联合压力板仪和蒸汽平衡法在全吸力范围内对原状与重塑黄土进行持水特性试验,使用非饱和三轴仪对高吸力下的原状与重塑黄土进行剪切试验,同时采用扫描电镜仪(scanning electron microscope,SEM)和压汞仪(mercury injection apparatus,M...联合压力板仪和蒸汽平衡法在全吸力范围内对原状与重塑黄土进行持水特性试验,使用非饱和三轴仪对高吸力下的原状与重塑黄土进行剪切试验,同时采用扫描电镜仪(scanning electron microscope,SEM)和压汞仪(mercury injection apparatus,MIP)进行微观试验,探讨了非饱和黄土结构性差异对其水力力学特性的影响。试验结果表明:随着吸力的增大,原状和重塑土的饱和度、含水率均减小,孔隙比稍有减小。由于原状及重塑黄土的初始孔隙比基本一致,因此两者压汞试验总进汞量接近。由扫描电镜和压汞试验得到的原状及重塑黄土的孔隙结构形态及优势孔径范围不一样,结构性有所差异,导致土-水特征曲线在不同吸力范围内呈现不一样的规律。原状和重塑土的应力-应变关系多呈软化现象,吸力为3.29 MPa的重塑土呈硬化现象。且随着吸力的增大,原状和重塑土的黏聚力和峰值强度均明显增加,体变由剪缩趋向剪胀现象。由于原状土具备一定结构性,胶结作用较强,其黏聚力的增幅会大于重塑土,峰值强度也高于重塑土,而两者的内摩擦角基本一致。展开更多
为解决人工拾取地震叠加速度谱时耗时长、效率低等问题,本文提出了一种基于深度学习的地震速度谱自动拾取算法模型VSAP(Velocity Spectrum Accurate Pickup).该算法运用卷积神经网络Faster R-CNN模型构建的多分类任务拾取目标能量团,然...为解决人工拾取地震叠加速度谱时耗时长、效率低等问题,本文提出了一种基于深度学习的地震速度谱自动拾取算法模型VSAP(Velocity Spectrum Accurate Pickup).该算法运用卷积神经网络Faster R-CNN模型构建的多分类任务拾取目标能量团,然后将初步拾取后的能量团坐标输入循环神经网络LSTM(Long-Short Term Memory)模型来进行目标能量团拾取时坐标的取舍和微调,最后输出模型分析和调整过的速度谱自动拾取图像.并通过实际的地震数据集拾取结果验证了该算法模型在叠加速度谱复杂信息的干扰中自动、准确拾取速度谱中能量团的能力,同时验证了该模型的准确性以及鲁棒性.经过改进,该算法模型有效地提高了速度谱拾取的效率和拾取精度.展开更多
文摘为解决人工拾取地震叠加速度谱时耗时长、效率低等问题,本文提出了一种基于深度学习的地震速度谱自动拾取算法模型VSAP(Velocity Spectrum Accurate Pickup).该算法运用卷积神经网络Faster R-CNN模型构建的多分类任务拾取目标能量团,然后将初步拾取后的能量团坐标输入循环神经网络LSTM(Long-Short Term Memory)模型来进行目标能量团拾取时坐标的取舍和微调,最后输出模型分析和调整过的速度谱自动拾取图像.并通过实际的地震数据集拾取结果验证了该算法模型在叠加速度谱复杂信息的干扰中自动、准确拾取速度谱中能量团的能力,同时验证了该模型的准确性以及鲁棒性.经过改进,该算法模型有效地提高了速度谱拾取的效率和拾取精度.