隐式偏微分方程 滤波

原文传递

基于U⁃net卷积神经网络的多尺度遥感图像分割算法 被引量：2

12

作者 刘丹英 刘晓燕 《现代电子技术》 2023年第21期44-47,共4页

多尺度遥感图像的非本质特征量较大,不仅易导致图像噪声较大,也增加了图像分割的难度。为充分保留分割后多尺度遥感图像的边缘特征,在U⁃net卷积神经网络下提出新的图像分割算法。以U⁃net卷积神经网络为基网,提取被分割图像特征,获得被... 多尺度遥感图像的非本质特征量较大,不仅易导致图像噪声较大,也增加了图像分割的难度。为充分保留分割后多尺度遥感图像的边缘特征,在U⁃net卷积神经网络下提出新的图像分割算法。以U⁃net卷积神经网络为基网,提取被分割图像特征,获得被分割图像细节信息;计算相邻像素和原始像素特征向量的欧氏距离,结合去噪算法,通过归一化参数处理,建立相似性函数,实现对多尺度遥感图像分割特征增强处理;计算分割框候选偏差值;根据U⁃net卷积神经网络结构确定局部最优合并区域对;计算度量区域的距离,使用全局最优区域合并方法更新分割时间复杂度,实现多尺度遥感图像整体分割。由实验结果可知,该算法能够精准确定指定建筑物位置,并保留建筑物完整边缘细节信息。 展开更多

关键词 u⁃net卷积神经网络 特征提取 相邻像素 相似性函数 分割框候选偏差 多尺度 遥感图像 分割

下载PDF 职称材料

基于U-Net深度卷积神经网络的碳酸盐岩储层自动识别方法

13

作者 陈蕾 唐金良 +1 位作者 孙振涛 曹辉兰 《内蒙古石油化工》 CAS 2020年第5期50-52,57,共4页

本文将目前主流的深度学习思想引入到缝洞油藏描述领域,减少该领域的大规模人工交互分析的成本。构建了面向缝洞储层分类自动识别的井震样本数据集,为后续缝洞储层自动识别深度网络的构建提供训练数据。在利用对U-Net网络进行训练时,采... 本文将目前主流的深度学习思想引入到缝洞油藏描述领域,减少该领域的大规模人工交互分析的成本。构建了面向缝洞储层分类自动识别的井震样本数据集,为后续缝洞储层自动识别深度网络的构建提供训练数据。在利用对U-Net网络进行训练时,采取"预训练+调优训练"两步实施的策略,实现了高精度的储层概率与储层分类自动识别,实际资料测试结果表明深度网络具有较好的泛化能力。 展开更多

关键词 u-net深度卷积 神经网络 地震属性 碳酸盐岩 缝洞储层

下载PDF 职称材料