怀4井气体取样对水位观测干扰的解决措施

怀4井水位观测一直存在取气样所造成的干扰,其表现为水位分钟值曲线每天出现有规律的向上脉冲式突跳且持续时间较长,这使得数据连续率及完整率降低。为改变怀4井长期存在的取气样影响水位观测的现状,减少水位观测数据突跳次数,提高观测质量精度,针对取气样方式进行改进,采用球胆排水真空脱气法进行溶解气样品的采集与脱气,避开直接在泄流口采样时的压力效应,从而解决了水位观测中遇到的实际问题。     

全国分县土地经济系数计算方法及比较

阐述土地经济系数的设置意义和目标,针对全国分县土地经济系数计算,提出并分析比较了统计指标法和分区样点法等思路及其数学处理方法。其中统计指标法中的农业产值消耗法基础数据来源可靠、便利,便于操作,计算结果较好,符合土地经济系数含义要求。     

浅钻技术在宁夏青铜峡地区地质填图中的应用研究

通过在宁夏青铜峡地区的浅层取样钻探填图示范,介绍了浅层取样钻探设备和多种工艺方法在该地区的应用情况,总结了钻探填图遇到的问题并提出了解决方案。结合三维地质调查对钻探技术的具体要求,通过示范推广轻便浅层取样钻机具与工艺方法,使浅钻技术在浅覆盖区地质填图领域中得到应用。本文研究了适合该地区地质填图的钻探技术方法组合及钻探设备和取样器具。浅钻作为地质填图的一种技术方法可以有效地揭露覆盖层,获取基岩,提高了地质填图效率和精度,解决了制约覆盖区地质填图的技术难点,为浅覆盖区的地质填图工作提供可靠的钻探技术服务支撑。     

气袋采样法对还原硫化物测定的影响因素分析及机理研究

还原硫化物是一Z类典型的恶臭物质,其特点是活性高、不易储存,因此适宜的储存条件对还原硫化物的准确测定具有重要意义。本文使用气相色谱-质谱联用技术,从气袋材质、还原硫化物初始浓度、还原硫化物性质和储存时间四个因素探究袋采样法储存还原硫化物过程的损失情况。以Tedlar~? PVF和Teflon~? FEP为目标采样袋,使用5个初始浓度(0. 001、0. 010、0. 100、1. 000和10. 000μg/m L)的混合还原硫化物,选择0、2、6、12、24、48以及72h的储存时间,以响应因子和相对回收率作为评价因子,并使用配对t检验法和吸附动力学,研究影响储存效果的主要因素、物质损失机理以及两种采样袋的储存能力。结果表明,储存时间越长、物质初始浓度越高,物质活性越强,损失情况越严重;在环境温度达到60℃时,Tedlar~? PVF的基质背景较Teflon~? FEP更复杂;相同条件下,还原硫化物在Teflon~? FEP储存过程中损失更严重。依据研究结果建议:(1)样品采集后避光保存;(2)低浓度含硫样品的测定在采样后8h内完成,高浓度含硫样品的测定在2h内完成;(3)若待测样品气体温度较高,优先选择Teflon~? FEP采样袋,气体温度较低条件下选择Tedlar~? PVF采样袋,可最大限度保持样品的原始状态。本研究成果有利于确保还原硫化物样品的储存稳定性,最大限度还原恶臭污染现场情况,为恶臭污染的分析测试以及后续的恶臭污染控制与治理提供技术支持。     

A sequential sparse polynomial chaos expansion using Bayesian regression for geotechnical reliability estimations

Polynomial chaos expansions (PCEs) have been widely employed to estimate failure probabilities in geotechnical engineering. However, PCEs suffer from two deficiencies: (a) PCE coefficients are solved by the least-square minimization method which easily causes overfitting issues; (b) building a high order PCE is often computationally expensive. In order to overcome the aforementioned drawbacks, the Bayesian regression technique is employed to evaluate PCE coefficients, which not only provides a sparse solution but also avoids overfitting. With the aid of the predictive means and variances given by Bayesian analysis, a learning function is proposed to sequentially select the most informative samples that are critical to build a PCE. This sequential learning scheme can highly enhance the computational efficiency of PCEs. Besides, importance sampling (IS) is incorporated into the sequential learning (SL)-PCEs to deal with geotechnical problems with small failure probabilities. The proposed method of SL-PCE-IS is applied to three illustrative examples, which shows that the improved PCE method is more effective and efficient than the common PCEs method, leading to accurate estimations of small failure probabilities using fewer training samples.     

基于机器学习的稀疏样本下的土壤有机质估算方法

采用GRNN（Generalized Regression Neural Network）和RF（Random Forest）2种机器学习方法构建土壤有机质预测模型,以提高稀疏样本情况下的土壤有机质估算精度。依据北京市大兴区农用地2007年的土壤有机质采样数据,按MMSD准则（Minimization of the Mean of the Shortest Distances）抽稀为8种不同采样密度的样本（分别为2703、1352、676、339、169、85、43、22个样本）,分别采用GRNN、RF和Ordinary kriging对各采样密度下的未知采样点进行预测,采用交叉检验的方式验证各采样密度下未知样点的预测精度。随着采样点密度的下降,样点间的空间自相关性逐渐减弱,半变异函数的拟和精度变差,预测点结果误差增大,预测的置信度降低。当抽稀到43个和22个采样点时,样点间的空间自相关性接近歼灭,半变异函数的决定系数较低且残差较大。普通克里格受到采样点数量和采样密度、样点的空间结构的影响比较明显,其预测精度随采样点数量的下降而下降。在85个采样点及以下时,其预测值与观测值之间没有显著的相关性。GRNN和RF的预测精度受采样密度的影响不大,其预测精度在一个较小的范围内波动,其预测值围绕观测值在一定阈值空间内震荡波动,具有较好的相关性,在85个及以下的采样密度时,预测精度相对普通克里格有较大的提升。普通克里格法不适合在稀疏样本条件下空间插值计算,尤其是在空间自相关性比较弱的情况下。机器学习模型能充分学习土壤间环境信息、样点空间邻近效应信息,兼顾属性相似性和空间自相关,具有更好的稳定性和适应性,不容易受到采样点数量、构型和采样密度等因素的影响,即使在采样点空间自相关性很弱的情况下也能做出稳定预测精度。     

基于Item2Vec负采样优化的专题地图产品个性化推荐方法研究

建立适用于专题地图产品检索的用户偏好推荐模型是提高专题地图质量的有效方式之一,在专题地图产品推荐场景中,存在严重的内容冷启动和评论数据稀疏问题,现有的推荐算法无法为特定类用户推荐不同特征的专题地图产品,导致用户从专题地图中获取偏好信息受到限制。因此,本文构建基于负采样的连续词袋模型和基于Word2Vec的Item2Vec相结合的用户偏好推荐方法,用于专题地图产品推荐。① 计算用户行为日志文件中交互行为数据的隐性评分,以代替专题地图推荐信息流场景中稀疏的用户评论数据;② 基于负采样的连续词袋模型提取目标专题地图的前后地图序列感知特征信息,通过控制正负样本比例为1:2,提升目标专题地图潜在评分的预测精度;③ 通过Item2Vec将带有用户行为特征信息的专题地图映射到向量空间,计算用户对专题地图的相似度矩阵,根据用户偏好程度完成推荐。在构建的专题地图评分实验数据集Thematic CMaps和4个公开验证数据集MovieLens上的测试结果表明:与LFM、Personal Rank、Content Based和SVD 4种传统推荐算法相比,本文所提方法可有效提高潜在评分的预测精度,推荐性能最高达到27.85%;与以霍夫曼采样方式的Item2Vec基础方法和YouTubeNet 2种神经网络推荐算法相比,评分预测精度有一定提高,且推荐性能不断提升,最高达到2.97%和5.78%。以经典算法奇异值分解（SVD）为例,将MovieLens-20M数据集切分后,在数据量不断增大的数据子集中,本文所用方法的评分预测精度和性能均优于SVD方法。     

System Reliability Analysis of an Offshore Jacket Platform

This study investigates strategies for solving the system reliability of large three-dimensional jacket structures.These structural systems normally fail as a result of a series of different components failures.The failure characteristics are investigated under various environmental conditions and direction combinations.Theβ-unzipping technique is adopted to determine critical failure components,and the entire system is simplified as a series-parallel system to approximately evaluate the structural system reliability.However,this approach needs excessive computational effort for searching failure components and failure paths.Based on a trained artificial neural network(ANN),which can be used to approximate the implicit limit-state function of a complicated structure,a new alternative procedure is proposed to improve the efficiency of the system reliability analysis method.The failure probability is calculated through Monte Carlo simulation(MCS)with Latin hypercube sampling(LHS).The features and applicability of the above procedure are discussed and compared using an example jacket platform located in Chengdao Oilfield,Bohai Sea,China.This study provides a reference for the evaluation of the system reliability of jacket structures.     

GB/T 18316-2008的使用探讨

从抽样检验的基本原理出发,结合对空间数据产品特点的理解,针对空间数据产品的抽样检验,从抽样方案、检验内容、质量评价等方面对现行的抽样检验标准GB/T 18316-2008进行了分析。探讨了该标准存在的缺陷对客观、科学、公正评价空间数据产品质量的影响以及解决方法,对GB/T18316-2008的修订有一定借鉴意义。     

地理要素的分布式空间近似查询处理方法

针对传统空间查询无法满足地理数据交互式可视化对处理时间要求的问题,以窗口查询为例,提出了一种空间近似查询处理方法。该方法包括预处理和查询两步:在预处理阶段,利用分布化的线简化算法对空间对象进行顾及误差的预处理采样,将采样过程及误差值用树型结构保存;在查询阶段,以豪斯多夫距离定义数据可视化的误差,进行误差可知的顶点即时采样与截取,从而实现针对可视化应用的高效的空间近似查询处理。在Hadoop集群上利用77GB的OpenStreetMap数据集进行了实验,证实了本方法的效力与效率。