景观指数的并行计算方法

随着地理信息科学和系统的发展,GIS数据的时空分辨率和数据量呈现爆炸式的增长趋势。传统的基于个人计算机的景观指数计算软件难以有效快速地完成海量数据的空间分析。针对该问题,本文提出了一个高效的景观指数并行计算方法。首先对原有的并查集连通域标记算法进行了2点改进：① 在第2次遍历数据时,增加了计算斑块面积、周长等斑块基本信息的功能,为景观指数的计算提供必要参数;② 在第2次遍历过程中,增加了重新标记连续序号的功能,减少了原有算法在合并操作后造成的序号不连续,需要重新遍历数据的开销。在此基础上,本文利用MPI并行编程库,采用数据分割和主从进程协同的并行计算模式实现了景观指数的并行计算。实验表明,在保证计算正确性的基础上,本文的并行算法大幅度提高了景观指数的计算性能,为快速分析大规模数据的景观形态和格局提供了有效手段。     

Local gravity field modeling using spherical radial basis functions and a genetic algorithm

Spherical Radial Basis Functions (SRBFs) can express the local gravity field model of the Earth if they are parameterized optimally on or below the Bjerhammar sphere. This parameterization is generally defined as the shape of the base functions, their number, center locations, bandwidths, and scale coefficients. The number/location and bandwidths of the base functions are the most important parameters for accurately representing the gravity field; once they are determined, the scale coefficients can then be computed accordingly. In this study, the point-mass kernel, as the simplest shape of SRBFs, is chosen to evaluate the synthesized free-air gravity anomalies over the rough area in Auvergne and GNSS/Leveling points (synthetic height anomalies) are used to validate the results. A two-step automatic approach is proposed to determine the optimum distribution of the base functions. First, the location of the base functions and their bandwidths are found using the genetic algorithm; second, the conjugate gradient least squares method is employed to estimate the scale coefficients. The proposed methodology shows promising results. On the one hand, when using the genetic algorithm, the base functions do not need to be set to a regular grid and they can move according to the roughness of topography. In this way, the models meet the desired accuracy with a low number of base functions. On the other hand, the conjugate gradient method removes the bias between derived quasigeoid heights from the model and from the GNSS/leveling points; this means there is no need for a corrector surface. The numerical test on the area of interest revealed an RMS of 0.48 mGal for the differences between predicted and observed gravity anomalies, and a corresponding 9 cm for the differences in GNSS/leveling points.     

基于遗传算法优化的BP神经网络在密度界面反演中的应用

BP神经网络方法在二维密度界面的反演中取得了较好的效果,但在反演三维界面时,由于模型更复杂、参数更多,BP神经网络的收敛速度和反演精度都有一定程度的下降。为了改善反演效果,本文利用遗传算法对BP神经网络的权值、阈值选择过程进行优化,获得了更好的网络模型;并将此模型应用于密度界面模型的反演中,预测误差从上百米减小到数十米,同时迭代计算步数减少了近2/3,有效减少了计算时间,反演结果更准确。利用基于遗传算法优化的BP神经网络反演了法国某地区莫霍面深度,预测相对误差仅为1.8%,取得了较好的应用效果。基于遗传算法优化的BP神经网络在密度界面的反演中具有良好的应用价值和研究前景。     

BFA-CM最优化测井解释方法

最优化测井解释方法能充分利用各种测井资料及地质信息,可以有效地评价复杂岩性油气藏.优化算法的选择是最优化测井解释方法的关键,影响着测井解释结果的准确性.细菌觅食算法(BFA)是新兴的一种智能优化算法,具有较强的全局搜索能力,但在寻优后期收敛速度较慢.复合形算法(CM)局部搜索能力极强,将其与BFA算法相结合构成BFA-CM混合算法,既提高了搜索精度又提高了搜索效率.利用BFA-CM最优化测井解释方法对苏里格致密砂岩储层实际资料进行了处理,计算结果与岩心及薄片分析资料吻合得很好.     

CEC比值法在凝灰质砂岩储层测井评价中的应用——以海-塔盆地X凹陷凝灰质砂岩储层为例

凝灰质砂岩储层一直是测井评价中的难点.凝灰质的存在使储层的孔隙结构和物性变化都很大,其含量直接影响储层参数的求取,对储层饱和度的影响不容忽视.本文以海-塔盆地X凹陷的凝灰质砂岩储层为例进行测井评价研究.基于泥质和凝灰质的测井响应差异利用粒子群和细菌觅食的混合优化算法计算储层中两者的含量,然后通过阳离子交换量(CEC)的实验数据验证了凝灰质具有导电性,进而利用CEC与电阻率之间的关系得到凝灰质电阻率的计算方法,并且应用到饱和度的计算,最终得到了一种新的计算凝灰质砂岩储层饱和度的方法——CEC比值法,并取得了良好的应用效果.     

基于能量运算的磁共振信号尖峰噪声抑制方法

磁共振探测信号微弱,使用高灵敏度的核磁共振地下水探测仪,极易受到环境噪声干扰.其中,工频谐波噪声和尖峰噪声,是影响信号质量最严重的两类噪声.国内外研究表明,通过参考线圈的布设,依据探测线圈和参考线圈中噪声相关性,利用自适应参考对消算法,能够有效抑制工频谐波噪声.然而,尖峰噪声的存在严重影响了主通道与参考道的数据相关性,成为了参考对消算法应用的难题与障碍.为解决这一问题,本文提出磁共振信号中尖峰噪声的抑制方法,推导了能量域磁共振信号表达式,通过计算信号能量,可有效检测尖峰噪声并突出不易识别的小幅度尖峰噪声,采用基于中位数的绝对偏差法确定阈值,进而剔除尖峰噪声.为了验证去噪效果,与应用较广的统计叠加法进行对比研究.仿真结果表明,对于干扰幅度较大、持续时间较长的尖峰噪声,能量运算法和统计叠加法均能识别并剔除,且不损失有效的磁共振信号,标准差偏差控制在0.3%以内,可以满足实际应用的要求;对于小于信号幅度1.5倍的尖峰噪声,能量运算法可有效识别并剔除,而统计叠加法无法实现.针对多通道探测系统,使用能量运算法剔除尖峰噪声后,可明显提高主通道和参考道的数据相关性,为后续自适应参考对消算法的应用奠定了基础.实测数据处理结果进一步证明了本文方法的实用性.     

顾及电离层变化的层析反演新算法

区别于以往GPS电离层层析研究主要关注迭代模型的思路,本文从两方面入手提高GPS电离层层析迭代算法的反演精度:一方面,顾及传统电离层层析迭代模型仅与对电子密度误差起放大作用的GPS射线截距权重相关的不足,提出考虑层析像素格网中的电子密度对GPS TEC的贡献建立新的迭代模型,在不同电子密度像素格网内重新分配GPS TEC实测值与其反演值之间的差距;另一方面,顾及电离层层析迭代算法中松弛因子对反演结果的影响,提出考虑电子密度变化构造新的松弛因子,抑制传播噪声对电子密度反演精度的影响.实验结果显示,相对于传统代数重构算法(ART),新方法反演的电离层电子密度剖面更接近于电离层测高仪观测的电子密度剖面,提高了电子密度反演精度.     

基于改进的散射积分算法的初至波走时层析

初至波走时层析是获取近地表速度结构的一种常用方法.随着采集技术的不断发展,可使用的数据量迅速增多,传统的基于射线追踪和解方程组的地震走时层析成像方法面临着内存占用大、方程求解不稳定等问题.为了解决这些问题,本文基于前人在波形反演研究中提出的一种改进的散射积分算法,提出了一种预条件最速下降法初至波走时层析.该方法无需存储核函数矩阵与Hessian矩阵即可方便地实现目标函数梯度的计算与预条件,且该方法计算效率高、求解稳定、易于并行.数值实验结果表明,该方法可以获得与传统方法精度相当的反演结果,但所占用的内存大幅减小.     

位场各阶垂向导数换算的新正则化方法

位场垂向导数大量应用于位场数据处理与解释中.当前广泛采用的位场各阶垂向导数换算方法为基于Laplace方程并结合波数域和空间域方法的具有递推特性的ISVD(integrated second vertical derivative)算法.本文在位场垂向导数换算的正则化方法和径向平均功率谱的基础上,提出一种位场各阶垂向导数换算的新正则化方法.新正则化方法仅需通过分析位场径向平均功率谱来确定一个截止波数,即可稳定换算位场各阶垂向导数.理论模型和实测数据实验结果表明:(1)新正则化方法物理意义明确、计算简单,且各阶垂向导数换算的稳定性和精度明显优于ISVD算法;(2)在用新正则化方法求得各阶垂向导数的基础上,利用泰勒级数法可以获得大深度、高精度的位场向下延拓结果.     

基于FFT-MA谱模拟的快速随机反演方法研究

虽然基于地质统计学的随机反演方法能够有效融合测井资料中的高频信息,但计算效率低,占用内存大,限制了它在实际资料中的应用.本文在保留传统随机反演方法优点的基础上,创造性地引入傅里叶滑动平均(Fast Fourier Transform-Moving Average,FFT-MA)谱模拟进行频率域的地质统计模拟,并利用逐步变形算法(Gradual Deformation Method,GDM)确保模拟结果与实际地震数据的匹配,构建了基于FFT-MA谱模拟的新的快速随机反演方法.与常规随机反演相比,新方法不仅分辨率高,而且能够使反演解得到快速收敛,有效提高计算效率,减少内存占用.模型试算获得了与理论模型吻合度较好的高分辨率反演结果.实际资料分析也表明新方法所得到的高分辨率反演结果能够对薄互储层进行良好的展示,为薄储层的识别提供高效可靠的技术支持.