基于数据分布域变换与贝叶斯神经网络的渗透率预测及不确定性估计

渗透率是储层评价和油气藏开发的关键参数.传统测井方法与常规机器学习方法估算的渗透率都是固定值.但由于测井数据本身存在噪声, 渗透率的预测结果可能受到噪声的影响出现测量性的随机误差(即任意不确定性); 同时, 当测试数据与训练数据存在差异时, 机器学习模型在预测渗透率时可能出现模型参数的不确定性(即认知不确定性).为实现渗透率的准确预测并量化两种不确定性对结果的影响, 本文提出基于数据分布域变换和贝叶斯神经网络同时实现渗透率预测及其不确定性的估计.提出方法主要包括两个部分: 一部分是不同域数据分布的相互转换, 另一部分是基于贝叶斯理论的神经网络渗透率建模预测和不确定性估计.由于贝叶斯神经网络存在数据分布的假设, 当标签的概率分布与网络的分布保持一致时, 贝叶斯神经网络可以更好的学习到数据之间的关系.因此通过寻找一个函数将一个原始域的渗透率标签转换为目标域的与渗透率有关的变量(我们称为目标域渗透率), 使得该变量符合贝叶斯神经网络的分布假设.我们使用贝叶斯神经网络预测目标域渗透率以及任意不确定性和认知不确定性.随后, 通过分布域的逆变换, 我们将目标域渗透率还原回原始域渗透率.应用本文方法到某油田的18口井的测井数据中, 使用16口井的数据进行训练, 2口井进行测试.测试井的预测渗透率与真实渗透率基本一致.同时, 任意不确定性的预测结果提供了渗透率预测值受到的测井数据噪声影响的位置.认知不确定的预测结果说明数据量少的位置具有更高的认知不确定性.我们提出的这一流程不仅显示了在储层表征方面的巨大潜力, 同时可以降低测井解释时的风险.

     

2022年1月8日青海门源6.9级地震机器学习地震预警震级估计与现地阈值报警的回溯验证

2022年1月8日1时45分青海省海北州门源县发生6.9级地震, 周边地区普遍有感, 并导致多条高铁线路临时停运. 本文利用这次地震获取的大量烈度计加速度记录, 基于正在进行系统研发的机器学习地震预警方法模块, 对地震预警震级估计与现地阈值报警进行了回溯验证. 结果表明: 在地震发生后3.1 s, 震级估计为6.5级, 且震级估计误差不受信噪比和震中距变化的影响, 随着首台触发后时间的增加, 震级估计逐渐接近实际震级. 对于现地地震动速度峰值PGV(Peak Ground Velocity)预测, 各个台站在P波到达后3 s时, 预测PGV与观测PGV呈现1:1线性关系, 随着P波到达后时间窗的增加, 预测PGV逐步接近观测PGV, 且PGV预测误差不受信噪比和震中距变化的影响. 现地台站仪器烈度阈值设置为Ⅵ度时, 报警成功、误报、漏报的百分比分别为99.53%、0%、0.47%, 平均预警时间为19.62 s, 且地震烈度Ⅵ度区内没有发生误报和漏报; 现地台站仪器烈度阈值设置为Ⅶ度时, 报警成功、误报、漏报的百分比分别为99.77%、0%、0.23%, 平均预警时间为9.69 s, 且地震烈度Ⅶ度区内没有发生误报和漏报. 此次回溯验证结果表明: 机器学习方法在这次地震中可以得到鲁棒的震级估计和现地阈值报警结果, 并为该方法的在线测试以及中国地震预警系统升级提供可行性依据; 其次, 在这次地震事件中, 烈度计可为预警提供额外的作用, 这也为烈度计在未来地震预警的研究和应用中提供了更多的可能性.

     

多源卫星遥感海面风速误差分析和交叉标定

利用多源卫星散射计和辐射计构建高时间分辨率的海面风遥感数据集是当前海洋遥感研究的热点。本文针对2019年同时期在轨运行的卫星散射计和辐射计,利用浮标数据和欧洲中期天气预报中心（ECMWF）第五代大气再分析数据（ERA5）,定量评估了不同传感器获取的海面风速数据的误差特性和标定系数,阐明不同卫星遥感海面风单位误差相对大小,为多源卫星海面风场融合、同化等定量应用提供技术支撑。与常用的中性参考风相比,微波散射计和辐射计反演的风速更适合用等效应力风解释,以便实现卫星遥感数据的优化应用。现有微波散射计和辐射计遥感的海面风速与浮标和ERA5等效应力风在总体上具有良好的一致性,但在高风速条件下（风速大于20 m/s）呈明显的偏差。本文提出的一种用于风速误差横向对比的指示因子,实现了散射计与辐射计风速相对误差估计,为多源数据同化应用中的误差设置提供重要的参考。结果表明：5种散射计风速固有误差介于0.40～0.73之间,5种微波辐射计的风速固有误差介于0.86～1.23。总体而言,在0～20 m/s风速范围内,散射计的风速精度优于辐射计。     

基于杨赤中插值法的坡度、坡向计算的实现与分析

应用杨赤中滤波推估法,将地形碎部点高程观测值看作一种包含规律性和随机性变化的复合变量,求其二项系数加权游动平均,建立估值数学模型,求得各格网点高程估值。将离散的数据经插值计算转换为DEM数据,并根据其网格顶点来分析、推算和显示网格单元的坡度和坡向。     

SPOT影像光束法平差复共线性消除

CCD卫星影像空间后方交会时,存在系数矩阵列向量间的强相关的问题,用光束法平差同样存在这个问题,将光束法平差与线角元素分求法、广义岭估计、附有限制条件的平差结合,证实三种方法都可以克服平差时外元素和变率改正数震荡大的缺点,并且取得了合理的空间后方交会精度和地面点定位精度。     

利用方差分量估计的地震同震滑动分布反演

提出了基于方差分量估计的地震同震滑动分布反演方法,该方法不仅可以确定不同数据集的相对权重,而且还能得到平滑因子的值,突破了方差分量估计方法仅用于各类数据定权的实际应用范围。模拟算例验证了此方法的有效性,从解的概率后验密度分布分析来看,方差分量估计方法得到的结果是线性和非线性混合方法反演结果的一个解。用方差分量估计方法反演了Bam地震同震滑动分布,并与线性非线性混合方法反演的结果进行了对比分析。两种方法得到的Bam地震断层滑动分布之间的空间互相关系数为0.999 9,地震同震的最大滑动量相同,都为3.04 m;其深度仅有微小区别,前者为4.50 km,后者为4.47 km;平均滑动量前者为0.714 m,后者为0.718 m。但前者反演计算用时227 s,后者却达到1.5×10⁶ s,约17 d,前者仅为后者的1/6 608。结果表明,本文方法相对于线性和非线性混合方法具有计算简单、计算量小和计算效率高的优点。     

多时相InSAR技术的廊坊地区地下水体积变化研究

基于时序InSAR函数模型,分别建立了单主影像和多主影像时序InSAR误差模型,在理论上完善了时序InSAR数学模型。利用构建的随机误差模型,模拟试验研究了随机误差模型对时序InSAR待估参数精度的影响。结果表明,与等权模型相比较,加权模型(随机误差模型)估计的参数精度有一定提高;但由于加权条件下的参数估计模型复杂、计算效率低,目前利用等权方法进行时序InSAR的参数估计更简便易行。     

星载InSAR立体基线定标方法

在专用的星载InSAR系统中,基线矢量精度是影响地面高程精度的主要因素之一,对其进行定标能有效提高目定标位的精度。目前,基线定标方法多采用简化的二维平面模型,该模型忽略了顺轨基线分量,导致其定标精度不高。针对此模型存在的不足,提出了一种符合星载InSAR工作特点的立体基线模型,通过建立局部移动坐标系,简化定标参数,优化处理过程。仿真数据处理结果表明,该方法能完成高精度InSAR基线矢量定标,可为星载InSAR系统定标提供支撑。     

一种WiFi无线接入点位置估计新算法

目的 针对无线接入点的位置估计问题,利用基于接收信号强度的测距技术,提出一种无需已知测距模型参数的无线接入点位置估计算法。该算法首先通过距离间的比例关系消去和无线接入点发射功率相关的测距模型参数;然后根据最小二乘原理来搜索最佳路径损耗指数,再确定无线接入点的位置。仿真结果表明,该算法能够改善现有无线接入点位置估计算法存在的不足,提升位置估计的精度。     

基于14C数据重建中亚地区全新世人类活动的时空演化过程

中亚地区在早期人类演化、迁徙、文明演替与近现代东西方政治、经济、文化和技术交流中具有重要作用,然而由于相关历史记录的缺乏和考古研究的滞后,对于这一地区的人类活动历史一直缺乏系统认识;而研究中亚地区的人类活动特征,人口的变化是重要的参考指标。考古遗址的¹⁴C年代数据的相对密度与人类活动密切相关,成为指示古人口变化的可靠指标,被广泛应用于欧洲和东亚地区的古人口重建,为研究中亚地区古人口变化提供重要参考证据。近年来,中亚地区考古发掘工作获得了快速发展,积累了大量的考古年代学数据,为研究中亚地区古人口变化提供了契机。本研究首次对中亚地区的考古¹⁴C年代学数据进行了系统收集整理,编制中亚地区全新世以来的考古放射性碳数据库（n=1754）,利用ArcGIS绘制时间分辨率为千年尺度的中亚地区考古遗址点分布图,使用¹⁴C数据的总和概率密度（Summed Probability Distribution）重建中亚地区古人口变化,系统地分析了中亚地区全新世以来的人类活动时空变化特征。结果表明,10 cal.ka B.P.以来中亚地区存在连续的人类活动,但存在显著的时空差异。在全新世早期,人类活动强度较弱,遗址数量非常少,且主要分布在塔里木盆地和少数山前区域;从5 cal.ka B.P.开始,遗址点数量和范围开始增加,人口数量也开始增加,在2.7 cal.ka B.P.达到峰值;从2.3 cal.ka B.P.开始,人类活动强度开始减弱,人口数量出现减少趋势。