Evaluation of blast-induced ground vibration predictors

The present paper mainly deals with the prediction of blast-induced ground vibration level at a Magnesite Mine in tecto-dynamically vulnerable hilly terrain in Himalayan region in India. The ground vibration was monitored to calculate the safe charge of explosive to avoid the continuous complaints from the nearby villagers. The safe charge of explosive and peak particle velocity (PPV) were recorded for 75 blast events (150 blast data sets) at various distances. These data sets were used and analysed by the widely used vibration predictors. From the four predictors, vibration levels were calculated and compared with new monitored 20 blast data sets. Again, the same data sets were used to validate and test the three-layer feed-forward back-propagation neural network to predict the PPV values. The same 20 data sets were used to compare the results by the artificial neural network (ANN). Among all the predictors, a very poor correlation was found, whereas ANN provides very near prediction with high degree of correlation.     

基于多轮交互的人机对话系统综述

近些年来,人机对话系统作为自然语言处理的重要问题之一受到了越来越多的关注.基于大数据的深度学习的方法在对话系统中被广泛应用.本文首先介绍了人机对话系统的研究背景,然后以基于多轮交互的对话系统为例,着重介绍了任务型和非任务型对话系统的主要类型和目前的研究进展,并对评估对话系统的主要方法进行了概述.最后,结合当前研究现状,对多轮交互的人机对话系统的研究方向进行了展望.     

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。     

大数据与数学地球科学研究进展——大数据与数学地球科学专题代序

大数据与数学地球科学的核心应用技术包括高维数据降维、图像数据处理、无限数据流挖掘、机器学习、关联规则算法与推荐系统算法等。人工智能地质学,包括大数据-智能矿床成因模型与找矿模型的构建,是具有重要价值的研究方向。高维数据降维旨在从初始高维特征集合中选出低维特征集合,有效地消除无关和冗余特征,增强学习结果的易理解性。哈希算法、聚类分析、主成分分析等是较常用的数学降维工具。机器学习是人工智能的核心,是使计算机具有智能的根本途径。机器学习与人工智能各种基础问题的统一性观点正在形成。深度学习的训练模型往往需要海量数据作为支撑,因此迁移学习方法日益受到重视。图像模式识别是大数据挖掘的重要技术。网络中的社区结构识别对理解整个网络的结构和功能有重要价值,可帮助分析、预测网络各元素间的交互关系。沉浸式虚拟现实技术是实现大数据可视化的重要方向,对具有多元、异构、时空性、非线性、多尺度地质矿产勘查数据的展示要求有特别的价值。引入VR技术进行矿产地质大数据的可视化,可实现大数据时代矿产勘查数据的新认知。无限数据流在地质、地球化学、地球物理监测中大量存在,甚至可以持续自动产生。对数据流数据的计算包括对点查询、范围查询、内积查询、分位数计算、频繁项计算等。关联规则和推荐系统算法是大数据挖掘中的重要算法,其应用范围越来越广泛。贝叶斯原理在大数据时代有独特的价值,贝叶斯网络是成因建模的一个革命性工具。智能地质学研究刚刚起步,构建大数据-智能矿床成因模型与找矿模型是智能地质学研究的重要内容。矿床模型研究方式的变革,将出现于互联网、云计算技术环境下全球各地的矿床研究团队的共同参与。     

中国南极磷虾产业专利技术布局与趋势分析

通过对在中国申请的南极磷虾产业相关专利进行了检索与统计,主要对总体趋势、专利类型、IPC类别、申请人国别与地域、申请人关注重点领域、法律状态与生命周期以及运作自由等进行分析,认为南极磷虾产业专利技术研发处于技术发展期,布局已稍显落后,并出现国外申请人布局势头明显等特征,提出开展南极磷虾产业技术创新战略研究,有效规避产业开发专利壁垒风险。     

论测绘地理信息的转型升级和支撑学科领域

全国第一次地理国情普查的帷幕拉开,标志着我国测绘地理信息部门从提供基本地图向提供地理空间情报的转型升级.本文对地理科学服务现实生活的不同层次进行了分析,表明地理空间情报是对地理环境进行监测所得到的结果.结合国际测绘地理信息的发展现状和趋势,揭示了地理国情监测就是地理空间情报的获取,明确了我国测绘地理信息转型升级的方向和重点.本文还对地理空间情报的支撑学科核心领域和新兴领域进行初步探讨,并提出对策建议,供读者商榷.     

甘肃胡杨恢复发展的限制因子及对策

甘肃胡杨正处于负向演替的衰退状态,在现存的14590 hm²胡杨林中,衰退林和成熟林就占了73.0%,且大多为胡杨疏林;而树龄小于15年的幼龄林仅占了5.0%,1~5年生天然更新苗十分罕见。影响、限制甘肃胡杨天然林恢复发展的主要因子是林地水土环境的恶化;而胡杨无性繁殖困难、实生苗在生长形态方面表现参差不齐等因素,又限制了胡杨的人工发展。只有在突破胡杨无性繁殖难关的基础上,通过良种繁育调动群众营建人工胡杨林的积极性,才是恢复发展胡杨林的根本出路。     

沙丘人工差不嘎蒿植被建立后的微气候变化

运用文比热量平衡法和空气动力学梯度法初步分析了人工固定沙丘过程中的微气象变化。研究结果表明,随着流沙的固定,反射率减小;净辐射占太阳辐射的比例增大;热收支中,潜热通量所占的份额增多;近地表风速及其垂直切变减小。     

自动站与人工站常规气象要素的对比分析

对自动气象站资料和人工气象站资料进行了对比分析。并通过统计对比分析方法．找出它们之间的相互关系,从而为自动气象站单轨运行作些准备。研究结果认为．自动站温度比人工站平均偏高0．3℃,气压平均偏低0．5hPa,湿度平均偏小4％;用回归分析和经验公式方法对两者进行换算时,效果接近．但随着样本量的增加,应对回归分析法中的回归系数进行修订。