基于“三级训练”的《中药化学》实验教学改革探讨

针对目前《中药化学》实验课设置中的问题,提出基于“三级训练”的《中药化学》实验教学改革这一思路。三级训练包括一级“基础实验技能训练”、二级“验证性实验”、三级“综合性实验”“设计性实验”。目的是将“基础实验技能”“融会贯通能力”“创新能力”三者有机结合,最终实现创新性人才培养的目标。     

利用深度卷积循环神经网络的高光谱影像空谱特征分类方法

针对高光谱影像分类问题,提出了基于深度卷积循环神经网络的高光谱影像空谱特征分类方法.首先将高光谱数据立方体看作一组特征序列;然后利用深度卷积循环神经网络构建特征序列的依赖关系,并采用"预训练+微调"的训练策略对深层网络模型进行训练,从而使得所设计的深层网络在训练样本较少的情况下也能得到更加充分的优化.在Pavia大学和Indian Pines数据集上的试验结果表明,构建的深度卷积循环神经网络的分类精度比RNN方法分别提升了9.49％和5.8％.     

遥感地质学教学改革3W原则及支撑创新创业训练的探索

在地球大数据与空间对地观测技术飞速发展的时代背景下,遥感地质学课程需要紧密围绕培养创新型人才、服务全球可持续发展开展教学改革与评估.本文以中国海洋大学为例,提出可具推广性的教学改革与评估3W原则,即为什么要开课(Why)、讲什么内容(What)、时间如何安排(When),并探讨了近年来遥感地质学课程建设与毕业设计选题在支撑大学生创新创业训练方面的作用与成效.     

北斗应用，步步惊“新”

有人担心驾考时人为因素多会不公平,现在这个问题已迎刃而解。基于北斗的高精度驾驶员考试训练系统,不用大费周折在地下铺设传感器,就能以低成本、厘米级的定位精度,实现全自动无人监考科目二、三所有考试。截止到去年,这个由我国企业自主开发的系统已应用到上千家驾校,实现产值2亿元,市场占有率80%以上,成为受大众欢迎、让业内眼红的北斗应用明星。     

三维地震识别及其应用

三维地震识别就是一个以三维迭后地震资料为对象的多储层、多目标、多（矢量）特征参数的灰色油气识别。首先对目的层地震数字序列提取灰色、模糊、分维、振幅、自相关５类１９个地震特征参数向量,然后在地质建模的基础上,进行灰色模式训练与识别、获得整个介区的油气检测结果。其输出结果,是以形象、直观、醒目的彩色图形形式显示输出的各储层、每个目标的空间识别分别分类结果及各测线识别结果的精细描述图,便于结果的地质解释     

基于模糊预测对象的证据权方法及其在土地沙漠化评价中的应用

为了使在地理信息系统中被广泛用于点事件预测的证据权方法能对面事件进行评价和预测, 提出了一种新的基于模糊训练层的证据权方法.它是一种更广泛的证据权方法, 与普通证据权方法所不同的是, 它的训练层是模糊集合, 其取值是它的隶属度.通过适当的变换也可以把点训练层转换为模糊集合.因此, 该方法可以对面事件、点事件和线事件进行评价和预测.该方法可以处理训练层和证据层均为模糊集合的情况, 被称为双重模糊证据权方法.作为该方法的一个应用实例, 本文介绍毛乌素沙漠边缘的晋陕蒙地区土地沙漠化评价的应用实例.      

岩体非连续裂隙网络水力学特征

介绍了非连续裂隙网络及其水流自动模拟系统。针对实测的非连续裂隙网络，就其等效多孔介质的存在性、非连续裂隙网络系统的的边界效应等水力学特征进行了分析。研究表明：即使一个非连续裂隙网络的渗透性征可以用一个对称的二阶张量描述，也无法保证等效多孔介质是存在的。     

地下水及溶质运移数值模拟系统

介绍了地下水及溶质运移数值模拟的研究进展、数值模型的分类和数值模拟的步骤。根据数值模拟中涉及到的地质信息资源的特点，提出了基于地理信息系统(GIS)技术的地下水及溶质运移数值模拟系统的设计思路。该系统能够对模拟区域的基础地质资料、水文地质勘探资料以及数值模型的输入、输出资料进行动态管理，而且随着勘探、科研和生产的不断进行，通过对数据库的及时更新以及对数值模型的不断校正，可为不同的科研和生产方案的预测与评价提供信息资源。     

多点地质统计学在河流相储层建模中的应用

多点地质统计学综合了基于象元方法以及基于目标方法两者的优点,对于河流相等具有复杂地质形态的储层精确建模具有较强的优势.在对传统建模方法综合分析的基础上,介绍了多点地质统计学的基本理论及SNESIM算法,并应用该技术对大牛地气田某开发井区的辫状分流河道相进行了实际建模.研究结果表明,在河流相储层建模中,该方法比传统的建模方法更具优越性.最后,进一步综合讨论了多点地质统计学目前面临的主要问题(包括训练图像、目标体连续性、数据样板选择、综合地震信息等方面)的改进方法.     

大数据环境下内蒙古浩布高地区铅锌多金属矿智能矿产预测研究

传统机器学习算法已广泛应用于矿产预测,但面对地质大数据的高维稀疏、不平衡小样本等特性仍缺乏有效处理和分析的方法,设计适合地质大数据特点的机器学习算法是智能矿产预测亟需解决的新问题。本文以内蒙古浩布高地区的铅锌多金属矿产预测为例,提出了一种面向地质大数据的半监督协同训练矿产预测模型。首先对研究区地质找矿信息和地球化学异常信息进行定量分析,提取断裂构造、二叠系地层、燕山期侵入岩、地层与岩体接触带、围岩蚀变及Pb、Zn、Sn、Cu地球化学异常共9种找矿因子。然后利用递归特征消除法优选找矿因子组合,不包括Sn异常在内的8个找矿因子组合被选为最优组合。最后,利用支持向量机和随机森林算法作为基分类器进行半监督协同训练矿产预测,绘制成矿概率分布图。ROC曲线和预测度曲线分析结果表明,半监督协同训练模型的AUC值和预测效率都高于随机森林和支持向量机模型。研究结果也为大数据环境下的智能矿产预测提供了一种新的思路。