Scientific inference and experiment in Ecosystem Based Fishery Management,with application to Steller sea lions in the Bering Sea and Western Gulf of Alaska

Learning about ecosystem processes and patterns is an essential component of Ecosystem Based Fishery Management and the sustainable use of natural resources.     

A 24‐h Forecast of Oxidant Concentration in Tokyo Using Neural Network and Fuzzy Learning Approach

In this study, several types of adaptive network‐based fuzzy inference system (ANFIS) with different membership functions (MFs) and artificial neural network (ANN) were employed to predict hourly photochemical oxidants that were oxidizing substances such as ozone and peroxiacetyl nitrate produced by photochemical reactions. The results indicated that ANFIS statistically outperforms ANN in terms of hourly oxidant prediction. The minimum mean absolute percentage errors (MAPEs) of 4.99% could be achieved using ANFIS with bell shaped MFs. The maximum correlation coefficient, the minimum mean square errors, and the minimum root mean square errors were 0.99, 0.15, and 0.39, respectively. ANFIS's architecture consists of both ANN and fuzzy logic including linguistic expression of MFs and if‐then rules, so it can overcome the limitations of traditional neural network and increase the prediction performance.     

基于自适应优化有限差分方法的全波VSP逆时偏移

与地面地震资料相比,VSP资料具有分辨率高、环境噪声小及能更好地反映井旁信息等优点.常规VSP偏移主要对上行反射波进行成像,存在照明度低、成像范围受限等问题.为了增加照明度、拓宽成像范围、提高成像精度,本文采用直达波除外的所有声波波场数据(全波),包括一次反射波、多次反射波等进行叠前逆时偏移成像.针对逆时偏移中的四个关键问题,即波场延拓、吸收边界条件、成像条件及低频噪声的压制,本文分别采用自适应变空间差分算子长度的优化有限差分方法(自适应优化有限差分方法)求解二维声波波动方程以实现高精度、高效率的波场延拓,采用混合吸收边界条件压制因计算区域有限所引起的人工边界反射,采用震源归一化零延迟互相关成像条件进行成像,采用拉普拉斯滤波方法压制逆时偏移中产生的低频噪声.本文对VSP模型数据的逆时偏移成像进行了分析,结果表明:自适应优化有限差分方法比传统有限差分方法具有更高的模拟精度与计算效率,适用于VSP逆时偏移成像;全波场VSP逆时偏移成像比上行波VSP逆时偏移的成像范围大、成像效果好;相对于反褶积成像条件,震源归一化零延迟互相关成像条件具有稳定性好、计算效率高等优点.将本文方法应用于某实际VSP资料的逆时偏移成像,进一步验证了本文方法的正确性和有效性.     

利用多次波提高地震数据分辨率方法

目前对多次波的有效利用仅围绕多次波成像技术展开,通过成像多次波试图获取更丰富的地下构造信息.不同于该思路,本文另辟蹊径,从利用多次波提高地震数据分辨率角度出发,对多次波的有效利用进行了深入挖掘.首先基于聚焦变换思想在聚焦域内实现多次波的降阶,通过理论推导得出聚焦域内多次波表现为原始数据的多维子波反褶积这一重要结论,从理论上证明了本文方法提高地震数据分辨率的可行性;然后采用引入整形正则化的非稳态回归自适应匹配滤波方法将聚焦域内由多次波构建的高分辨率数据分离出来,实现原始数据的高分辨率转换.与常规反褶积模型不同,该方法基于波动理论推导得出,可以适用于任意复杂情况;每一道输出结果中所有炮记录都参与了运算,从空间上加以约束,在提高纵向分辨率的同时可以改善数据的横向分辨率.最后通过模型试算和实际资料处理对本文方法的有效性、适应性和实用性进行了验证.     

引入最优自适应因子的状态模型法航空重力测量

引入最优自适应比例因子以改善状态模型法航空重力测量的精度,并尝试将其应用到我国困难地区的重力测量.把重力扰动当作状态量引入Kalman滤波进行最优估计,并引入最优自适应因子调节状态信息的权阵,提高重力扰动的最终解算精度.利用新疆地区不同航次和航高的实测数据,计算了垂直向下方向上的重力扰动.与全球重力场模型EGM2008的对比分析表明,差值中误差在10 mGal左右,接近国家在困难地区重力测量精度的限差要求.     

垂直井眼中三维阵列感应测井资料自适应井眼校正

三维感应测井受井眼环境影响很大,如何消除这些不利影响是有效获取各向异性地层电导率真值并提高资料处理和解释质量的一项重要工作.本文以一维柱状各向异性地层模型为基础,通过最小平方反演技术从实际测量资料中快速反演井径、偏心距、泥浆电导率、地层水平电导率和各向异性系数等模型参数,设法减小井眼环境对测量结果的影响.首先,利用仪器偏心情况下不同旋转角电导率张量的关系方程,建立旋转角提取与校正方法,获取无旋转角三维感应测井数据.在此基础上,根据事先计算好的井眼校正库并结合多维非线性有限元逼近技术,建立快速计算三维感应测井响应以及Jacobi导数矩阵的插值公式,并利用自适应正则化迭代反演技术不断修改模型参数,实现理论合成资料与输入资料的最佳拟合.最后,通过反演出的模型参数计算三维感应测井资料所有分量的校正量,实现三维感应资料的井眼校正.理论模型和实际资料的处理结果均证实,在低阻井眼泥浆情况下,一维柱状模型中的反演方法仍然可以提取出较可靠的地层水平和垂直电导率,且井眼环境校正对于受井眼环境影响相对较小的测井曲线具有非常好的校正效果.     

基于多道卷积信号盲分离的多次波自适应相减方法

本文将多次波自适应相减问题表示为一个多道卷积信号的盲分离问题.利用2D卷积核来表示预测多次波和实际多次波之间的差异,并采用分离出的一次波信号的非高斯性最大化作为优化目标,我们提出一种基于多道卷积信号盲分离的多次波自适应相减算法.为了求解上述非线性优化问题,所提方法将其转化为一个迭代线性优化问题,采用迭代最小二乘方法加以实现.由于采用了多道卷积信号盲分离模型,所提方法能够适应预测和真实多次波之间在时间及空间上的变化.通过对简单模型数据、Pluto数据和实际数据进行处理,验证了所提算法的有效性.     

基于电流密度连续性条件的直流电阻率各向异性问题自适应有限元模拟

直流电阻率法被广泛应用在工程和环境及水文地球物理、野外采矿、地热探测等领域.地下岩石常具有层理面和裂缝等具有方向依赖性的结构,岩石电导率常常呈现各向异性特征,因此研究复杂直流电阻率各向异性问题的高精度正演算法具有迫切的理论和学术需求.本文利用面向目标的自适应有限元算法和非结构化网格相结合的方式,解决了带地形任意复杂直流电阻率各向异性问题的高精度正演这一难题.有别于前人的研究成果,本文提出了一种特别的二次虚拟场算法实现带源的任意起伏地形问题模拟;另外,本文第一次基于电流密度连续性条件构建适合直流电阻率各向异性问题的后验误差估计算法,有效地驱动面向目标有限元网格自适应加密过程.最后,通过三组电阻率各向异性模型验证本文提出算法的正确性和适应性,测试结果表明：对于任意复杂直流电阻率各向异性问题,本文提出的算法具有精度高、适应性强等特点;另外,我们还发现电流密度连续性条件可用于设计直流电阻率问题的有效后验误差估计算法.

     

GPS-RTK技术在矿山高精度沉陷监测的应用研究

针对复杂地表条件下,采用常规水准测量和导线测量等常规方式,进行地表变形周期观测,任务量巨大甚至无法实施,提出建立研究区域的似大地水准面精化模型,采用GPS-RTK技术获取观测站三维空间信息,进而获得概率积分法预计参数。以内蒙古准格尔旗某煤矿的生产实践,说明该技术的有效性和可行性,极大地提高了工作效率,为保护煤柱的留设提供了科学的依据。     

Image fusion by spatially adaptive filtering using downscaling cokriging

The aim of this paper was to extend the method of downscaling cokriging for image fusion by making the method spatially adaptive in that the filter parameters (cokriging weights) can change across the image. The method can adapt itself to the usual statistical non-homogeneity (spatially variable mean, variance and correlation length) of a satellite sensor image that covers an area with different spatial patterns of geographical objects or different terrain types. The solution adopted was to estimate the models of covariances and cross-covariances (or semivariograms and cross-semivariograms) by the same procedure as described in Pardo-Iguzquiza et al. (2006) but with the method applied locally instead of globally. The correct implementation of this local estimation is the key for computational feasibility and prediction efficiency. Two parameters to be taken into account are the grid of locations on which a moving window is centred (local modelling is performed inside this window) and the size of this moving window. With respect to the latter parameter, there is a trade-off between a size small enough to make the procedure locally adaptive and large enough to produce reliable statistical estimates. The computational burden will impose limits to the distance between grid points on which the local moving window is centred. A case study with Landsat ETM+ images was used to show the implementation of the method and the result was evaluated using several statistics widely used for assessing the quality of a fused image, apart from its visual appearance.