返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 现代信息处理技术在地球物理中的应用 胡祥云等 著 专业科技 文轩网
  • 新华书店正版
    • 作者: 胡祥云等著
    • 出版社: 科学出版社
    • 出版时间:2022-11-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 胡祥云等著
    • 出版社:科学出版社
    • 出版时间:2022-11-01 00:00:00
    • 版次:1
    • 字数:364000
    • 页数:248
    • 开本:其他
    • 装帧:平装
    • ISBN:9787030712080
    • 国别/地区:中国
    • 版权提供:科学出版社

    现代信息处理技术在地球物理中的应用

    作  者:胡祥云等 著
    定  价:208
    出 版 社:科学出版社
    出版日期:2022年11月01日
    页  数:248
    装  帧:平装
    ISBN:9787030712080
    主编推荐

    内容简介

    本书介绍现代信息处理方法在重力、磁力、电磁、地震等地球物理信号信息提取中的应用,主要包括地球物理资料滤波、位场边界识别、谱矩分析位场几何特征提取、地球天然脉冲电磁场信号特征分析、地球天然脉冲电磁场时频分析、地球物理信号混沌-神经网络预测、低秩逼近地震数据重建,以及深度学习地震数据重建等方法与技术。

    作者简介

    精彩内容

    目录
    目录
    第1章  地球物理资料滤波方法  1
    1.1  小波变换与小波域滤波  1
    1.1.1  小波变换原理  1
    1.1.2  小波域滤波实现  3
    1.2  高阶统计量滤波  5
    1.2.1  高阶累积量及高阶累积量谱的概念  5
    1.2.2  高阶累积量及高阶累积量谱的估计  7
    1.2.3  基于三阶谱的傅里叶振幅与相位重构  9
    1.2.4  基于三阶谱的位场滤波算法  13
    1.3  Curvelet域滤波  13
    1.3.1  Curvelet变换原理  13
    1.3.2  基于高阶统计量的Curvelet域滤波  15
    1.4  基于L2范数的滤波方法  17
    1.4.1  原理及数学形式  17
    1.4.2  参数选择与方法的物理意义  19
    1.5  模型数值实验  20
    1.6  实际资料滤波案例  25
    第2章  位场异常识别与边界探测  29
    2.1  位场异常导数换算及应用前提  29
    2.1.1  位场异常导数的物理意义  30
    2.1.2  磁异常化极与磁源重力异常计算  31
    2.2  垂向导数  32
    2.3  水平总梯度模  35
    2.4  解析信号振幅  36
    2.5  Theta图  37
    2.6  Tilt梯度及其水平导数  38
    2.6.1  Tilt梯度  38
    2.6.2  Tilt梯度的水平导数  38
    2.6.3  模型实验  39
    2.7  归一化标准差  40
    2.8  Tilt梯度的改进算法  40
    2.8.1  模型实验  42
    2.8.2  韦岗铁矿区磁异常边界探测  45
    2.9  斜磁化磁异常处理  51
    第3章  基于各向异性标准化方差的重磁源边界分析  56
    3.1  各向异性标准化方差算法  56
    3.1.1  算法原理  56
    3.1.2  算法的物理意义与计算流程  57
    3.1.3  理论模型  59
    3.2  改进的各向异性标准化方差算法  60
    3.2.1  算法原理  60
    3.2.2  计算流程  62
    3.2.3  理论模型  63
    3.3  各向异性标准化方差算法性质  65
    3.4  复杂模型计算对比  66
    3.4.1  理论模型  67
    3.4.2  含噪声模型  69
    3.5  各种方法处理效果对比  76
    第4章  基于谱矩分析技术的位场几何特征  78
    4.1  谱矩基础知识  78
    4.1.1  谱矩的定义  78
    4.1.2  离散数据的各阶谱矩计算  79
    4.2  基于谱矩的地学特征因子提取方法及应用  81
    4.2.1  表面统计不变量与均方根斜率方差因子  81
    4.2.2  自由空气重力异常数据的山脉和盆地识别  82
    4.3  谱矩方法在磁源体深度反演中的应用  84
    4.3.1  算术平均顶点曲率  85
    4.3.2  球状磁源体埋深估计  86
    4.3.3  板状磁源体埋深估计  88
    4.3.4  塔里木盆地地区的应用效果  90
    4.4  基于地壳弧形构造信息提取的四阶谱矩分析  93
    4.4.1  基于谱矩的边界识别方法  93
    4.4.2  理论模型实验  94
    4.4.3  应用案例  99
    第5章  震前地球天然脉冲电磁场信号采集与特征分析  101
    5.1  地球天然脉冲电磁场场源机理  101
    5.2  地球天然脉冲电磁场信号采集  102
    5.3  地球天然脉冲电磁场信号的震前特征  103
    5.3.1  震前ENPEMF信号的时频谱分解  103
    5.3.2  震前ENPEMF信号时频参数的孕震信息特点  110
    5.3.3  时频幅度谱二维图的孕震信息特点  115
    5.3.4  时频幅度谱三维图的孕震信息特点  120
    第6章  时频分析在地球天然脉冲电磁场数据信息提取中的应用  124
    6.1  时频分析方法  124
    6.1.1  Hilbert变换与谱  124
    6.1.2  自适应时频  127
    6.1.3  WVD的改进算法  129
    6.2  NSTFT-WVD变换在震前地球天然脉冲电磁场信号时频与能量分析中的应用  132
    6.2.1  NSTFT-WVD方法原理  132
    6.2.2  基于NSTFT-WVD变换的震前ENPEMF信号的时频特点  136
    6.3  BSWT-DDTFA方法在震前地球天然脉冲电磁场信号时频分析中的应用  140
    6.3.1  BSWT-DDTFA方法原理  140
    6.3.2  BSWT-DDTFA方法仿真  141
    6.3.3  基于BSWT-DDTFA的震前ENPEMF信号的时频特点  143
    6.4  EEMD-WVD方法在震前地球天然脉冲电磁场时频特性中的应用  146
    6.4.1  ENPEMF数据的二维时频分解  146
    6.4.2  EEMD-WVD分解  148
    6.5  DE-DDTFA方法在震前地球天然脉冲电磁场信号时频特性中的应用  150
    6.5.1  DE-DDTFA方法原理  151
    6.5.2  DE-DDTFA方法仿真  152
    6.5.3  基于DE-DDTFA的震前ENPEMF信号的时频特点  153
    第7章  混沌-神经网络在地球物理信号强度预测中的应用  157
    7.1  混沌理论  157
    7.1.1  假邻近法  158
    7.1.2  自相关函数法  159
    7.2  径向基函数神经网络  160
    7.3  基于混沌-径向基函数神经网络的震前地球天然脉冲电磁场强度预测  162
    第8章  低秩逼近在地震数据重建中的应用  167
    8.1  基础知识  167
    8.1.1  地震数据重建模型  167
    8.1.2  矩阵的秩  167
    8.1.3  张量的秩  168
    8.2  基于低秩逼近的地震数据重建原理  169
    8.2.1  Hankel矩阵预变换  169
    8.2.2  纹理块矩阵预变换  170
    8.2.3  地震数据的低秩性  171
    8.3  基于纹理块张量预变换的地震重建  171
    8.3.1  纹理块张量预变换  171
    8.3.2  纹理块张量预变换下地震数据重建模型  173
    8.3.3  模型求解  173
    8.3.4  数值实验  175
    8.4  基于log-sum函数的地震数据重建  180
    8.4.1  基于核范数的地震数据重建方法  181
    8.4.2  基于log-sum函数的地震数据重建方法  181
    8.4.3  数值实验  183
    8.5  基于自相似性和低秩先验的地震数据随机噪声压制  187
    8.5.1  自相似块匹配  187
    8.5.2  基于截断核范数的低秩模型  188
    8.5.3  APGL优化求解  189
    8.5.4  数值实验  191
    第9章  深度学习在地震数据重建中的应用  195
    9.1  深度学习概述  195
    9.1.1  深度学习的起源与发展  195
    9.1.2  深度学习应用于地震数据重建的研究现状  196
    9.2  卷积神经网络  196
    9.2.1  卷积神经网络的基本组成部分  196
    9.2.2  地震数据重建中常用的CNN模型  199
    9.3  带纹理约束的深度神经网络在地震数据插值中的应用  200
    9.3.1  算法模型  201
    9.3.2  实验分析  203
    9.4  基于深度先验的地震数据插值  210
    9.4.1  基础知识  210
    9.4.2  实验分析  215
    9.5  基于卷积神经网络的地震数据去噪  220
    9.5.1  CNN-NP结构  220
    9.5.2  随机噪声去除  222
    9.5.3  面波去除  225
    参考文献  228

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购