多任务深度学习技术在储层横波速度预测中的应用

储层参数与横波速度存在强非线性关系,难以用解析方程表达.深度学习具有强大的非线性寻解能力,可借助其优势构建横波速度与储层参数的映射关系,实现横波速度预测.前人研究主要采用单任务深度学习方法,输入多种储层参数曲线,只输出横波速度预测成果,这种方式存在一定的过拟合风险.为此,考虑到横波速度预测与其他测井评价任务的相关性与继...     

近断层地震动预测实例

利用模拟长周期地震动的显式有限元技术和并行计算技术、场地一维线性反演和等效线性化方法以及有限断层模型,针对一个具体的城市地下结构模型,本文给出了一套近断层地震动预测的方法和相应的预测结果,并与近断层地震动的特征对比,分析了预测结果的合理性。     

原始方程模式多处理器的并行计算方案设计及试验

本文介绍并行处理器(Transputer芯片)的性能和特点，及其对微机功能扩充上的应用。结合气象问题，设计了五层原始方程数值预报模式的并行计算方案。经过试验，计算速度明显提高，结果正确可靠，从而为省级气象部门的数值预报业务化及科学研究提供了一条有效途径。     

多核并行计算在地形因子计算中的应用

为了满足地理国情监测中地形统计指标的高性能计算需求,该文提出在多核计算环境下将地形因子串行计算进行并行化的方法:通过对串行算法耗时部分进行线程级并行化改进,尽可能使计算过程中的线程负载均衡、计算任务的分配更加均匀,从而有效提升程序运算效率。试验对比了不同地形因子算子在计算栅格数据时串行方式和并行方式的执行效率差异,测试结果表明,并行算法在单机16核环境下的计算效率提升明显。     

融合边缘特征与语义信息的人工坑塘精准提取方法

针对高空间分辨率遥感影像目标提取中定位精度低、边缘粗糙等问题,提出一种融合目标边缘特征与语义信息的人工坑塘提取网络模型。方法首先利用改进的U-Net语义分割网络模块来提取遥感影像中丰富的目标语义信息,然后拓展上述语义分割网络构建边缘提取子网络来获取遥感影像的多尺度边缘特征,最后借助于编码-解码子网络融合边缘特征与语义信息,实现遥感影像目标的精准提取。将该方法运用到雷州半岛复杂背景条件下人工坑塘提取实验中,实验结果中本文提出的方法在F分数以及边界F分数等评价指标上表现最优,达到97.61%与83.01%,验证了融合高层语义信息结合低层的边缘特征在提升遥感目标提取精确度上的有效性。     

基于MPI的快速富里叶变换并行算法

随着并行计算技术的快速发展 ,数据处理、信息处理等应用领域处理问题规模的日益增大 ,对并行计算的需求也越来越迫切。这里给出一种基于可移植消息传递界面 (MPI)标准的一维快速富里叶变换并行算法 ,可应用于分布式存储并行计算机系统     

抗差贝叶斯估计及应用

针对大规模GNSS（global navigation satellite system）基线向量网平差的特点,在IGGⅢ方案的基础上,基于不同降权效率的双因子等价权的改进模型,比较了并行编程方法及环境的适应性,提出了基于多任务划分与处理的并行计算流程,实现了相关观测抗差贝叶斯估计的并行计算。实验采用IGS全网的数据,结果表明,相关抗差并行贝叶斯估计不仅能够充分利用坐标参数的先验信息,有效抵制基线向量异常误差的影响,而且能够充分利用已有的硬件平台,显著提高抗差计算效率。     

MR-tree空间索引的Voronoi图改进及其并行空间查询方法

对MR-tree进行邻近关系信息的存储扩充,引入Voronoi图构建VoMR-tree索引。同时,提出了一种基于VoMR-tree的空间查询算法,讨论了分布式环境下的数据处理和算法并行化问题。实验结果表明,所提出的算法在执行时间和占用存储空间上都优于常用的空间索引方法。     

基于串行及并行多任务学习网络的储层参数评价研究

选取基于串行还是并行多任务学习的储层参数评价网络建模是近期涌现的一个问题.本文以中国西部某油田老区储层参数试验数据为基础, 对比20种不同的基础神经元模块组成的多任务学习网络的孔隙度、饱和度和渗透率评价结果, 据此提出模型选择策略: 确定系数为评价指标, 选择串行而不是并行结构网络模型的条件为模型参数量小于1000的参考值; 模型参数量大于1000时, 串行多任务网络不如并行多任务网络.当平均绝对误差为评价指标时, 选取串行多任务的前提是模型参数量小于10000的参考值.模型参数量大于10000时, 串行和并行多任务网络结果具有一定相似性.如果平均绝对误差和模型参数量均在允许范围内, 两种架构网络均可行.本文旨在为后续不同类型多任务学习网络架构模型设计及应用提供支持.

     

基于多任务学习的测井储层参数预测方法

基于多任务神经网络模型, 提出一种多任务测井储层参数预测方法, 利用测井数据对储层孔隙度、渗透率及含水饱和度同时进行预测.分别采用同架构和异架构多任务模型对测井储层参数进行预测, 通过数值实验对比, 多任务预测模型有效提升了单任务储层参数预测模型的效果, 且提升幅度与模型结构有关, 异架构多任务模型的总体预测效果好于同架构多任务模型.以平均相对误差(MAPE)作为模型评价标准, 针对本研究所采用的数据集, 同架构多任务模型的孔隙度、渗透率和含水饱和度在测试集上的MAPE约为6%、17%和9%, 相较于单任务模型, 预测效果分别提升约30%、20%和10%.异架构多任务模型的孔隙度、渗透率和含水饱和度, 在测试集上的MAPE约为6%、13%和6%, 相较于单任务模型分别提升超过2%、60%和10%.