The objective of the current study is to utilize an innovative method called 'change probabilities' for describing fracture roughness. In order to detect and visualize anisotropy of rock joint surfaces, the roughness of one-dimensional profiles taken in different directions is quantified. The central quantifiers, 'change probabilities', are based on counting monotone changes in discretizations of a profile. These probabilities, which are usually varying with the scale, can be reinterpreted as scale-dependent Hurst exponents. For a large class of Gaussian stochastic processes change probabilities are shown to be directly related to the classical Hurst exponent, which generalizes a relationship known for fractional Brownian motion. While being related to this classical roughness measure, the proposed method is more generally applicable, increasing therefore the flexibility of modeling and investigating surface profiles. In particular, it allows a quick and efficient visualization and detection of roughness anisotropy and scale dependence of roughness.


翻译:本次研究的目标是使用一种名为“ 改变概率” 的创新方法来描述断裂粗糙度。 为了检测和直观地分析岩石联合表面的厌异性, 不同方向的单维剖面的粗糙度是量化的。 中央量化符“ 改变概率” 是基于对剖面分化中单体变化的计算。 这些概率通常与比例值不同, 可以被重新解释为依赖比例尺的赫斯特显像。 对于一大批高斯显性过程变化概率显示与古典赫斯特显性直接相关, 古典赫斯特显性概括了小布朗运动已知的一种关系。 拟议的方法虽然与典型粗糙度测量有关, 但更为普遍适用, 从而增加了建模和调查地表剖面的灵活度。 特别是, 它能够快速和高效地直观和检测粗糙度的厌异性和规模依赖性。

0
下载
关闭预览

相关内容

【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2022年1月21日
Arxiv
0+阅读 · 2022年1月16日
Revealing the Dark Secrets of BERT
Arxiv
4+阅读 · 2019年9月11日
VIP会员
相关资讯
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员