基于等效偏移距的偏移成像方法

等效偏移距偏移(EOM)成像方法将克希霍夫时间偏移的双平方根方程转化为一个单平方根方程,使输入采样在没有发生时移的情况下映射到以等效偏移距为变量的共散射点道集上,使散射能量按照双曲线规律分布。然后通过克希霍夫动校正和适用在共散射点道集上的叠加来完成偏移成像。基于等效偏移距叠前地震偏移(EOM)的基本理论,对CSP道集的抽取过程进行模拟实现,并对模型进行速度分析,实现偏移成像。     

基于MATLAB神经网络工具箱的岩爆预测模型

文章介绍了BP人工神经网络的基本原理，针对其收敛差的缺点，发挥MATLAB神经网络工具箱的优势，分别采用VLBP和LMBP算法建立了改进后的BP神经网络。对于影响岩爆发生的关键因素，总结了专家经验，选取地下硐室围岩最大切向应力与岩石单轴抗压强度比值、岩石单轴抗压强度和抗拉强度比值和岩石冲击性倾向指数作为岩爆预测的评判指标，建立了岩爆预测的神经网络模型，并利用国内外一些岩石地下工程实例进行分析计算校验，计算结果表明，用该模型进行岩爆预测是可行有效的。     

基于RBF神经网络的矿产资源潜力预测模型

提出一种基于RBF神经网络的矿产资源潜力制图模型。应用该模型生成矿产资源潜力分布图分三步完成：第一步,以找矿标志的空间分布图和已知矿点空间分布图为依据,提取训练样本;第二步,根据训练样本构建RBF矿产资源潜力制图模型;第三步,生成矿产资源潜力分布图。笔者以新疆北部阿尔泰多金属成矿带为研究区,比较了该模型与合成有矿可信度等模型的找矿靶区圈定结果。两种模型的靶区圈定结果基本相同,证明了RBF矿产资源潜力制图模型的有效性。     

基于遗传BP神经网络的地下水位预测模型

地下水水位动态预测对农田土壤盐渍化防治、地下水地表水资源的合理调度具有十分重要的意义。以新疆和静县某地下水观测井为研究对象,选择月均蒸发量、气温和灌溉量3个因素作为BP神经网络模型的输入量,利用遗传算法优化神经网络的权值与阈值,建立地下水水位的遗传BP神经网络预测模型。结果表明:遗传BP神经网络模型能较好表达地下水位与主控因素之间的非线性关系,预测结果与实测值之间的平均绝对百分比误差为0.040 3,测试样本的网络输出值与网络目标值的相关系数达0.967 3,模型预测效果较佳。研究结果为区域地下水的开发利用与保护提供参考依据。     

基于优化的BP神经网络地层可钻性预测模型

提出了一种粒子群算法（PSO）优化的BP网络模型预测地层可钻性的新方法。利用粒子群算法优化BP网络模型的参数,避免了BP网络陷入局部极小值的缺点,提高了模型的预测速度和精度。结合钻探实例,利用测井资料和地层可钻性级别的关系建立了可钻性级别实时预测模型,并将该模型与传统的BP网络进行对比,结果表明,该模型优于BP网络,具有较高的精度和较快的收敛速度,有一定的适用性。     

大偏移距地震资料各向异性动校正方法研究及效果分析

由于介质的非均匀性,反射层的弯曲性,以及介质的各向异性,使得反射波旅行时不再是双曲线的形式,从而使常规动校正产生较大误差。这里从理论上分析了大偏移距处出现动校不平的原因,指出了介质的各向异性是影响地震资料大偏移距处速度分析精度的主要因素,并对Hake、Castle和Alkhalifah三种各向异性动校正理论及其应用效果做了细致研究。结果表明,在偏移距～深度比小于"1"时,几种动校正方法与常规动校正差别不大:在大偏移距处,Hake方法具有较大的误差;Castle能够得到较好的效果;Alkhalifah方法在大炮检距任意各向异性强度下都可以得到比较精确的校正结果。对应用效果最好的Alkhalifah各向异性动校正进行了算法实现,并基于Java语言的开发环境,编制了各向异性速度分析和非双曲动校正的软件,在模型测试和实际资料的应用中取得了良好的效果。     

地震观测系统CRP面元内偏移距、方位角分析

通过对地震观测系统设计及CRP面元的分析,获得了不同观测系统及覆盖次数下CRP面元内偏移距与方位角的分布情况.研究表明:对于满36次覆盖面元内的偏移距与方位角来说,8线10炮观测系统较8线8炮分布更为均匀,偏移距信息与宽方位角信息缺失较少,有利于进行岩性勘探.对于8线10炮同一观测系统,24次覆盖较36、48次覆盖其方位角分布均匀,但缺失大角度道集;而48次覆盖偏移距信息更为均匀丰富,却存在小角度道集缺失的情况.盲目的增加覆盖次数将会降低地震资料的分辨率,影响地震资料的构造解释.     

基于长短期记忆神经网络的实时地震烈度预测模型

实时烈度预测可在破坏性地震波到达前,根据P波估计地震可能造成的最大影响.预警对象可以采取措施,降低可能造成的损失.P波位移幅值是一种有效估计地震动峰值的参数,然而单个或多个参数难以全面表征地震动中的信息.同时,参数的计算需要确定时间窗大小,无法实现连续预测.为了解决上述问题,提出了一种基于长短期记忆网络的实时地震烈度预测模型.基于2010-2021年K-NET数据构建模型,并选取2022年3月M_JMA7.3地震事件作为案例验证模型.结果表明,P波到达后可以在记录的每个时间步预测烈度,P波到达3 s时在测试集中准确率为96.47%.提出的LSTM模型改善了烈度预测的准确性和连续性,可为地震预警、应急响应等提供科学依据.     

基于BP神经网络的土壤冰结温度及未冰水含量预测模型

土壤冻结温度与未冻水含量是冻土的重要物理参数，影响因素多，关系复杂，利用BP网络模型来描述冻结温度与未冻水含量及其与主要影响因素之间的关系，效果良好，该模型直接根据试验数据通过神经网络的自学习能力寻求输出变量与输入变量间的内在非线性规律，其优点在于可利用一个神经网络同时描述多个因素对冻结温度及未冻水含量的影响。     

基于异质SVM神经网络的土壤盐渍化灾害预测模型

为研究银川平原普遍存在的土壤盐渍化问题,文章对银川平原的土壤盐渍化程度及潜在的发展趋势作出预测。利用Landsat 8 OLI数据与野外实测数据,选取地面高程、地下水位埋深、地下水溶解性总固体、植被指数、盐分指数及干旱指数为预测指标并提取指标值建立数据集,结合野外实测样点数据,建立基于异质支持向量机（Support Vector Machine,SVM)神经网络算法的盐渍化灾害预测模型。结果表明:（1）建立预测模型时,选择Radial Basis Funciton作为模型的核函数,c=100且g=3时预测精度最高可达85%;（2）研究区轻度盐渍化土壤面积约854 km2,中度盐渍化土壤面积约985 km2,重度盐渍化土壤面积约231 km2,主要分布在平罗县西大滩、银川芦花和吴忠苦水河地区;（3）银川平原北部的土壤盐渍化情况较严重且多分布于耕地周围的撂荒地以及地下水位埋藏较浅的地区,耕地资源中土壤盐渍化状况较严重,应注重耕地的合理灌溉与排水,增加土壤的可持续利用性。     

基于混沌神经网络理论的城市地面沉降量预测模型

通过分析城市地面沉降量时间序列的非线性动力学系统,认为该时间序列具有混沌特性。在此基础上,通过相空间重构的方法建立了用于城市地面沉降量预测的混沌神经网络模型;并利用此模型对高桥地面沉降量进行了预测,并和实际监测沉降量进行了比较,最大绝对预测误差为1. 7,预测的平均误差为0. 0833,研究结果表明,应用混沌神经网络模型进行城市沉降预测是可行、精确的。     

基于BP神经网络的土壤冻结温度及未冻水含量预测模型

土壤冻结温度与未冻水含量是冻土的重要物理参数,影响因素多,关系复杂.利用BP网络模型来描述冻结温度与未冻水含量及其与主要影响因素之间的关系,效果良好.该模型直接根据试验数据通过神经网络的自学习能力寻求输出变量与输入变量间的内在非线性规律,其优点在于可利用一个神经网络同时描述多个因素对冻结温度及未冻水含量的影响.     

等效偏移距在垂直地震剖面中的研究及应用

基于散射理论的等效偏移距方法在地震资料数据处理中具有独特的优势,尤其在速度分析和偏移成像方面。笔者将该理论应用到垂直地震剖面(VSP)数据处理中,研究了基于该理论的 VSP 数据共散射点道集的形成方法,并试验了 VSP 共散射点道集在速度分析和成像方面的应用效果。理论模型和实际资料测试结果表明,该方法能方便有效地为 VSP 提供不受初始速度和地层倾角影响的有效偏移速度,除了能在常规成像方法的成像区域内准确成像外,还能在常规成像方法的盲区外有效成像,在一定程度上扩大了 VSP 方法的成像范围,具有有较好的研究意义和应用前景。     

基于遗传算法和BP神经网络的矿井涌水量预测

为避免BP神经网络极易陷人局部解的问题,针对遗传算法具有全局寻优的特点,提出了用遗传算法优化BP神经网络预测方法,并以刘桥二矿为例,对其矿井涌水量进行了预测。首先选取刘桥二矿区的2005年3月至2006年12月的矿井涌水量数据进行分析,然后使用遗传算法优化BP网络的初始权值和阈值,最后使用BP神经网络进行训练。将其成果与纯BP网络算法进行比较,结果表明：遗传算法优化BP神经网络的预测方法的预测精度高于纯BP网络算法,将其应用于矿井涌水量预测是有效可行的。     

基于遗传算法和模糊神经网络的边坡稳定性评价

边坡工程是一个动态的、模糊的、开放的复杂非线性系统,传统的分析方法有时难以对复杂边坡的稳定性做出符合实际的评价。影响边坡稳定性的因素复杂且具有随机性和模糊性。由于神经网络方法不仅能考虑定量因素,而且能考虑定性因素的影响,因而神经网络方法适用于解决非确定性的边坡稳定性评价问题。综合考虑影响边坡稳定性的各方面因素,建立了基于遗传算法的模糊神经网络模型,并利用大量工程资料对网络进行训练和测试。预测结果表明,该模型的预测精度明显高于目前同类方法。     

集对分析径向基函数神经网络预测模型

将集对分析与径向基函数神经网络结合,提出了集对分析径向基函数神经网络预测模型。模型思路是将研究对象t-1时和t时的影响因子集构造为集对并计算联系度,由联系度的同一度、差异度、对立度及研究对象t-1时的值为输入,研究对象t时的值为输出,构建径向基函数神经网络。以年径流预测为例研究表明,模型结构清晰、步骤明确、预测精度较高,为集对分析应用于水文预测提供了新思路。     

基于改进遗传算法一神经网络的玄武岩构造环境判别及对比实验

通过岩浆岩的地球化学特征判别岩浆形成的大地构造环境和岩浆源区的化学性质是地球化学全岩分析最重要的应用之一。该方法利用全岩地球化学数据,包括主量元素、微量元素和同位素组成数据,对给定岩浆岩(玄武岩、花岗岩等)的大地构造环境进行判别。作为人工智能技术在地球化学研究领域中的新尝试,机器学习判别方法逐渐成为经典判别图解法的补充研究手段。然而,高维数据特征筛选和繁多未知参数确定是影响算法分类准确性的两个主要因素。为此,提出一种遗传算法优化神经网络耦合判别方法(GA-NNDM)。该方法利用特征选择、参数确定和分类性能之间的反馈联系,将分类准确率、所选特征数量和特征代价作为适应度函数,通过迭代演化寻求最佳特征子集和未知参数,从而达到减少特征、优化参数和提高性能的目的。此外,根据公开玄武岩样品地球化学数据,通过K折交叉验证等方法设置纵向、横向比较实验来验证GA-NNDM在玄武岩构造环境判别方面的准确性、稳定性和外延性。仿真实验结果表明,GA-NNDM具有优良的判别效果和泛化能力,其总体分类准确率能达到90%。因此,GA-NNDM值得在地球化学领域做进一步推广应用。     

基于遗传算法的BP神经网络计算岩溶水安全开采量

随着淮北市相山区岩溶水开采量不断增大,区内岩溶水水位降落漏斗范围不断增大,为保障岩溶水的安全开采与地质环境安全,进行本区岩溶水安全开采量计算十分必要。目前神经网络模型已被广泛应用于岩溶水水位动态计算,但由于网络全局寻优能力不理想,网络训练容易陷入局部极小值,导致网络泛化能力不理想。针对人工神经网络的不足,利用遗传算法(GA)对较为常用的BP神经网络权值、阈值进行优化,将此方法应用于相山区岩溶水水位动态的预测,并以该区岩溶水临界开采水位为控制条件,经模型计算得到相山区岩溶水多年平均安全开采量为3 001.7×10~4m~3。计算结果表明:与BP神经网络相比,GA-BP神经网络具有更高的预测精度,遗传算法可以有效提高BP网络的泛化能力。     

煤层P-SV转换波偏移距问题的定量研究

在转换波地震勘探中要兼顾P波及P-SV波剖面，关键在于准确合理地选择P-SV转换波的偏移距。根据淮南某煤田的钻孔和测井资料，设计了一个具有四层介质的地质模型，针对该地质模型参数，采用反射系数和弹性波交错网格高阶有限差分两种方法对转换波偏移距进行了定量研究。通过理论计算及与实际资料对比。确定煤层转换横波能量主要集中在0．2H～1．3H之间(H为目的层深度)，据此即可确定煤田多波地震勘探P-SV波偏移距范围。