大藤峡水库岩溶塌陷预防的安全调度研究

水库运行容易在库区诱发滑坡、岩溶塌陷等地质灾害。通过水库运行的安全调度,可有效减少库区地质灾害的发生。本文以在建的大藤峡水库武宣防护区为例,分析计算了岩溶塌陷预防的安全调度水位、排蓄水速度;并根据现场调查,查明了研究区岩溶塌陷发育的地质背景和发育现状,建立了岩溶塌陷发育机理模式。为了分析水库运行改变地下水动力条件对岩溶塌陷发育的影响,运用Modflow软件,建立研究区数值模拟模型,通过数值模拟运算,预测了大藤峡水库不同蓄水水位引起的地下水位变化,以及不同排蓄水速度引起的地下水流速变化;探讨了包气带、潜水层和承压水层区域岩溶塌陷发育的可能性。结果表明:研究区岩溶塌陷预防的水库安全水位高程为51～62 m,蓄水水位安全上升速度为0～1.0 m·d-1和排水水位安全下降速度为0~3.0 m·d-1。      

跨流域引水受水水库最优调度决策的理论分析

针对跨流域调水工程的实时调度决策问题,考虑受水水库的供水效益与引水成本,建立受水水库实时调度的理论分析框架,制定最优引、供水决策,分析预报不确定性对调度决策的影响,提出预报信息可利用准则。辽宁省大伙房应急入连工程的应用表明:若受水水库可用水量较少,引水后水库当前时段供水效益与时段末蓄水效益均增加,最优决策满足引水边际成本、供水边际效益与蓄水边际效益三者相等;随受水水库可用水量增多,水库按需供水,引水仅提升蓄水效益,最优决策使引水边际成本等于蓄水边际效益。若水库期望蓄水量较小,水库缺水概率较大,预报信息可利用性取决于可接受缺水风险;反之,水库弃水概率较大,预报信息可利用性取决于可接受弃水风险。     

用神经网络理论预测水库诱发地震

本文运用神经网络理论中改进的ＢＰ算法对水库诱发地震进行了研究，并根据不同的资料和不同的诱震因素，建立了两个水库诱发地震震级预测的神经网络模型。研究结果表明，与一般统计学相比，用神经网络理论预测水库诱发地震具有更高的精度。     

时间序列分解模型在水文要素中长期预报中的应用

基于时间序列分解法，建立了降雨、水库来水的中长期预报模型。引入灰色系统理论来分离趋势项，并应用反馈模拟校正技术对预报结果作出实时校正，从预报结果可以看出，所建模型具有较好的适应性和预报精度。     

基于高压旋喷灌浆技术的水库加固工程混凝土防渗墙可靠性分析

针对传统水库加固工程混凝土防渗墙可靠性分析受到混凝土防渗墙质量的影响,以提高水库加固工程混凝土防渗墙可靠性分析精度为目的,提出了基于高压旋喷灌浆技术的水库加固工程混凝土防渗墙可靠性分析。根据高压旋喷灌浆技术原理及混凝土防渗墙效果的影响因素,设置合理的高压旋喷灌浆技术施工参数,并根据设置的参数,建立水库加固工程混凝土防渗墙可靠性分析有限元模型,最后通过水库加固工程混凝土防渗墙可靠性分析步骤,实现了水库加固工程混凝土防渗墙的可靠性分析。结果表明,与其他两种可靠性分析方法相比,基于高压旋喷灌浆技术的可靠性分析方法具有更高的可靠性分析精度。     

基于最优加权组合模型及高斯－牛顿法的滑坡变形预测研究

在对最优加权组合理论和高斯－牛顿法优化非线性模型参数的方法研究的基础上,依托于洒勒山滑坡的实际变形监测资料,建立了该滑坡变形预测的3个非线性预测模型:指数模型、Verhulst模型和灰色GM（1,1）模型;利用最优加权组合理论建立了洒勒山滑坡的最优加权组合预测模型,并运用高斯－牛顿法对各单一模型和组合模型的参数进行了优化。通过对比分析得出:组合模型的预测精度高于任何单一模型的预测精度;参数优化后各单一模型的预测精度都有不同程度的提高;参数优化后的组合模型预测精度是最高的。因此,综合运用最优组合理论和高斯－牛顿法处理滑坡预测预报模型,是提高滑坡预测预报精度的行之有效的方法。     

随钻测斜仪误差补偿实验研究

为消除测斜仪传感器因温度变化引起的温度漂移和降低安装误差,在随钻测斜仪的姿态数学模型及其产生误差原因分析的基础上,建立了基于最小二乘法的多项式拟合以及约束条件下多变量函数寻最优解的测斜仪温度漂移误差和安装误差补偿数学模型。通过ADXL345加速度传感器的温度误差补偿及安装误差校正的实验研究,结果表明,补偿后的测斜仪井斜角输出达到了较高的精度,满足了测斜仪的精度要求,表明建立的误差补偿数学模型正确,可应用于随钻测斜仪的误差补偿。      

基于最优加权组合的甘肃金川矿14行风井变形预测

金川14行风井直接关系到矿山的安全生产。本文建立了3种单一预测模型,并根据最优加权组合原理得到了最优加权组合预测模型。最优加权组合预测模型包含了单一模型的有效信息,提高了变形的预测精度。最优加权组合预测模型的模型精度与权重分配与单一模型的选取有关。作为一种短期预测模型,得出金川14行风井在近两个半年会保持稳态变形,不会出现大的突变。     

岩溶水库渗漏预测的地质-数学模型——数量化理论在岩溶方面的应用

岩溶水库渗漏定量预测是一个非常复杂的问题。本文提出一种新的预测方法,该方法依据是应用数量化理论。能灵活地处理地质因素中的诸多定性变量。在广泛收集各地岩溶水库渗漏观测资料的基础上,建立地质-数学模型,拟定求解方程,并使其程序化。研究结果认为,本文建立的三个预测模型精度均较高,相关系数大于0.95。总体预测可信度达到0.73以上,表明该模型是可行的和实用的。文中,并用实例进行了检验和预测。      

四阶龙格库塔法在高士沟水库调洪计算中的应用

目前,水库调洪计算有试算法和半图解法,由于两种方法迭代试算或辅助线重复插补求解非线性超越方程的速度较慢,工作量大,故本文将水平衡方程和水库流量曲线归纳为一阶常微分方程,根据边界条件,采用四阶龙格库塔法求解水库洪水调度过程,该方法是一种求解微分方程的数值方法,便于程序设计,精度较高,该方法在水库洪水调度中具有一定的适用性。     

基于改进遗传算法的Holt-Winters模型在采空沉陷预测中的应用

针对遗传算法存在的缺陷,提出了用小生境方法改进遗传算法。为了提高采空沉陷预测精度,借助Holt-Winters模型的预测功能,应用改进遗传算法求解和优化Holt-Winters模型组合参数,形成了改进遗传算法-Holt-Winters模型组合算法。将组合算法应用于长平高速公路采空区路段沉陷预测,计算表明：改进遗传算法弥补了传统遗传算法易早熟、局部寻优能力弱的缺陷;改进遗传算法-Holt-Winters模型组合算法克服了按梯度试算法搜索质量差和精度不高的缺点,输出稳定性好,预测结果相对误差在2%以内,预测精度显著提高;在采空沉陷中长期预测的相对误差小于0.79%,该算法可用于中长期采空沉陷预测。     

遗传BP算法在洛带气田测井物性解释中的应用

应用遗传算法(GA)对BP网络进行了改进，并在此基础上，利用多种测井数据及岩心描述资料作为网络模型的学习样本，以测井解释渗透率等参数的神经网络模型为例，通过网络的学习、训练，建立了神经网络模型．应用此模型计算物性参数值，解释结果及精度均令人满意．     

基于混合遗传算法估计van Genuchten方程参数

van Genuchten(VG)方程是最常用的土壤水分特征曲线方程,其参数取值的精度直接影响到土壤水分运动方程计算的精度.该文建立了VG方程参数的优化模型,构建遗传算法与Levenberg-Marquardt算法相结合的混合遗传算法对其进行求解,并进行了数值试验.结果表明采用混合遗传算法比普通遗传算法不但提高了收敛效率,而且收敛迭代次数也大大减少;采用混合遗传算法估计参数的精度比非线性单纯形法和阻尼最小二乘法要高一些,而且不需要给参数初值.因此,混合遗传算法可以作为估计VG方程参数的一种新方法.     

优化遗传算法在孔隙度预测中的应用

孔隙度是油藏描述和储量计算最重要的参数之一。因此 ,高精度的孔隙度预测是建立储层地质模型的关键。文中应用优化的遗传算法———演化程序 ,利用岩芯样品的孔隙度和测井数据建立合适的预测模型 ,应用声波、密度、自然伽马和自然电位测井数据进行储层孔隙度预测。预测结果表明 :与线性回归和灰色GM (0 ,5 )等传统的预测方法相比 ,应用演化程序进行孔隙度预测 ,提高了预测结果的精度 ,减轻了预测过程中对先验信息的依赖程度。     

Application of Seagull Optimization Algorithm Log Interpretation to Shale Gas Reservoir of Well H in Sichuan Basin Yuxi Block

Due to the diversity of mineral types in shale gas reservoirs, it is difficult to establish reservoir parameter volume model by conventional log interpretation methods. The optimization log interpretation method can evaluate complex lithology reservoirs effectively, and the key is optimization algorithm. With the newly proposed seagull optimization algorithm method, we calculate the mineral and physical parameters of shale gas reservoir in Well H of Yuxi block, Sichuan Basin, and compare with the genetic algorithm and the genetic algorithm-complex hybrid algorithm. It shows that calculation results of seagull optimization algorithm optimization log interpretation match well with core analysis data, and calculation error is small, calculation speed is fast. Seagull optimization algorithm also makes up for the shortcomings of premature convergence and easy to fall into local optimization of genetic algorithm, the need for secondary optimization and slow search speed of genetic-complex hybrid algorithm. It provides a reference for the application of seagull optimization algorithm in other shale gas reservoirs regions.     

遗传模拟退火的BP算法在冲击地压中的应用

冲击地压的预测、预报的研究,大多数仍停留在简单的统计研究和单因素的预测方面,因而,结果也不十分理想。笔者采用多层前向网络对该问题进行数学建模,网络的训练算法采用基于遗传模拟退火的BP优化算法。该算法是在遗传算法中引入模拟退火机制,将其同BP算法结合,形成一个混合的优化算法。新算法既有神经网络的学习能力和鲁棒性,又有遗传算法的强全局随机搜索能力。同时,利用华丰矿冲击地压的实际监测数据,通过遗传算法的主要性能指标对新算法的参数进行了比较研究,得到优化后的一组参数。利用该参数,对冲击地压的神经网络模型的结构、权值和阈值进行了优化,得到了非全连接的优化神经网络模型。最后,利用该模型对华丰矿冲击地压进行了短期最大震级的预报。预测结果的相对误差率平均为 7.84 %,预测效果比较理想。     

岩性约束反演方法及应用

本文采用非线性反演技术建立了岩性约束反演计算方法，用于地层岩性解释和储层模拟、描述等方面。文中讨论了岩性正演数学模型的建立、初始模型的选取和约束条件对反演结果的影响。给出了综合利用地震、测井和地质资料计算孔隙度和泥质含量的反演结果，并分析了反演精度。理论模型计算结果说明了岩性约束反演的可行性和正确性。并给出Ｓｕｎ工作站上应用该软件处理某油田实际资料的岩性反演结果。     

利用BP神经网络进行水库滑坡变形预测

滑坡变形监测与预测是滑坡预警预报中一种非常重要的途径。文章首先简单介绍了神经网络的基本原理和学习算法,然后利用某水库滑坡24期的GPS地表位移监测数据及其诱发因素即水库水位、降雨等资料,采用BP神经网络模型对该水库滑坡变形进行建模,最后将6期水库水位、降雨等资料输入模型进行滑坡变形预测,结果表明预测结果与实测数据符合性好,总体上能较好反映变形趋势。     

东辛油田辛50断块特高含水期剩余油研究

针对开发中存在的问题，运用三维地震资料与层系对比技术，重建地质模型，解决了储层发育与构造间的矛盾利用动态分析法、油藏数值模拟法、地质综合分析法，研究了油藏水淹规律、剩余油分布，为特高含水期的老油田开发提供依据．     

基于异步迭代算法的冲击地压预测

采用三层BP神经网络方法对冲击地压建立了数学模型。网络的训练算法采用具有松弛因子的动态异步迭代法,该算法在克服网络的麻痹现象及局部极小问题上都优于目前常用的训练方法,因而,采用此算法对网络进行了训练及震级的预报。基于新汶矿务局华丰煤矿1999～2000年的冲击地压现场监测数据,把冲击地压的能量、产生波的幅值、频次做为输入数据,相应期间的最大震级为输出数据,组成神经网络的训练样本及测试样本,对原始数据进行了数学预处理,网络结构采用了输入层3个结点,中间层7个结点,输出层1个结点的前向神经网络;网络最终的训练误差为0.06,预测结果的相对误差率平均为 9.2 %,预测效果比较理想。