基于阵列感应测井的支持向量机流体识别方法

基于研究区块的高分辨率阵列感应测井(HDIL)资料,首先分析了利用交会图法进行流体识别的效果,指出了该常规解释方法的局限性。在此基础上,将基于遗传算法优化的支持向量机(GA-SVM)引入到测井解释当中,结合阵列感应测井和常规测井资料,建立了流体识别的非线性模型。利用该模型对45个训练样本进行回判,准确率为100%,对21个预测样本进行预测的准确率为90.48%,相对于常规解释方法,该流体识别方法具有更高的准确率。     

基于SPC控制图与加权决策树识别海上油气井生产异常

中国很多海上油田已进入开采中后期,设备设施普遍老化,故障概率加大。由于海上油气井生产维护成本高昂,对油气井潜在故障的准确识别至关重要。通过对标准SPC控制图进行优化,建立适合海上油气井的生产参数预警模型,自动判断海上油气井生产参数异常。同时,结合业务专家经验,提出一种基于加权决策树的组合参数故障诊断模型,预测所发生的故障类型。该预警模型提高了海上油气井故障识别的时效性和准确率。通过在南海西部海域油气井的应用实践,该模型可以缩短措施反应周期至少8.4天,预警成功率91.18%,可见该模型能够实现油气井生产异常和故障的智能识别,保障海上油气井的高产稳产。     

“十三五”时期江苏省海洋生产总值预测

文章对1996—2015年江苏省海洋经济数据进行预处理,运用时间序列分析方法中的自回归移动平均(ARMA)模型,按序列平稳性检验、模型阶数识别、最优模型选择、模型显著性检验以及模型建立和预测5个步骤,最终选取自回归求和移动平均(ARIMA)模型(2,2,1),对"十三五"时期江苏省海洋生产总值进行预测。预测结果表明:"十三五"时期江苏省海洋生产总值将保持较快增长趋势,至2020年海洋生产总值将达9 407亿元。结合江苏省海洋经济发展现状和趋势,为促进海洋经济可持续发展,提出加强海洋生态环境保护、培育壮大优势海洋产业、加大海洋科技创新投入和提升港口综合实力的建议。     

断阶型潜山带地质模型的建立及储层预测--以CG20潜山为例

以 CG2 0潜山为例 ,从建立地质模型入手 ,包括地层模型、构造模型、储集模型、储盖组合模型、速度模型等 ,认识到各套地层分布和储层物性的差异均与地震响应密切相关 ,因此可以利用地震波的信息 ,预测潜山储层的发育及分布情况。在对 CG2 0潜山进行精细全三维构造解释的基础上 ,探讨性地应用了测井约束反演、吸收系数、相干分析及三维模式识别等技术 ,对潜山储层进行了预测 ,从而提高了潜山勘探的效益 ,并为类似断阶型潜山带的勘探提供了成功的经验 ,具有一定的指导意义。     

地震成像道集域的变周期预测反褶积

针对残余多次波的识别与压制问题,提出了1种应用于成像道集域的变周期预测反褶积方法.与传统的预测反褶积方法不同,该方法首先根据所建立的强波阻抗界面的深度-速度模型,在地震偏移剖面上追踪识别出残余多次波,并根据其传播时间确定出相应变化的多次波周期或预测步长,然后在成像道集上对含有残余多次波的成像道进行变周期预测反褶积压制处理,最后再将剔除残余多次波后的成像道集合成为新的地震偏移剖面.实验处理的结果表明:该方法不仅对微屈多次波有效.而且对残余的长周期鸣震多次波也可达到令人满意的压制效果.     

青岛灵山湾潮间带沉积物粒度参数高光谱定量反演

潮间带表层沉积物粒度参数不仅是研究现代海岸动态和变迁的参照,也是评价人类活动可持续发展的依据。本文以灵山湾潮间带野外实地采集潮滩表层沉积物及其表面实时光谱信息为研究对象,分析高光谱用于粒度参数识别的能力。针对高光谱信息提取的困难,对光谱数据进行数学变换,利用多层感知器神经网络建立沉积物粒度参数与光谱反射率之间的关系模型,探索了利用表层沉积物反射光谱特性进行沉积物特征定量反演的可行性。结果表明:基于高光谱对沉积物粒度参数的定量预测是可行的,建立的预测模型可以较准确地反映潮间带沉积物粒度特征,其快速、准确的优点为测定潮间带表层沉积物粒度参数提供了一种新方法。该模型的建立为进一步提高潮间带变化监测和预测的研究提供了参考借鉴。     

海上溢油SAR遥感监测及溢油漂移快速数值预报技术研究

为探讨海上溢油遥感监测与溢油漂移数值模拟技术的联合应用,采用凝聚层次聚类算法从SAR遥感影像中识别油膜,采用基于风、浪、流耦合三维水动力模型研发的中国近海溢油漂移快速预报模型,将遥感识别结果作为溢油漂移数值预报模式的初始输入,预测油膜的漂移,然后将溢油漂移预测油膜与下一时相SAR遥感识别油膜进行比对,发现二者吻合较好,表明SAR遥感监测技术与数值模拟技术结合应用,可优势互补,同时获取海面油膜位置、面积和动态漂移信息。     

基于差分回归模型和可迁移长短期记忆网络集成的三沙湾水温预测

水温预测是保障近海渔业生产和环境安全的关键技术。现有的数值模型开发成本大,业务化应用不足。本文提出了一种集成差分回归（Differential Regression, DR）和可迁移长短期记忆网络（Transferable Long Short-Term Memory, TLSTM）的水温预测方法。以厦门湾（源域,数据多）和三沙湾（目标域,数据少）水温为研究对象,根据三沙湾在线监测水温和预报气温数据建立了DR模型,根据厦门湾长时间监测水温数据建立了TLSTM模型,采用变权算法将纯差分回归模型、混差分回归模型和TLSTM模型集成为三沙湾DR-TLSTM模型,对模型性能进行了评估,并与仅根据三沙湾少量监测数据建立的LSTM模型效果进行了对比。结果表明：（1） TLSTM模型的预测精度优于基于目标域少量数据建立的LSTM模型;（2） DR-TLSTM集成模型具有较高的预测精度,未来1～7 d预测的均方根误差为0.13～0.77℃,未来1～3 d预测的均方根误差小于0.4℃;（3） DR-TLSTM集成模型可有效预测水温骤升或骤降趋势,对水温突变点的预测均方根误差为0.29～1.09℃。基于本...     

基于CU-Net模型的红树林自动识别方法研究——以广东省珠海市淇澳岛为例

红树林对维护生物多样性以及生态平衡等具有重要意义。因此,高效、精确地提取红树林植被信息以及实时对其进行监测十分必要。本文提出了一种高分辨率遥感影像红树林像素级精确提取的深度学习方法。针对红树林遥感分类精度不高的问题,通过强化图像中心信息,弱化边缘信息的方法引入CLoss损失函数,添加Dropout、Batch Normalization层构建了适用于红树林识别的CU-Net模型,采用滑动重叠拼接方法构建了新的预测模型,有效解决了预测结果边缘信息不足以及有拼接痕迹的问题。将本文方法的识别结果与U-Net、SegNet、DenseNet模型的预测结果以及传统的SVM、RF方法进行对比,结果表明,本文模型相较于其他深度学习模型泛化能力更强,识别效果更好,在两个测试区域的平均总体精度、平均交并比分别达到了94.43%、88.12%,平均F1-分数在红树林和普通树木的精度分别达到了95.96%、90.49%,精度明显高于传统的SVM、RF方法,也高于其他几种神经网络方法,验证了该模型在红树林识别领域的有效性,可为高分辨率遥感红树林识别领域提供一条新的思路。     

振幅属性在M气田盒1段储层预测中的应用

M气田的主力储层为二叠统下石盒子组盒1段河道砂体储层,属于典型的低孔、低渗岩性油气藏,地震预测难度大。针对这一难题,从储层和围岩的地球物理特征出发,运用地震原理方法,经过正演模型验证、对比,总结出本区盒1段地震反射特征和提取叠后地震数据的振幅属性,建立储层预测与识别的依据。经过统计本区40口实际钻井资料,振幅属性与实际钻井的符合率达到75%以上,表明该方法对本区盒1段储层含气性有很好的预测效果,是该层段储层预测的有效的实用方法之一。     

中扬子二叠系碳酸盐岩定量岩相模式

以迭代因子分析、FPFS——模糊聚类、模糊识别为主体,构成了包括变量的选取、定量岩相模式的建立、岩相的定量识别等一套定量岩相分析的数学方法;用该方法对京山、崇阳两条实测剖面的岩相数据进行处理,得到了中扬子二叠系碳酸盐岩定量岩相模式,该模式也包括7个相带,与地质上的7个亚相一致。     

应用模糊识别方法进行水库鱼产力等级评判

将模糊识别方法用于水库鱼产力等级评判,为解决定量评价由于多指标交迭而造成的难判、误判提供新途径。对山东省部分代表性大、中型水库的应用表明,效果是令人满意的。     

基于水声环境空间中多模态深度融合模型的目标识别方法研究

随着对水下目标特性研究的深入和声学探测技术的发展,基于单模态的阵列式信息融合或基于空间信息的分布式信息融合的水下目标识别方法研究已有一定成果,但针对复杂海况导致单一物理场或单一融合层次的系统识别性能提高有限等方面影响的水下目标识别方法研究还有所不足,因此,开展基于多模态深度融合模型的水下目标识别方法研究可利用模态互补,共享信息而提升识别率。文中在国内外研究基础上,深入研究了基于到达时差法和多模态方法组合的检测方法,初步形成了基于水声环境空间中多模态深度融合模型的识别框架,开展了海洋中典型自然与人为事件的信号分析与特征提取,并在此基础上,设计新型基于海底基站的被动识别系统。该系统同步记录和由位置等组成的时间序列标记声、磁和压数据,可实现高精度、高分辨率的识别。本研究可满足未来海洋观测对高性能水下目标探测、定位和跟踪系统的迫切需要,为海洋安全监管、海洋突发事件应急响应等领域提供新的技术手段和科学参考。     

天然气水合物的地球物理识别技术

地球物理识别技术是天然气水合物识别技术中的重要技术,即以自然界天然气水合物的赋存模型为指导,以含天然气水合物沉积层的岩石物性分析为基础,以地质、地球物理模式为桥梁,以现代计算机技术为手段,用地震正、反演的方法系统地、定量地研究各种天然气水合物地震标志(如BSR)的形成原因和形成机理,为天然气水合物的地球物理识别提供科学依据。     

基于融合GMM与SVM的船载非侵入式负荷识别方法

为保障安全的船载用电环境,实现合理的用电配置与管理,在船载电力布局中引入非侵入式电力负荷监测。提出了一种融合高斯混合模型(GMM)与支持向量机(SVM)的电器类型识别算法。该方法利用暂态事件检测所提取的有效负荷特征,建立具有较好统计分布能力的GMM模型和具有较好泛化能力的SVM模型。对两种算法的概率分布进行融合生成最终识别结果。实验结果表明,相对单独应用SVM模型,本文所用方法在准确率和稳定性方面均有一定程度的提升,且实现复杂度低,具有良好的实用价值。     

基于激光雷达的海滩垃圾快速识别

全球日益增多的海滩垃圾,不仅造成海洋环境污染,严重威胁海洋生态系统健康,也对生物栖息地有着不可估计的影响。如何高效准确地对海滩垃圾进行监测和识别,是处置海滩垃圾过程的技术难点之一。基于此,本文以长江口南汇边滩为实验区,通过在海滩上设置常见垃圾样品,随后利用激光雷达记录的全波形数据和BP神经网络模型,以快速鉴别海滩垃圾类型。结果表明:基于激光雷达提取的垃圾全波形数据中回波振幅和回波宽度的差异,可用来识别海滩垃圾。构建的BP神经网络可有效将海滩垃圾分为泡沫类、布类、金属类、纸类及塑料类,最高识别率达到79%。此外,由于不同材质海滩垃圾的原材料成分存在相似或同质,会对精确识别区分垃圾类型造成一定的干扰,从而影响神经网络的识别率。可见,将激光雷达应用于识别海滩垃圾,为海滩垃圾的监测提供了新的方法。     

Group Decision Making-Based Fuzzy Pattern Recognition Model for Lectotype Optimization of Offshore Platforms

This paper develops a fuzzy pattern recognition model for group decision making to solve the problem of lectotype optimization of offshore platforms. The lack of data and the inexact or incomplete information for criteria are the main cause of uncertainty in the evaluation process, therefore it is necessary to integrate the judgments from different decision makers with different experience, knowledge and preference. This paper first uses a complementary principle-based pairwise comparison method to obtain the subjective weight of the criteria from each decision maker. A fuzzy pattern recognition model is then developed to integrate the judgments from all the decision makers and the information from the criteria, under the supervision of the subjective weights. Finally a case study is given to show the efficiency and robustness of the proposed model.     

Group Decision Making Based Fuzzy Pattern Recognition Model for Lectotype Optimization of Offshore Platforms 1

1 .ＩｎｔｒｏｄｕｃｔｉｏｎＬｅｃｔｏｔｙｐｅｏｐｔｉｍｉｚａｔｉｏｎｏｆｏｆｆｓｈｏｒｅｐｌａｔｆｏｒｍｓｉｓｏｆｐａｒｔｉｃｕｌａｒｉｍｐｏｒｔａｎｃｅｉｎｔｈｅｃｏｎｃｅｐｔｄｅｓｉｇｎｓｔａｇｅｂｅｃａｕｓｅｎｏｔｏｎｌｙｉｔｄｅｔｅｒｍｉｎｅｓｔｈｅｏｖｅｒａｌｌｑｕａｌｉｔｙｏｆｔｈｅｏｆｆｓｈｏｒｅｐｌａｔｆｏｒｍｓｙｓｔｅｍ ,ａｎｄａｔｔｈｅｓａｍｅｔｉｍｅ ,ｔｈｅｍａｊｏｒｏｐｐｏｒｔｕｎｉｔｉｅｓｆｏｒｃｏｓｔｓａｖｉｎｇｓｏｃｃｕｒｉｎｔｈｉｓｏｐｔｉｍｉｚａｔｉｏｎｐｒｏ…     

中国沿海赤潮灾害时间序列特征的模拟与预测

对赤潮灾害时间序列的特征分析是进行赤潮灾害防灾减灾工作的基础,对未来赤潮灾害的预测具有重要意义.通过观察发现中国沿海赤潮灾害年发生频次和分布面积的时间序列(2004-2019年)均呈现出趋势项和周期项并存的特征,因此利用灰色-周期外延组合预测模型对两个序列中的趋势项和周期项进行提取,模型的拟合度分别达到95.20％和9...