一种彩色栅格地图注记识别方法

栅格地图中的注记包含了丰富的地理位置信息,传统的栅格地图注记识别方法在识别过程中将注记和其对应的地理要素相分离,因此难以处理倾斜注记和弯曲注记。以连通域单元为基本处理对象,提出了一种基于几何特征的彩色栅格地图注记识别方法。首先利用连通域单元的方向、尺寸、密度、邻域四个特征提取注记像素集合,然后通过地理要素中心线对非水平注记进行方向确定,最后对注记进行聚类和重新排列,完成注记识别。通过对GoogleMap（谷歌地图）瓦片中的注记进行提取和识别实验,证明了该方法的合理性和有效性。     

轨迹数据的时间采样间隔对停留识别和出行网络构建的影响

个体轨迹数据已经广泛用于人群活动的研究中。在静止的局部空间开展的活动是个体日常生活的基本元素,在轨迹数据中对应停留部分。因此学者常从轨迹数据中识别停留来研究个体活动信息。然而,轨迹数据的时间采样间隔会对停留识别带来影响。针对该问题,首先提出了一个框架,量化不同持续时间长度的活动在不同时间采样间隔的轨迹数据中被识别为停留的概率。其次,考虑到个体出行网络依赖于停留识别结果,基于该框架,研究分析了时间采样间隔对出行网络分析结果的影响。最后,利用该框架分别对深圳市居民出行调查数据和手机轨迹数据进行了分析。研究表明,在面向人群活动的研究和应用中,该框架能支持时间采样间隔的选择决策和面向活动类型的研究结果评价。     

基于时间序列InSAR分析的西部山区滑坡灾害隐患早期识别——以四川丹巴为例

滑坡是仅次于地震、发生最频繁、造成损失最严重的一种地质灾害,中国西部山区则是世界上滑坡灾害分布最密集的地区之一。广域范围内滑坡灾害隐患的早期识别是地质灾害防治工作中的一项关键任务,基于星载合成孔径雷达重复轨道观测的时间序列雷达干涉测量（interferometric synthetic aperture radar,InSAR）技术在此领域具有巨大的应用潜力,但以永久散射体干涉测量为代表的传统时序InSAR方法在西部山区应用中往往受到植被覆盖等不利因素的影响,滑坡探测识别的可靠性较差。针对这一问题,以大渡河上游丹巴县为例,采用自主研发的相干散射体时序InSAR（coherent scatterer InSAR,CSI）方法,从历史存档的ALOS PALSAR和ENVISAT ASAR数据集中成功识别出了17处持续变形中的不稳定坡体,通过与外部观测数据比对和实地调查核实等手段验证了CSI方法探测结果的有效性和优势,并探讨了影响时序InSAR方法滑坡监测应用效果的主要因素及未来的优先研究方向。     

一种面向化简的海岸线弯曲识别与结构化表达方法

海岸线弯曲识别与结构化表达是海岸线自动化简研究的基础。分析现有曲线弯曲识别与结构化表达方法用于海岸线化简中存在的问题;在通视分析相关理论基础上,面向海岸线化简应用,提出一种基于完全可视区间的层次弯曲渐进识别方法;根据弯曲间关系利用多叉树结构存储弯曲,实现海岸线结构化表达。通过对比实验,证明本文方法识别海岸线弯曲更加精细准确、层次性强,能更加细致地表现海岸线结构特点,也验证了本文方法适用于海岸线多尺度化简应用。     

测井地质学前世、今生与未来——写在《测井地质学·第二版》出版之时

测井地质学以地质学和测井学的方法理论为指导,综合运用各种测井信息,来解决基础地质和石油地质的地质问题。经过数十年发展,测井地质学在油气勘探开发各个环节得到广泛应用。非常规油气的兴起使得测井地质学正面临多重挑战和全新探索,亟需建立针对非常规油气的测井地质学综合方法理论体系。本文以《测井地质学·第二版》出版为契机,系统归纳了测井地质学的起源及发展历程、主要研究内容和研究方法流程。然后总结了测井资料与地震、地质信息的匹配性,并分析了不同探测特性测井方法纵向分辨率区间特征。在此基础上评述了测井地质学在井旁构造解析、沉积学特征研究、层序地层划分、地应力方向判别及大小计算、井壁裂缝识别与评价、烃源岩评价以及非常规油气“七性关系”综合评价当中的应用。但由于测井资料的负载能力有限性、测井与地质信息属性不对应性以及测井资料本身的多解性,使得测井地质学在测井—地质转换、非常规油气测井评价及其与人工智能融合方面还存在一定的问题。因此加强基础岩石物理研究,挖掘测井曲线中包含的地质信息,并与人工智能相结合,将拓展测井地质学研究的精度和广度,从而使其未来可更好地应用至非常规油气测井评价等实践工作中。     

基于颗粒识别分析系统的碎屑流堆积物颗粒识别和统计方法研究

碎屑流堆积物颗粒识别和统计是碎屑流灾害的研究重点。文章基于图像处理孔隙（颗粒）及裂隙图像识别与分析系统（PCAS）,以贵州纳雍普洒村崩塌-碎屑流为例,结合纳雍崩塌堆积物粒径实测结果,通过阐释识别过程中阈值、孔喉封闭半径、最小孔隙面积的参数意义,研究PCAS软件在碎屑流颗粒识别与统计中的应用,并提出了颗粒识别时这些参数的选取方法。分析结果表明:（1）PCAS能自动准确地识别碎屑流堆积物颗粒与孔隙,相比人工计数更精细,所识别堆积物各区小颗粒比重较大,0～2 m颗粒粒径各区占比都在50%以上;（2）当阈值为170（像素）时能获得精细的二值图像,颗粒与孔隙得到了准确地区分;（3）不同参数取值下获得堆积物颗粒粒径分布结果不同,碎屑流堆积物颗粒识别宜采用较大的孔喉封闭半径和较小孔隙面积,当二者比值为3/30（像素）时能更好地反应颗粒粒径分布情况;（4）PCAS具有较高的可行性,统计结果显示,各粒径含量变化趋势与人工统计相近,两种统计方法各粒径占比、分布规律基本吻合,说明利用PCAS可以实现对崩塌碎屑流颗粒粒径分布的高效便捷分析。     

基于DBSCAN算法的孔深测量与地层反演理论研究

论文针对地质勘探取心工况复杂、钻进深度大、事故发生率高、岩性复杂、钻进参数难以获取、无法实时掌握钻进状态的难题,在充分调研现有工况识别技术的采集原理、功能种类、现场实测的基础上,结合钻探智能化、自动化的发展方向,运用硬件与软件结合的思想,设计了实时测量钻探参数的方案。论文首次提出使用DBSCAN（针对噪声空间基于分布密度进行聚类的算法）密度聚类法分析钻进参数,结合光电编码器增量的正负性进行工况判别,以获取钻头位置以及钻孔深度。该方案可以判别钻进状态,获取钻进工艺参数,将测量数据作为所钻地层的可钻参数来反演地层。钻机的自动化、智能化研究能获取大量地层资料,有利于推进钻进工艺学发展,实现从经验钻探到智能钻探进的突破。同时,为智能钻进系统奠定基础。     

利用GS-LightGBM机器学习模型识别致密砂岩地层岩性

以交会图为代表的传统岩性识别图版无法适用于致密砂岩地层,其主要原因是大部分地层岩性的测井响应特征相似度高,难以基于图版分析被有效识别。LightGBM较传统模式识别模型能更高效地解决问题,为此采用该模型识别致密砂岩地层岩性。由于LightGBM在建模时利用了较多的超参数,导致预测结果难以保证为最优,所以采用GS算法进行优化,进而提出GS-LightGBM。实验目的层为姬塬油田西部长4+5段致密砂岩地层。提出模型的预测能力通过设计两个实验来验证。为突出验证效果,实验中加入SVM和XGBoost作为对比模型。实验结果显示,GS-XGBoost和GS-LightGBM的准确率、F1-score和AUC指标相接近,都最高,但GS-LightGBM的计算时间只有GS-XGBoost的约1/23。实验结果表明,GS-LightGBM模型可在不失精度的情况下,能快速给出预测结果,具备了在致密砂岩地层岩性识别研究上的应用价值和推广性。     

基于梯度提升算法的岩性识别方法

传统的岩性识别方法如岩屑录井、钻井取心及测井资料解释等技术,对录井质量的依赖程度较高,识别精度与效率低,泛化能力差。随着计算机技术的迅速发展,将测井资料与计算机技术相结合开展岩性研究已成为岩性识别的有效手段。本文提出了一种基于梯度提升算法XGBoost和LightGBM的岩性识别方法。以苏里格气田苏东41-33区块下碳酸盐岩储层为例进行测试验证,采用该方法结合测井资料中的声波时差、自然伽马、光电吸收截面指数、密度、深侧向电阻率和补偿中子等6种参数进行岩性识别,并与KNN （K近邻分类器）、朴素贝叶斯和支持向量机等传统算法进行对比,结果表明,3种传统算法的岩性识别准确率分别为78.45%、74.43%和78.72%,基于梯度提升算法XGBoost和LightGBM的识别准确率分别达到了98.90%和98.72%,远高于传统算法。