基于岩石物理模型的页岩储层裂缝属性及各向异性参数反演

针对富有机质页岩储层复杂的矿物组分与微观孔缝结构,本文提出基于岩石物理模型和改进粒子群算法的页岩储层裂缝属性及各向异性参数反演方法。应用自相容等效介质理论与Chapman多尺度孔隙理论建立裂缝型页岩双孔隙系统岩石物理模型。开发基于岩石物理模型的反演流程,引入模拟退火优化粒子群算法解决多参数同时反演问题,反演算法能够避免陷入局部极值且收敛速度快。将本文方法应用于四川盆地龙马溪组页岩气储层,反演得到的孔隙纵横比、裂缝密度等物性参数和各向异性参数与已有研究结果一致,能为页岩储层的评价提供多元化信息。     

基于稀疏反演算法的高分辨率Radon变换及其在多次波压制中的应用

针对目前双曲Radon变换Radon域能量团能量泄漏的问题,提出一种基于稀疏约束反演算法的高分辨率Radon变换进行多次波的压制. 该方法在常规双曲Radon变换的基础上加入稀疏约束条件,应用共轭导向梯度( CGG)反演算法进行求解,能有效地提高Radon域速度谱的聚焦效果,有利于分离一次波和多次波. 模型和实际资料试算证明了该方法的有效性和实用性.     

改进的蚁群算法及其在南岭地区花岗岩侵入体探测中的应用

蚁群算法（ACO）主要应用于组合优化问题（COPs）,很少应用于地球物理重磁资料物性反演。首先,对蚁群系统中目标函数值与信息素的映射机制进行改进。理论模拟表明,改进后的Gauss模型在收敛速度和反演精度方面比传统的ant-cycle模型要好,适用于重磁资料物性反演。然后,将蚁群算法应用于南岭地区千里山岩体和九嶷山岩体重力资料反演与解释。结果表明:蚁群算法圈定的花岗岩岩体与地面地质填图结果及大地电磁测深反演结果吻合,较好地控制了千里山岩体和九嶷山岩体的深度和形状。该结果可为研究南岭地区花岗岩侵入模式和多金属成矿规律提供参考。     

PSI和CRI联合算法用于苏通大桥基础沉降监测

深厚河床覆盖层地基上建设的超大型群桩基础,其沉降是安全监控的关键问题。针对苏通大桥群桩基础沉降监测中存在的问题,在基础沉降监测中综合运用了永久散射体干涉测量（PSI）和人工角反射器干涉测量（CRI）监测技术。结合大桥自身的永久散射体特性和桥位区重点监测部位安装的人工角反射器,利用EV-InSAR软件的CTM模块对该地区2003－2008年（主体工程施工期间）间获取的20景Envisat卫星单视复数据（SLC）进行差分干涉测量处理,利用PSI和CRI联合算法成功提取出了桥位区的永久散射体点,并解算出各永久散射体点在施工过程不同阶段的变形量,客观、全面地反映了苏通大桥在建设过程中基础的沉降。将获取的主墩处的永久散射体沉降量与有限元计算结果进行了对比,两者相对误差为4.64%。研究结果表明,PSI和CRI联合算法是一种极具潜力的大型桥梁地基基础沉降监测技术。随着监测区合成孔径雷达（SAR）数据的不断累积,利用该技术可以不断获取运营中的苏通大桥基础的高精度沉降量。     

土壤水分对土壤参数的敏感性及其参数优化方法研究

利用2008年1月1日至2009年9月31日黑河流域阿柔冻融观测站的气象和土壤水分数据,采用基于方差的多参数敏感性分析方法研究通用陆面模型(Common Land Model,CoLM)模拟的土壤水分对土壤质地(砂土和黏土)的敏感性,进而采用SCE-UA参数优化算法分别优化土壤质地和土壤水力参数,分析不同优化策略对土壤水分模拟结果的影响。研究结果表明,浅层土壤水分对土壤质地较为敏感,敏感性系数达到了0.45以上,并且砂土含量对土壤水分的影响更为显著;利用SCE-UA算法优化土壤质地或土壤水力参数都可以有效地提高土壤水分的模拟精度,优化土壤水力参数易产生"异参同效"现象,而优化土壤质地能够使土壤水力参数的取值范围更加合理。     

基于梯度提升算法的岩性识别方法

传统的岩性识别方法如岩屑录井、钻井取心及测井资料解释等技术,对录井质量的依赖程度较高,识别精度与效率低,泛化能力差。随着计算机技术的迅速发展,将测井资料与计算机技术相结合开展岩性研究已成为岩性识别的有效手段。本文提出了一种基于梯度提升算法XGBoost和LightGBM的岩性识别方法。以苏里格气田苏东41-33区块下碳酸盐岩储层为例进行测试验证,采用该方法结合测井资料中的声波时差、自然伽马、光电吸收截面指数、密度、深侧向电阻率和补偿中子等6种参数进行岩性识别,并与KNN （K近邻分类器）、朴素贝叶斯和支持向量机等传统算法进行对比,结果表明,3种传统算法的岩性识别准确率分别为78.45%、74.43%和78.72%,基于梯度提升算法XGBoost和LightGBM的识别准确率分别达到了98.90%和98.72%,远高于传统算法。     

基于CART算法的三维成矿预测研究——以安徽白象山矿区为例

把地质大数据和人工智能技术引入矿产资源定量评价及成矿预测体系中,提高了海量地质数据的有效信息挖掘,弥补了传统方法的不足。本文基于白象山矿区基础地质资料和物化探成果资料,利用三维地质体建模技术和三维空间分析技术,量化三维控矿因素,建立了一种基于CART 算法的三维成矿预测模型。通过在白象山矿区的实验表明：该模型能较好的定位已知矿体,并且预测出在已知矿体北部、东部、东北部、西部、南部和东南部具有较高的成矿概率,可圈定找矿靶区。该模型将地质大数据应用于找矿勘探工作,具有纯数据驱动、预测精度高、预测结果可靠等优点。研究发现,该模型的预测效果与训练数据集的数量、矿控因素提取、决策树深度等有关。     

正大广场基坑降水技术

上海浦东正大广场基坑工程是上海地区软土地基中特大型深基坑工程。采用“管井井点联合轻型真空井点分层降水法”较好地解决了疏干、减压、抗浮等问题,既节省造价,又满足了基坑支护结构的稳定和环保要求。     

基于MODIS的青藏高原逐日无云积雪产品算法

青藏高原积雪对高亚洲地区水和能量循环起着重要的反馈和调节作用,其变化影响着融雪性河流流量,对下游水资源和经济活动具有重要影响。中分辨率成像光谱仪（MODIS）具有较高的时空分辨率,被广泛应用于积雪遥感动态监测,然而光学遥感积雪受云层影响严重,且青藏高原地区水汽分布不均,局地对流活跃,积雪的赋存时间变化快,这给高原地区逐日积雪监测及其气候学制图带来挑战。在考虑青藏高原地形和积雪分布特征情况下,结合现有的云覆盖下积雪判别算法,采用8个不同方法的组合,逐步实现MODIS逐日无云积雪算法。选取2009年10月1日-2011年4月30日两个积雪季为研究期,并采用145个地面台站观测雪深数据对去云算法各步骤过程开展精度验证,结果表明：当积雪深度>3 cm时,逐日无云积雪产品总分类精度达到96.6%,积雪分类精度达83%,积雪判对概率（召回率）达到89.0%,算法可实现青藏高原地区逐日无云积雪动态监测和积雪覆盖气候学数据重建,对高亚洲地区的水、生态和灾害等全球环境变化影响研究具有重要的意义。