Neural network prediction of nitrate in groundwater of Harran Plain, Turkey

Monitoring groundwater quality by cost-effective techniques is important as the aquifers are vulnerable to contamination from the uncontrolled discharge of sewage, agricultural and industrial activities. Faulty planning and mismanagement of irrigation schemes are the principle reasons of groundwater quality deterioration. This study presents an artificial neural network (ANN) model predicting concentration of nitrate, the most common pollutant in shallow aquifers, in groundwater of Harran Plain. The samples from 24 observation wells were monthly analysed for 1 year. Nitrate was found in almost all groundwater samples to be significantly above the maximum allowable concentration of 50 mg/L, probably due to the excessive use of artificial fertilizers in intensive agricultural activities. Easily measurable parameters such as temperature, electrical conductivity, groundwater level and pH were used as input parameters in the ANN-based nitrate prediction. The best back-propagation (BP) algorithm and neuron numbers were determined for optimization of the model architecture. The Levenberg–Marquardt algorithm was selected as the best of 12 BP algorithms and optimal neuron number was determined as 25. The model tracked the experimental data very closely (R = 0.93). Hence, it is possible to manage groundwater resources in a more cost-effective and easier way with the proposed model application.     

三维地震属性参数在煤层厚度预测中的应用

依托“西部煤炭资源高精度三维地震勘探技术”项目工程,对晋城某矿南翼大巷东南区5m×5m×1ms的三维地震数据体,采用三维地震属性参数预测煤层厚度及其变化规律：沿3煤层、15煤层10ms时窗提取地震属性42种,根据钻孔资料,计算出煤厚与地震属性相关系数;从中优选出相关系数大于0．35的地震属性,其中3煤层9个、15煤层10个;然后进行地震属性互相关分析,优选出与3煤、15煤层厚度相关系数较大的4种属性,建立预测煤厚的BP神经网络模型,分别选取3煤层12个、15煤层4个实测数据作为学习训练和测试样本,以钻孔地震属性作为学习样本,对网络进行训练,最终获得全区煤层厚度。经与预留钻孔成果资料对比,预测精度较高,结果可用。     

VPN技术在煤炭地质档案网络服务中的应用

网络服务是煤炭地质档案业务发展的必由之路,为了解决在公共网络传输过程中的安全问题,本文介绍了一种虚拟专用网络技术,通过分析其应用于煤炭地质档案网络服务中的优势,为行业内外部的信息共享提供了一个新的思路。     

改进BP神经网络在岩质边坡稳定性分析中的应用

使用MATLAB软件中的NNtool工具箱建立了一个通过添加动量改进的BP神经网络模型,用以分析岩质边坡的稳定性。通过对天津某工程的边坡进行分析来检验这个模型的可靠度。根据现场调查的实际情况分析,该边坡岩体比较破碎,因此文中选择了几个有代表性的岩石完整性参数作为输入层参数,通过收集的一些类似边坡的参数对所建立的神经网络模型进行训练,以保证此模型适合被用来分析该工程。结果证明,所建立的模型是可靠的,此种方法在分析岩质边坡稳定性的的实践中具有广泛的使用性。     

一种新的可靠度计算方法及其在工程中的应用

利用神经网络拟合极限状态方程、几何法计算结构可靠度,并推导了基于神经网络的几何法计算公式。最后比较了该法与其他可靠度计算方法的精度以及计算效率,并将该法应用于实际工程当中。     

基于地震反演方法的奥陶系顶部含隔水层探测

在山西阳泉泊里矿区,太原组K₂灰岩是15号煤层上部主要的含水层,查明其富水分布特征对上下组煤层安全开采至关重要。为了准确得到K₂灰岩的富水分布区域,首先,利用常规的波阻抗反演获取精确的K₂灰岩空间展布特征。然后,结合皮尔逊相关系数法与交叉验证−逐步回归法优选出9种地震属性,构成网络的训练数据。此外,引入适合于时序数据处理且能够捕捉测井曲线前后相关性的长短期记忆神经网络(LSTM),构建智能化、多变量LSTM视电阻率预测模型,以精确地预测研究区视电阻率进而得到地层富水性分布特征。同时,分别利用常规多属性回归算法与多变量LSTM模型在井点位置建立电阻率测井曲线与地震属性井旁道之间的映射关系。最后,将井点处训练好的网络模型推广至无井区得到全区视电阻率体,根据视电阻率值的高低、矿区地质构造与陷落柱发育情况圈定灰岩富水区。实际数据的测试结果表明：与常规多属性回归算法相比,多变量LSTM模型预测误差小,与测井相关系数高,说明多变量LSTM模型可以更加精确地预测出工区视电阻率,在含煤地层的富水性预测中有较好的应用价值。\t\t\t\t

     

全球锑原材料贸易格局演化分析

随着中国锑矿产量下降以及全球新能源领域对锑需求量的增加, 全球锑原材料供需格局正在改变。对全球锑原材料贸易格局的现状及演化过程开展分析, 有助于世界各国构建弹性的锑原材料供应链。本文基于物质流与复杂网络分析方法, 定量刻画了四类锑原材料(锑矿石、锑金属、锑初级加工品、再生锑)的全球贸易格局(2002—2020年), 分析了典型国家(地区)的锑原材料贸易结构及贸易地位变化特征, 总结了贸易格局的演化规律。研究发现: (1)锑初级加工品是全球最主要的贸易品种, 其贸易量占全球锑原材料总贸易量的一半以上; (2)中国和美国分别是贸易地位排名前两位的国家, 印度、欧盟、韩国是贸易地位上升最快三个国家(地区); (3)欧盟锑金属的进口来源呈现明显的多元化趋势, 显著降低了对中国的进口依赖, 表明欧盟近些年实施的关键原材料多元化进口战略取得了显著成效; (4)中国在全球锑原材料供应格局中的绝对优势地位在下降, 与此同时, 全球锑原材料贸易格局正朝着更加多元的方向发展。     

基于卷积神经网络的磁异常反演

针对传统反演方法存在的初始模型依赖、计算时间较长等问题,提出一种基于卷积神经网络的磁异常反演方法。该方法首先设计大量磁异常体模型,进行正演模拟产生样本数据集;接着借鉴经典的卷积神经网络VGG-13设计了一种全新的VGG磁异常反演网络(VGGINV);然后使用样本数据集训练该网络,并优化网络参数;最后对理论模型和实测数据进行反演实验。实验结果表明,该方法可以准确地反演出磁异常体的位置和磁化强度,具有较强的学习能力和一定的泛化能力,能有效解决磁异常数据反演问题。     

基于广义回归神经网络的砂土液化综合判别方法

基于厦门地区大量钻孔试验数据,分别采用规范法和Seed法对该区饱和砂土进行液化判别。然后选取二者判别结果相同的数据作为训练和测试样本,运用广义回归神经网络,对二者判别结果分歧的钻孔数据进行二次判别。结果表明:广义回归神经网络性能良好,预测准确度高。此外,这种综合判别方法也提高了饱和砂土液化判别的准确度,并为其他地区饱和砂土的液化判别研究提供借鉴和参考。     

大庆深部致密砂砾岩含气储层产能预测

气层产能预测是气藏工程研究中用于指导气井以及气田合理生产的重要工作和任务,它在气田整体评价和高效开发进程中具有很强的预见性和主动性。讨论了大庆深部致密砂砾岩含气储层的产能与测井响应之间的关系,探讨了根据测井资料应用人工神经网络技术预测含气储层产能的方法。利用已知气井测试结果和测井资料作为网络的训练样本。根据网络学习训练结果,输入储集层的测井资料等静态参数,可预测该储集层的产能。根据这种关系采用神经网络技术实现了测井对产能的预测评价,从而为大庆深部致密砂砾岩含气储层的开发提供了一定的依据。