期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
Circular Natural Geoforms, Sierras Pampeanas, Argentina
1
作者 Adolfo Antonio Gutiérrez Ricardo Mon Clara Eugenia Cisterna 《Open Journal of Geology》 2017年第9期1303-1317,共15页
We describe two circular morphological features representing depressed areas. This preliminary work is based on visual interpretations from Landsat ETM satellite images and SRTM Radar scans. The two geoforms are locat... We describe two circular morphological features representing depressed areas. This preliminary work is based on visual interpretations from Landsat ETM satellite images and SRTM Radar scans. The two geoforms are located at the north of the Sierras Pampeanas in Argentina. The La Ciénaga circular indentation is 15 km in diameter and Las Cejas is 34 km in diameter. Until now rings of these characteristics, magnitudes and diameters are unknown and unheard of in Argentina. 展开更多
关键词 IMPACT STRUCTURES METEORITES geoforms
暂未订购
基于Geoformer的地磁超低频波智能识别研究
2
作者 方少峰 邹自明 《数据与计算发展前沿(中英文)》 2025年第4期42-53,共12页
【目的】针对传统方法在噪声环境下地磁超低频波识别精度不足、长时序依赖特征建模能力较弱的问题,本文提出一种基于深度可分离卷积和时序Transformer的地磁超低频波识别框架Geoformer,通过融合卷积神经网络与改进型Transformer架构,结... 【目的】针对传统方法在噪声环境下地磁超低频波识别精度不足、长时序依赖特征建模能力较弱的问题,本文提出一种基于深度可分离卷积和时序Transformer的地磁超低频波识别框架Geoformer,通过融合卷积神经网络与改进型Transformer架构,结合优化的位置编码策略,提升地磁超低频波的识别准确率与模型泛化能力。【方法】该方法利用卷积神经网络提取地磁信号的局部时域特征与多通道空间相关性,同时通过时间绝对位置编码与高效相对位置编码增强模型对信号序列绝对位置与相对距离的感知能力,最终借助多头自注意力机制捕捉长时序依赖与多维度交互特征,实现精准分类。【结果】实验结果表明,相较于传统CNN与基础Transformer模型,Geoformer在真实地磁数据集上分类准确率提升12.2%,且明显优于LSTM、GRU、Resnet等传统深度学习模型。【局限】模型计算复杂度随信号长度增长呈二次增长,在超长时间序列实时处理中需结合降采样技术,且依赖高质量标注数据,在小样本场景下需引入迁移学习或自监督预训练。【结论】本文通过卷积-Transformer架构创新与位置编码优化,为地磁超低频波信号的智能分析提供了高效解决方案,有望在地球物理监测、空间天气预警等领域发挥重要作用。 展开更多
关键词 地磁超低频波 Geoformer 信号分类
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部