改进的残差3D-CNN的高光谱遥感影像分类

针对高光谱遥感影像分类中空间特征和光谱特征利用率低问题，该文综合三维卷积神经网络、谷歌神经网络和残差神经网络的优势，提出融合改进Inception模块的残差三维卷积神经网络高光谱遥感影像分类方法。改进后的Inception模块包括4条不同的卷积层分支，用以提取蕴涵在高光谱遥感影像中多尺度的特征；利用了3D卷积核代替2D卷积核能直接同时提取高光谱遥感影像中更丰富的空-谱特征；通过残差结构连接分支提取特征缓解了梯度消失的问题，提取更深层次的特征。实验表明，该文算法不仅提高了条状和线状地物区域的边缘分类准确率，对小目标的分类能力也得到了增强。     

基于双趋势约束二分法测井环境校正的研究与应用

准噶尔盆地阜东斜坡区侏罗系石树沟群发育规模河道砂体，具有断裂和砂体共同控藏特征，但由于砂岩和泥岩均受井眼垮塌等因素影响，导致测井曲线严重失真，常规曲线校正方法难以实现砂泥岩的准确回归，直接影响砂体落实及油气检测精度。通过区内综合对比分析，在明确砂岩低阻抗、泥岩高阻抗特征的基础上，首先应用井眼扩径率对密度的影响，实现砂泥岩整体背景趋势校正；其次选择与砂岩对应良好的核磁总孔对砂岩趋势进行控制，保证砂岩、泥岩相对关系合理，并通过叠合密度振幅变化细节，最终实现测井曲线的精细校正。创新形成基于双趋势约束的“二分法”测井环境校正方法，有效提高测井曲线质量，为研究区储层预测、油气检测等提供可靠数据。该方法的应用较好地解决阜东地区多年来河道砂体预测不准的地质难题，并指导后期井位部署工作。