珠江口盆地东南部揭阳凹陷A区油气地质条件及勘探前景

揭阳凹陷A区位于珠江口盆地东南部与台西南盆地西南部过渡区,属于中—新生代形成的断陷盆地。受制于缺乏基础资料(仅有二维地震),该研究区勘探工作一直未有进展。研究工作中充分利用新采集的三维地震资料,以层序地层学理论为指、结合构造分析与烃源岩压力预测技术,完成区内地层发育、洼陷结构特征、烃源发育以及构造目标、岩性目标发育情况总结,综合分析认为:研究区具备形成石油天然气的基本地质条件,勘探前景评价认为,研究区域具有可观的石油地质储量,是油气藏勘探的重要场所。     

非线性定量预测技术在渤南洼陷扇三角洲前缘砂体预测中的应用

针对渤南洼陷中深层扇三角洲前缘致密储层地震资料分辨率低、砂泥岩速度差异小、纵向含油层系多层薄、横向储层变化快、储层展布认识不清的难点,在地质沉积模式指导下,运用多体联合解释技术,建立地层等时格架,进行优势属性提取和分析。运用进化型神经网络技术,建立地震属性和砂地比的非线性关系,实现了对薄互层砂体的定量预测,预测结果既保证了与井点的吻合度,也保持了地震资料对沉积特征的反映能力。该方法可以为中深层薄互层储层预测提供借鉴,并指导了该块油藏开发。     

金普新区地表覆盖格局演变及预测分析

针对国家级新区享受各项政策红利,但无有效的定量评价方式对国家级新区发展情况进行监测、对国家级新区未来土地发展状况无高置信度的预测方式等问题,利用转移矩阵及相关模型定量地对地表覆盖格局变化进行了分析;基于CA-Markov模型,对未来一段时间的土地空间格局进行了预测;通过定量分析与实验结果表明:(1)金普新区成立前土地变化情况多为自然地物间的变换,金普新区成立后有大规模的人工地物变化;(2)基于CA-Markov模型对土地空间格局进行分析可信度较高,可以服务于土地结构演变分析。     

基于支持向量机的GNSS时间序列预测

在深度学习的理论框架下,针对预测全球卫星导航系统(GNSS)时间序列,传统的经验风险最小化预测模型误差大精度低,泛化性能差且对历史数据的经验依赖大的问题.提出一种采用结构风险最小化原则的基于支持向量机(SVM)的时间序列预测模型.通过和多层的BP神经网络预测模型预测效果比较,结果证明SVM预测模型拥有更好的时间序列预测效果.     

粒子群算法优化的神经网络短期钟差预报

针对导航卫星钟差短期预报精度上的不足,该文提出了一种基于粒子群算法优化的BP神经网络钟差预报模型,通过粒子群算法来对BP神经网络的权值和阈值进行优化,利用IGS的钟差数据进行实验,并与灰色GM(1,1)模型、二次多项式模型和BP神经网络模型的预报结果进行对比分析。结果表明,粒子群优化算法的BP神经网络模型钟差预报效果良好,3h预报精度能够达到0.3ns,体现了本文钟差预报模型的实用性。     

大坝变形监测的粒子群优化高斯过程预测

针对大坝变形数据的非平稳非线性特点,传统预测模型受到了一定限制。鉴于高斯过程(Gaussian Process,GP)对非平稳数据具有高自适应性,考虑到其自身在协方差函数选取以及超参数优化方面存在不足,为提高高斯过程模型的预测精度,文中通过粒子群算法(Particle Swarm Optimization,PSO)优化其超参数并选择最优协方差函数。通过实例验证分析,比较多元回归分析、GP、PSO-GP三种模型在大坝变形监测数据处理中的预测精度,表明大坝非线性预测模型粒子群优化高斯过程算法具有较高的预测精度,是一种有效的大坝变形分析预测方法。     

高层建筑物沉降监测与预测方法

高层建筑物沉降变形监测是工程建设中一项十分重要的工作,为了系统地阐述高层建筑物沉降变形监测作业、数据处理及建模预测等方法,文章结合具体工程实例,详细地介绍了其监测作业过程、数据处理方法、图表分析内容以及沉降变形稳定性判别等方法要素,以回归拟合的方法对某代表性观测点监测数据进行了建模与预测分析,并与其它观测点数据进行了预测对比,同时对所建回归模型方程进行了显著性检验、预测区间估算和预测精度分析等,为类似工程实践及数据处理与分析方面提供方法参考。     

BDS精密卫星钟差建模与预报

针对BDS卫星钟差的短期预报问题,该文采用二次多项式模型、灰色模型和线性组合模型来对BDS中3种不同类型卫星10d的精密钟差进行建模与短期的预报。拟合时长增加,预报精度也会逐步增高并趋于稳定。预报精度会随着预报时长的增加而降低,当预报时长为50min以内时,预报精度为亚纳秒级。3种模型的钟差预报精度均在1ns以内,其中二次多项式模型的预报精度优于灰色模型,线性组合模型预报精度介于二者之间。利用3种模型的钟差预报结果进行精密单点定位实验,所得的平均定位精度在E、N方向上误差最大不超过3cm,U方向上误差最大不超过5cm。验证了利用二次多项式模型、灰色模型和组合模型在卫星钟差的短期预报中是可行的。     

非等时距灰色预测模型在基坑监测中的应用

采用插值原理,将非等时距的基坑监测数据转换成等时距的数据,建立非等时距灰色预测模型,并结合实际监测数据对该模型进行检验和分析。结果表明,该模型的预测值和实际监测值相差很小,为基坑监测数据处理提供了参考。     

小波变换和BP神经网络模型在沉降变形监测中的应用研究

变形预测在预报工程险情方面起着关键性的作用,针对施工中需及时、准确地预测变形的问题,本文利用小波变换原理对监测数据进行降噪处理,并采用BP神经网络分析不同训练样本下的预测效果和精度水平。实验结果表明:基于小波消噪后的BP网络模型,以连续的近期观测数据作为训练样本,对下期变形预测精度高,效果好,相对误差很小。因此,小波变换和BP神经网络模型在沉降变形监测工程中能作为预测研究与应用的参考。