2018年11月大气环流和天气分析

2018年11月大气环流主要特征为：北半球极涡呈单极型分布,环流呈四波型,东亚槽略偏弱。本月,全国平均降水量为24.9 mm,较常年同期偏多32.4%,出现两次较强降水过程。全国平均气温为3.1℃,较常年同期偏高0.2℃,共出现四次冷空气过程,其中两次为全国范围中等强度过程。本月共发生两次雾 霾过程。其中,11月24日至12月3日的过程叠加沙尘影响,是今年秋、冬季以来覆盖范围最广、持续时间最长、污染程度最重的一次过程。     

大气中水汽混合比的Raman激光雷达探测

介绍了作者自行研制的L625Raman激光雷达系统的结构和主要技术参数,叙述了Raman激光雷达探测水汽混合比的基本原理和数据处理方法。使用这台激光雷达在合肥地区进行了水汽混合比垂直分布的探测,对获得的水汽混合比垂直廓线进行了初步的分析和研究。最后就L625Raman激光雷达探测水汽混合比的误差进行了分析和讨论。     

气溶胶元素碳的测量及其与虚折射率的相关性

大气气溶胶的虚折射率是大气气溶胶的一个重要物理参数,它表示气溶胶对光辐射的吸收特性。大气气溶胶中的元素碳是重要的吸光物质。因此,对大气气溶胶中元素碳的测量及与大气气溶胶虚折射率测量的相关性研究具有重要意义。 本文提供了利用240C元素分析仪测量大气气溶胶中元素碳含量的方法,并对大气气溶胶元素碳含量与大气气溶胶虚折射率的测量结果作了相关性分析。结果表明,两者之间存在明显的正相关。     

机器学习算法在地球物理测井中的适用性及应用

机器学习，特别是深度神经网络学习算法的发展，正在改变人们发现知识的方式。目前油气工业正在向转向非常规和深海的油气勘探和开发。基于有限岩石物理参数建立的评价解释模型难以满足反映非常规储层复杂的岩性和结构，这使传统测井评价技术受到了很大的挑战。以油气大数据为基础、机器学习算法为核心、油气大数据云计算为动力以及油气应用场景为源泉的油气人工智能（Oil&Gas AI）极大地改变传统的油气工业各个领域。笔者以地球物理测井为研究对象，依据数据驱动的地球物理知识发现原理和机器学习属性，按照“数据–算法–平台–知识–应用场景”研究思路，开展机器学习算法在测井技术中的适用性研究。对机器算法的内在特性、原理、质量控制、硬件要求，学习模型选择、测试以及性能评价实现过程进行分析。笔者梳理和总结了机器学习算法在测井中适用性的树状图，尤其是在油气测井的方法研究、数据处理以及地层评价中的应用潜力与机器学习算法对应关系，其中包括数据校正的模拟方法、数据标定的岩石物理分析、测井数据质量控制、综合评价以及油藏评价监测。研究表明，机器学习算法在岩性识别与储层分类、力学评价、以及油藏评价等方面应用有明显的优势，贯穿于...