粒子群神经网络混合模型在农用地分等中的应用

针对常规农用地分等模型因子权重计算存在人为干扰和神经网络模型自身优化过程中易陷入局部最优的情况,该文综合了BP神经网络非线性权重数据挖掘特性和粒子群的全局优化能力,建立了农用地分等计算的粒子群神经网络混合模型(PSO-BP网络模型),并应用于广东省揭西县农用地分等计算中,发现PSO-BP网络模型能避免定级因子权重确定的人为干扰,同时具有较高的优化效率,应用效果较好。     

测井解释中煤层含气量评价方法对比研究

随着煤层气勘探的不断深入,对煤层含气量预测精度提出了更高的要求。基于煤层含气量测井响应特征,分析测井参数与含气量的相关性,提出MIV（Mean Impact Value）技术与LSSVM（Least Squares Support Vector Machine）结合的测井参数优选策略,优选最优测井参数作为网络建模的输入自变量组合,通过粒子群算法优化LSSVM网络核心参数,最后构建一套适用于煤层含气量预测的MIV-PSO-LSSVM模型。在此基础上,分别对比分析LSSVM、PSO-LSSVM、MIV-LSSVM和MIV-PSO-LSSVM模型对煤层含气量的预测性能,并与传统多元回归方法进行了对比,利用拟合优度和均方根误差对此5类模型进行评价。结果表明：PSO优化下的LSSVM模型预测精度得到有效提升,结合MIV方法优选测井参数可大幅度改善神经网络建模性能,MIV-PSO-LSSVM模型可实现煤层含气量高精度预测,为煤层气勘探及其储层评价提供新的技术支撑,且本研究的建模策略及思想可广泛应用于其他机器学习建模研究领域。     

基于岩石物理模型的页岩储层裂缝属性及各向异性参数反演

针对富有机质页岩储层复杂的矿物组分与微观孔缝结构,本文提出基于岩石物理模型和改进粒子群算法的页岩储层裂缝属性及各向异性参数反演方法。应用自相容等效介质理论与Chapman多尺度孔隙理论建立裂缝型页岩双孔隙系统岩石物理模型。开发基于岩石物理模型的反演流程,引入模拟退火优化粒子群算法解决多参数同时反演问题,反演算法能够避免陷入局部极值且收敛速度快。将本文方法应用于四川盆地龙马溪组页岩气储层,反演得到的孔隙纵横比、裂缝密度等物性参数和各向异性参数与已有研究结果一致,能为页岩储层的评价提供多元化信息。     

基于粒子群优化神经网络算法的深基坑变形预测方法

深基坑变形预测是进行施工参数调整和确保深基坑施工安全的重要手段,而如何对其变形进行有效、准确的预测是一个有待解决的技术难题。采用粒子群优化算法对神经网络模型的初始权值和阈值进行优化,并将已有的变形监测数据作为神经网络的输入参数,建立了基于粒子群优化神经网络算法的深基坑变形预测方法。将形成的方法应用于长春市火车站北广场深基坑开挖监测工程中。结果表明：8号水平位移测点预测结果的均方根误差为3.78%,平均百分比误差为5.48%;9号地面沉降点预测结果的均方根误差为5.62%,平均百分比误差为3.23%。经验证,本文方法预测深基坑开挖过程中的变形具有较高的可信度。     

电离层水平不均匀性对无线电掩星资料反演的影响

电离层水平不均匀结构是引起掩星资料反演的主要误差源.本文模拟不均匀结构对无线电掩星资料反演的影响.首先利用3-D全球射线追踪技术进行了模拟.结果指出:电离层电子密度20%的变化可能引起GPS的时延增加约12m.其次,将90%的掩星时延对应的路径长度,定义为电离层掩星测量的水平分辨率,其值为1200-2000 km.最后,计算了不同纬度电离层当地正午、子夜和日出时的电离层水平不对称指数.它表明:低纬夏季日出时,不对称指数达-78%,反演结果可能有较大误差.     

宇宙线的超新星遗迹起源

宇宙线的起源是高能天体物理的核心问题之一.一直以来,超新星爆发被认为是能谱膝区以下宇宙线的主要来源.多波段观测表明,超新星遗迹有能力加速带电粒子至亚PeV (10~(15)eV)能量.扩散激波加速被认为是最有效的天体高能粒子加速机制之一,而超新星遗迹的大尺度激波正好为这一机制提供平台.近年来,一系列较高精度的地面和空间实验极大地推动了对宇宙线以及超新星遗迹的研究.新的观测事实挑战着传统的扩散激波加速模型以及其在银河系宇宙线超新星遗迹起源学说上的应用,深化了人们对宇宙高能现象的认识.结合超新星遗迹辐射能谱的时间演化特性,构建的时间依赖的超新星遗迹粒子加速模型,不仅能够解释200 GV附近宇宙线的能谱反常,还自然地形成能谱膝区,甚至可以将超新星遗迹粒子加速对宇宙线能谱的贡献延伸至踝区.该模型预期超新星遗迹中粒子的输运行为表现为湍流扩散,这需要未来的观测以及与粒子输运相关的等离子体数值模拟工作来进一步验证.     

无规取向、无吸收非球形粒子光散射的T-矩阵方法

较详细地研究了无规取向、无吸收椭球体粒子的T－矩阵收敛问题。首先，简要概括了nmax的3种收敛方案和它们的基本特性。然后，应用1993年提出的数学收敛方法（M－方法）和1998年提出和物理收敛方法（P－方法）研究收敛问题。结果表明椭球粒子收敛精度对粒子的尺度参数，纵横比以及椭球体的种类（例如，长／扁椭球）有很强的依赖性。当粒子的尺度参数不太大时，甚至在极端纵横比的条件下，P－收敛方案优于M－收敛方案。     

用微机进行Mie散射算法研究

本文介绍在东海微机上用伦茨算法计算Mie级数的系数,其计算程序已运行成功。计算结果表明此法可使误差传播显著减小,计算精度提高,降低了对微机内存客量的要求,同时,本文得到的计算结果与国外公开发表的计算结果达到同样精度。     

粒子群神经网络及其在非线性系统辨识中的应用

介绍了一种新的神经网络权值优化算法——粒子群优（Particle Swarm Optimization，PSO）算法，提出了用粒子群神经网络对非线性系统进行系统辨识的构思。仿真实验结果表明，粒子群算法具有比BP算法更强的非线性系统辨识能力和更好的泛化能力。     

水力压裂微地震事件定位方法综述

随着国内外页岩气勘探开发的不断深入,水力压裂微地震监测技术重要性越来越大,而该技术的核心是微地震事件定位.近些年前人对微地震事件的定位方法做了比较深入的研究,形成了众多定位方法.为此,依据目标函数构造及其求解方式对微地震事件定位方法进行了分类,主要介绍了两大类具有代表性的微地震事件定位方法:(1)基于走时的射线追踪定位方法;(2)基于波形的偏移定位方法.然后对其算法思路流程、优缺点等方面进行了归纳总结,分析了各类算法的研究现状及两种典型算法的应用实例,最后对微地震事件定位方法的发展趋势进行了展望.