文件修订日期：2022-05-04 数据集版本: 1 简介 该数据集综合了 1983 年至 2016 年期间美国阿拉斯加、西北地区和加拿大萨斯喀彻温省被烧毁的北方森林地点的野外地块特征数据、衍生的地上和地下燃烧碳以及获取的火灾气象指数（FWI）系统组件。此外还包括未烧毁地块的数据。编译的地块级特征数据包括林分年龄、干扰历史、树木密度和树木生物物理测量值，用于计算地上（ag）和地下（bg）生物

1. scheduler文件         1.1 WarmupMultiStepLR类         这部分代码主要是设置优化器学习率的参数, 如刚开始学习率较低(热身阶段), 中途恢复正常, 之后每过多少epoch降低到中途恢复正常学习率的多少倍 class WarmupMultiStepLR(torch.optim.lr_scheduler._LRScheduler):def __

目录 1. dataset文件         1.1初始化网络         1.2load_every函数         1.3 getitem函数         1.4测试函数 2. transforms文件         2.1裁切函数和翻转函数         2.2上\下采样函数         2.3加入随机因子的上\下采样函数         2.4填充

摘要: 小组做同一方向研究时, 面临题目容易冲突的问题. 本文分析一篇 DL-FWI 涉及的几个方面, 以此来完全解决论文命名问题。 1. 反演结果 反演结果可以按几种方式划分. 1.1 数据的维度 1.1.1 1D 反演的结果是 1D, 其实容易有较好的普适性. 相应的输入, 一般是共中心点道集. 1.1.2 2D 反演的结果是 2D, 一般需要输入为多炮. 1.1.2 3D

目录 1.全波形反演 2.神经网络 全波形反演可以说现在被地球物理界的小伙伴做烂了，一提到全波形反演大家先到的就是高精度...各种优点，可是他却有着与人工智能的同样的缺陷，那就是计算量的限制。但是在当下，随着计算技术的不但进步，虽然有人说摩尔定律已死，但是现在各种超级计算机横空出世，我们国家的曙光、天河等位居世界前列，相信，为了得到高精度的结果，这点计算花费是值得的，今天就来简单对地球物

说在前面 首先大体介绍一下勘探地球物理。 以中科院期刊分类为标准，自然科学可以分为以下几大类： | 数学 | 物理 | 化学 | 医学 | 生物 | 农林科学 | 工程技术 | 地学 | 地学天文 | 环境科学 很显然，前三个算是基础学科。而后面七个是将前三个应用到不同地方的分类。而且后三个其实可以都概括在地学里，如此分类可见地学这个学科的庞大。 而我本科的专业属于地学中的地球物理，我的