-
一种双砂浆方法,用于分析波浪诱导的瞬时液化效应对浸没隧道的影响,该方法结合了与液化相关的非达西流动模型
本文将液化相关非达西流模型与双mortar方法结合,用于研究极端海浪作用下全埋浸没隧道的动态响应,通过实际波浪参数分析验证了模型的有效性。
来源:Computers and Geotechnics
时间:2026-03-02
-
HSDL:一种利用混合浅层和深度学习技术改进自动地震目录的新方法
地震监测中假警报问题,提出混合浅层与深度学习(HSDL)方法,结合深度学习相位检测器(EQCCT)与XGBoost分类器,通过物理特征(P/S picks数量、概率均值、S/P比等)实现高精度分类(200数据集100%准确,1500数据集F1>0.99)。
来源:Computers & Geosciences
时间:2026-03-02
-
基于深度学习的混合模型,结合迭代岩性约束方法,用于提高缺失测井数据的预测精度
本研究提出Iterative Lithology-Constrained Hybrid CVAE–LSTM Network(ILCH-Net)框架,通过融合条件变分自编码器(CVAE)与基于LSTM的岩性预测模块,嵌入地质约束以提升缺失测井数据的重建精度。在挪威海上Volve油田六口井的实测数据验证中,ILCH-Net在GR、RHOB、NPHI、DTC和DTS等缺失数据场景下均优于基准模型,实现10.43的最低均方根误差,并通过岩性特异性分析验证了地质一致性提升效果。该框架为地质建模中多日志缺失问题提供了可扩展的解决方案。
来源:Computers & Geosciences
时间:2026-03-02
-
基于CUDA内核函数与PyTorch混合编译技术的快速地面穿透雷达双参数全波形反演方法
三维双参数全波形反演高效框架研究,提出基于CUDA核函数与PyTorch自动微分混合架构的三维GPR-FWI方法,通过GPU加速计算密集型任务,保留PyTorch灵活性支持用户自定义损失函数和正则化策略,实现内存优化与计算效率提升,适用于大规模三维地穿透雷达反演。
来源:Computers & Geosciences
时间:2026-03-02
-
一种考虑流体-固体耦合和接触耦合效应的饱和土-结构动态相互作用摩擦接触方法
饱和土-结构系统动态耦合问题中,基于u-p格式的NTS接触模型通过两步惩罚法与增广拉格朗日方法实现流体-固体耦合及接触约束,结合Mohr-Coulomb准则和有效应力原理划分粘附、滑动与分离三种接触状态,并通过数值案例验证了模型在土-结构相互作用中的准确性和稳定性。
来源:Computers and Geotechnics
时间:2026-03-02
-
基于自适应对象NDWI阈值分割的多光谱遥感图像浅水区域提取方法
浅水区提取方法基于自适应对象NDWI阈值,通过SLIC超像素分割降低噪声影响,结合区域生长算法优化结果,有效提取多光谱遥感图像中岛屿及近岸浅水区,实验表明精度优于传统算法。
来源:Computers & Geosciences
时间:2026-03-02
-
pyParkO:一种基于Python实现的Parker–Oldenburg方法,用于从重力异常数据反演海底地形
提出基于Parker–Oldenburg方法的Python工具pyParkO,支持常数和变密度对比,集成可视化模块,通过模拟和西太平洋实际数据验证其反演海底地形精度,解决MATLAB工具依赖及代码复杂问题。
来源:Computers & Geosciences
时间:2026-03-02
-
基于证据理论的融合方法,利用InSAR(合成孔径雷达)、光学数据和DEM(数字高程模型)数据,实现对活动滑坡的可靠性感知多模态检测
多模态遥感数据融合方法HAEFNet通过分层设计提升滑坡检测精度,结合空间一致性交叉注意力和Dempster-Shafer证据理论实现高效异质特征融合与不确定性校正,在青藏高原及四川地区数据集上IoU达75.2%,优于现有方法4.9%。
来源:Computers & Geosciences
时间:2026-03-02
-
基于Kronecker积分解的最优控制方法在可再生能源电解系统中实现电网支持和氢气生产
绿氢制备的电网支持型光伏-电解槽系统采用邻近克罗内克积分解学习(NKPD)控制策略,优化了可再生能源与氢能生产的协同管理。实验表明系统谐波畸变为3.47%,响应时间4.87ms,产氢效率达70kg。该方案通过NKPD算法实现电网电流快速动态响应,消除传统LMS算法的收敛延迟问题,同时创新性地采用谐波预估计技术,有效抑制电压谐波并提升功率因数。系统架构包含光伏阵列、升压转换器、电压源换流器及电解槽,通过自适应滤波技术实现多目标协同控制。
来源:Computers and Electrical Engineering
时间:2026-03-02
-
在数据异构性环境下,适用于工业系统的可扩展去中心化预测技术
针对工业轴承监测中数据稀缺、隐私敏感和非独立同分布(non-IID)问题,本研究构建联邦学习(FL)基准框架,通过Dirichlet采样控制异质性水平,评估不同聚合策略与优化器在分类(故障检测)和回归(剩余寿命预测)任务中的表现,揭示FL稳定性阈值及优化器适配规则,为工业物联网部署提供可操作的指导。
来源:Computers and Electrical Engineering
时间:2026-03-02