云南年度危险区预测能力的统计分析

通过对云南省地震局1989—2006年度地震趋势研究报告中年度预测水平、 危险区圈定和实际发生地震情况等统计分析, 结果显示云南地区每年发生2.8组M≥5地震, 3年发生2组M≥6地震, 发震的自然概率较高, 1989年以来年度地震活动水平预测为M≥6的对应率较高, 达到了56%。 危险区的预测不能用异常数量的多少来判定, 对于M≥6地震, 应用4级地震频度增长显著的区域和高水位异常区域等指标能更好的预测危险区。 5级地震在云南地区有的时候异常出现最多就是2～3个月就发震, 年度很难用异常判断级地震的危险区, 但5级地震也存在10年左右的主体活动地区迁移现象, 利用主体活动地区的特征可以提高5级地震发生区域的预测能力。 年度应重点跟踪M≥6地震, 由于云南地区6级以上地震发生前中小地震活动增长和前兆异常出现后, 对应地震的时间从几个月到3年不等, 但半年尺度前兆异常数量增加显著, 因此在看到地震活动增强后动态跟踪前兆的变化, 采用长、 中、 短、 临渐进式的预报方式, 仍然是目前提高地震预报效能最有效的途径。     

强震前地震非均匀度异常与前兆群体异常关系的研究

通过对比研究华北地区部分中强以上地震震前地震非均匀度异常与区域地震前兆观测群体异常的变化过程, 发现两者在地震前的异常时空演化过程中, 具有一定的关联性。 在时间上, 部分地震震前的地震非均匀度异常出现后, 半年左右前兆观测异常在数量上将出现一次较大幅度的增加; 在空间上, 前兆异常展布范围与地震非均匀度异常范围大体一致。 研究结果表明, 地震非均匀度(GL值)在强地震前出现的异常变化从震例的角度, 表明可能与局部应力场变化有关。 地震非均匀度和前兆群体异常的这种准同步变化, 可能对判定地震孕育进入中短期阶段具有一定的指示意义。     

特低渗透砂岩储层水驱油CT成像技术研究

通过水驱油岩心的CT成像技术,动态、定量、可视化地研究了特低渗透砂岩储层水驱油岩心的微观孔隙结构、含水饱和度分布、吸水能力及微观孔隙结构对驱油效率的影响.研究表明,实验岩心的CT值分布在1819~1961之间,与标准的Berea砂岩相比高出15%左右,属于典型的特低渗透砂岩储层.储层微观孔隙结构是影响油水分布的主要因素.特低渗透砂岩储层开发要高度重视无水采收率.储层致密和微裂缝发育的不均一性是特低渗透砂岩油田驱油效率低的根本原因.     

安徽省黄山市黟县某建设工程项目地质灾害危险性评估报告

本文以黟县某建设工程项目为例,通过对评估区地质环境及地质灾害进行调查研究,对拟建工程区域进行了现状评估和预测评估,提出有针对性的防治措施,旨在从源头上控制和减少因不合理工程活动引起的地质灾害对工程建设造成的危害,保护人民生命财产安全,为工程建设的顺利进行提供基础资料和依据。     

湘中包金山金矿床地质特征及找矿预测

包金山金矿位于湘中成矿区的北东部,为湘中地区典型金矿床。地层主要为新元古界板溪群马底驿组,主构造为向北倾的单斜构造,其中近东西向断裂控制了矿床的空间定位,层间破碎带和北西向断层则作为重要的赋矿构造。结合土壤地球化学特征,总结包金山矿床地质特征,圈定包金山矿区3个找矿前景区。     

基于GA-BP神经网络的路基沉降预测

如何科学、合理地预测路基沉降是高速公路建设的关键,针对传统的BP神经网络算法易陷入局部极小值,影响预测精度的问题,本研究利用遗传算法(genetic algorithm,GA)的全局寻优能力对BP神经网络进行优化,构建了基于GA-BP神经网络的路基沉降预测模型。以高速公路路基沉降监测进行实验验证分析,结果表明：相较于传统BP神经网络模型,GA-BP神经网络模型的预测精度有了显著的提高,可为高速公路的建设及后续工程的沉降预测提供参考。     

基于粗差探寻的回归分析法在沉降监测中的应用

沉降监测工作通常需要长时间进行测量,随着数据量的增大及监测环境的逐渐变化,有可能会导致监测数据出现粗差,以存在粗差的原始数据进行沉降监测分析时,会导致分析预测结果出现较大的错误。本文由正态分布特点出发,对沉降数据使用了粗差探寻的剔除方法,将原始数据中的粗差剔除,再通过回归分析模型进行沉降监测的预测分析。结果表明,粗差探寻能有效地剔除粗差,提高沉降监测的预测精度,平均相对误差由5.795%降低到5.009%。     

鄂尔多斯盆地致密油储层启动压力梯度对比分析

为探讨非常规致密砂岩油藏储层启动压力梯度问题,以鄂尔多斯盆地HQ、HS地区长6、长8储层为研究对象,开展启动压力实验,对比分析不同储层的启动压力梯度.研究表明,单相水状态水相、束缚水状态油相,均具有随渗透率降低,拟启动压力梯度、真实启动压力梯度升高的趋势.当渗透率低于0.3×10-3 μm2,拟启动压力梯度、真实启动压...     

基于特征注意力机制的RNN-Bi-LSTM船舶轨迹预测

【目的】为更准确预测船舶轨迹,基于RNN、Bi-LSTM和注意力机制,研究一种结合特征注意力机制的RNN-Bi-LSTM的船舶轨迹预测模型。【方法】基于AIS数据构建基于循环神经网络(RNN)与双向长短时记忆网络(Bi-LSTM)的混合神经网络模型,并在混合模型中加入特征注意力机制对数据特征进行权重分配,提升模型对船舶轨迹预测精度。【结果】使用实际运行的船舶AIS数据,对模型的有效性和实用性进行验证,测试集均方误差为2.751×10^-5、均方根误差为5.245×10^-3,在连续弯道预测中的均方误差为4.359×10^-6、均方根误差为2.088×10^-3。【结论】结合特征注意力机制的RNN-Bi-LSTM相较于传统的预测神经网络,船舶轨迹预测精度更高,尤其在弯道预测中也表现出较好的符合度。     

基于GIS的饮水安全评价与预测系统研究

在分析国内外研究现状的基础上,探讨了基于GIS的系统总体设计的目标、原则、结构和系统的功能实现.以河南省镇平县的饮水安全评价与预测为研究对象,依据调查数据,选取预测因子和评价标准,以综合指数评价模型为例,详细阐述了饮水安全评价与预测系统所实现的图文双向查询、空间分析、水质评价与模拟等一系列功能,以实现饮水安全工程规划的空间信息管理和辅助决策支持.