多分量地震资料处理解释技术研究

随着油田勘探开发的不断深入,多波多分量地震资料的应用也越来越广泛.本文结合实际资料,对多波多分量地震资料的处理和解释方法进行了探讨和研究,主要针对多波资料的静校正、叠加成像、转换波资料的共转换点的求取方法等技术进行了分析研究,开发了综合利用多波资料进行地震属性和各向异性研究的方法,形成了一套较完善的多分量地震资料的处理、解释技术系列.经过在胜利油田罗家地区的初步应用,表明了预测结果与钻井资料相吻合.     

地震资料预测薄层厚度方法研究与应用

薄层厚度预测一直是公认的难题之一,其难度就在于如何准确地识别和提取薄层的地震属性.常规方法是利用时间域或频率域地震属性与薄层厚度的线性关系计算.但是理论与实际资料表明,不同的薄层和地层组合对地震波的动力学的信息影响很大,各种参数与薄层厚度成非线性关系,使用单一的信息不可能准确预测薄层厚度.本文利用三种线性预测原理（模型）,经数学变换为属性参数,采用非线性BP网络预测薄层厚度,取得了令人满意的效果.     

关于南海北部滨海断裂带的研究

南海北部的滨海断裂带是位于南澳岛之东粤东南滨海地区的一条北东东走向的构造带。由于其所处的构造位置而一直被地球科学工作者所关注,并从不同角度作了不少研究。在广泛收集有关断裂带的资料和研究成果的基础上,对前人关于断裂带存在的依据、断裂带发育的时代、断裂带的构造属性和第四纪活动情况的认识作了简要归纳,并就断裂带的分布、构造属性等作了初步分析。     

扩展卡尔曼滤波与采样卡尔曼滤波性能比较

详细研究了卡尔曼滤波在非线性系统中的应用,在分析扩展卡尔曼滤波理论的基础上,指出了其在非线性系统应用中的缺陷,阐述了采样卡尔曼滤波(UKF)思想,通过事例和仿真说明了这种新型卡尔曼滤波理论的优越性能。     

分频高阶扩展AVO技术在低孔低渗储层中的应用——以准噶尔盆地前哨地区三工河组二段为例

以叠前角道集、测井和试油资料为基础,利用广义S变换时频分析技术确定储层优势频带,在优势频带的约束下,利用高阶Aki-Richards近似方程拟合AVO曲线,求取更准确的截距和梯度;利用扩展弹性阻抗技术的坐标旋转方法,获得流体区分能力最优的AVO属性,结合试油结果进行有利区预测。结果表明：前哨地区三工河组二段储层的优势频段为33～68 Hz,进行AVO分析可以提高有利储层的预测精度。经分频高阶扩展AVO技术处理,有利储层的符合率由69%提高到94%。气层有利区主要集中于QS2—QS4、QS7井区及未钻探的QS1井西区域,其中未钻探面积为6.5 km²,是前哨地区天然气增储上产的重点潜力区。该结果为前哨地区天然气勘探部署提供技术支持。     

邮轮属性评价与品牌定位

以全球最大的邮轮点评网站——邮轮评论家为数据来源渠道,以编辑（Editor/Expert）的文本点评以及对167艘邮轮10大属性的打分数据为样本,利用词频分析、回归分析、聚类分析和方差分析等方法,对全球21个邮轮品牌的产品属性、总体评价以及品牌定位问题进行了系统研究。结果表明,对于专业型游客来说,餐饮、客房和娱乐是关注度最高的船上属性,服务、性价比和公共空间是满意度最高的船上属性,客房、餐饮、公共空间、性价比和娱乐属性对邮轮总评具有显著影响。方差分析表明,与行业界定下的品牌行为相比,基于专业型游客感知的品牌划分更有效。     

地理时空三向聚类分析方法的构建与实践

随着地理数据获取能力的不断提升,地理数据体量呈指数增长,数据种类、数据性质更加多元化。对数据的有效甄别和归类成为理解地理现象时空特征、演化过程和行为机制的关键。传统聚类方法面临数据体量大、维数高、质量差的挑战,加之对地理空间与时间关联分析的需求,对聚类方法改进和提升研究的要求越来越迫切。本文介绍了从单向到三向聚类构建思路的变革。单向聚类是仅在样本或属性方向上进行聚类,易忽视非常相似的局部特征、易犯“横看成岭侧成峰”的错误。双向聚类是基于数据矩阵内元素值的相似性,形成一个子矩阵分割方案,使子矩阵内元素相似度尽可能高,子矩阵间元素相似度尽可能低,从而实现行列两方向的同时聚类,避免了单向聚类的不足。鉴于双向聚类难以满足地理研究超出双向的解译需求,本文提出并研发了一个全新的三向聚类方法,给出了运用该方法开展地理时空格局过程探测的流程,总结了如何根据研究涉及的“空间—时间—尺度—属性”构建三维数据体;最后,展示了三向聚类的地理实践案例。结果表明：① 三向聚类是一种大数据时代探测地理数据时空分异规律的有效方法,可以解决数据维度高、质量低等问题;② 面对不同的地理问题,三向聚类在算法层面上是通用的,不同之处仅在于：根据不同问题涉及的空间、时间、尺度、属性的不同,构建不同的数据体;不同数据体聚类得到的不同结果回答不同的地理问题;③ 三向聚类可以实现地理数据的时空分异规律多方向、多尺度、多层次的联合解译,揭示地理特征时空尺度叠加效应。最后,论文强调根据地理问题组织数据的重要性,期待未来能够提升三向聚类在多空间尺度、多属性方面的地理研究实践。     

成渝城市群城市建设用地扩张格局及规模体系分析

基于1990—2018年六期城市建设用地监测数据,本文利用城市用地年面积增长率指数、公共边测度、核密度估计、位序-规模法则等方法,刻画成渝城市群扩张演化特征及其发展规律,并对城市群规模体系进行分析。结果表明：成渝城市群城市建设用地扩张呈先快后慢的趋势,空间上呈“中部高速,南北低速”的特点,建设用地扩张密度高值主要集中在成都、重庆二市且城市群内部连片发展不明显。城市群新增城市用地呈现无序蔓延态势,并未趋于紧凑。2000—2010年,成渝城市群规模分布极化,呈现明显的双核首位特征,2010年后规模分布由非均衡趋于均衡。     

城市扩展元胞自动机多结构卷积神经网络模型

传统的城市扩展元胞自动机(CA)模型是基于单个元胞的变量信息挖掘来构建转换规则的。针对这一问题,本文基于多结构卷积神经网络提出从区域特征出发且顾及区域多尺度特征挖掘转换规则的城市扩展元胞自动机模型(MSCNN-CA),并以武汉主城区和上海浦东新区为例,模拟了两个试验区2005—2015年期间城市扩展过程。模型验证表明:与逻辑回归和神经网络相比,本文构建的3个单一结构的卷积神经网络元胞自动机(CNN-CA)模型在4个指标(Kappa系数、FoM(figure of merit)值、命中率(h)和错误率(m))上都有不同程度的提高。特别是FoM指数,在武汉主城区提高了23.3%~29.4%,在上海浦东新区提高了20.3%~28.5%。此外,MSCNN-CA模型与3个单一结构的CNN-CA模型相比,在各个指标上也有所改善,FoM指数在武汉主城区提高了0.8%~4.8%,上海浦东新区提高了2.8%~7.8%。两个试验区的模拟结果表明:相比传统CA模型,基于多结构卷积神经网络的城市扩展元胞自动机模型(MSCNN-CA)能够有效提高城市扩展模拟的精度,更真实地反映城市扩展空间演变过程。相比单结构的卷积神经网络CA模型,多结构卷积神经网络CA模型的稳定性和模拟结果准确性有所提升。     

基于EKF的北斗B1C信号数据/导频联合跟踪方法

针对北斗B1C信号在低载噪比情况下跟踪精度低的问题,提出一种基于扩展卡尔曼滤波（EKF）的北斗B1C信号数据/导频联合跟踪方法.通过构建数据/导频双通道联合跟踪模型,增加对B1C信号利用率,并在联合跟踪模型的基础上引入扩展卡尔曼滤波器,削弱传统跟踪环路中鉴别器和环路滤波器带来的跟踪误差,进一步提高跟踪环路对低载噪比信号的跟踪性能.仿真结果验证:在低载噪比情况下,相比于传统单导频通道跟踪、单导频扩展卡尔曼跟踪和联合跟踪,该方法可以有效提高跟踪精度.