基于Markov链模型的储层岩相随机模拟

在油气储层随机建模研究中，基于Markov链模型的方法是一类较受欢迎的技术，同时也是一类不成熟的技术，问题的症结之一在于侧向的转移概率矩阵很难求取，针对这种情况，作者在深入理解Walther相律的基础上，借鉴模拟退火算法的相应思路，提出了一种岩相模拟的新方法，该方法依据不同岩相的百分比进行随机模拟得到一幅初始图象，而后以按岩相组织剖面得到的垂向和侧向的岩相转移概率矩阵的相似性作为判别标准对图象进行扰动，直至得到满意的图象，二维模型试算结果表明了这种岩相随机模拟方法的可行性。     

随机共振新实例--卫星热红外温度异常点的发现及其意义

卫星热红外温度异常点是天线附近背景噪声与地球信息随机共振的结果。温度异常点是卫星热红外图像新的信息源，温度异常点在利用卫星热红外信息和研究地球脉搏方面可以发挥重要作用。卫星热红外温度异常点的发现开拓了随机共振应用的新领域。     

输水管网震害最危险路随机模糊网络预测方法

输水管网的破坏，会导致地震灾害的严重扩大，输水管网的震害预测，已有运用随机模糊网络进行关键段的分析和管路可靠性的分析方法。1），2）本文建议的模糊最危险路（或最可靠路）分析，把管段的可靠性概率，扩展为语言概率，从而可以很好地容纳模糊性，使输水管的震害预测更加合理，为城市抗震防灾服务。     

铁岭SS-Y伸缩仪加速拉张的短期变化

铁岭地震台SS-Y型伸缩仪2018年6月起出现NS分量的持续拉张和EW分量的小幅压性变化,经初步分析,发现仪器工作状态良好,并排除各类干扰因素。采用三点线性平滑滤波,对NS、EW分量进行趋势项、周期项提取处理,发现自2018年6月起,NS分量趋势性拉张且年变增加,EW分量趋势性压缩且年变减小,与以往相比,趋势和年变周期变化特征差异性较大,结合同一山洞的水管倾斜仪和垂直摆倾斜仪同时段产生同步转折变化及历史震例,分析认为,铁岭SS-Y型洞体应变NS分量变化为震前异常的可能性较大,后续应跟踪分析该异常的趋势性走向变化。     

地震测点误差对地震学参量的影响分析

采用随机干扰方法，在地震观测误差容许值范围内，对地震观测资料进行人为随机干扰。在此基础上，使用干扰前后的资料对b值、η值、地震活动度S值、活动标度H值、等效地震M和频度N等6种地震学参量进行偏差分析，研究地震观测误差对地震学参量的影响。     

关于岩石的剥离破坏过程及混合破坏准则

基于热力学定律研究了岩石在强动载作用下的损伤演化过程。从分析可以看出，材料在强烈应力波作用下的损伤演化过程是一个不可逆的热力学过程，其中伴随着能量的耗散过程。同时也是一个强烈非平衡过程，线性近似不能很好地描述它，必须采用更强烈的损伤对于应力的依赖关系。岩石是充满随机分布的微裂纹的介质，其数目及尺寸服从一定的分布，仅仅用一个损伤量还不能准确地反映损伤的程度。因此本文基于密度准则及微损伤的统计描述，建立了一个混合的破坏准则，所反映的微裂纹的信息更多。     

优化卷积神经网络在道编辑中的应用

由于激发、接收及工区现场等导致野外采集的地震数据出现异常道,这时需要对地震记录道编辑处理.当数据量比较大时,人工进行道编辑工作量庞大.非人工做法主要是利用计算机将异常道剔除,没有对异常道细致分类,由此造成了大量的原始数据损失,异常道的产生原因也无从得知.随着计算机性能的提高,深度学习发展迅猛,卷积神经网络(CNN)在深度学习领域起着至关重要的作用.CNN避免了前期很多工作,可以直接输入数据训练模型,将模型用于分类预测.作为一种快速高效的识别算法,可以广泛应用到各个研究领域.本文对极性反转、单频信号、强振幅噪声、空道四种常见的异常道和正常道进行细致分类编号,利用优化的深度卷积神经网络算法识别坏道并进行有效分类,不仅有利于后续对相应道的特殊处理,而且有利于推断产生异常道的原因,在以后的工作中针对产生原因做相应的工作调整.     

随机信号过程与矿床产出模型导出

将一个矿床的产出抽象化为一个随机信号的发生,由此导出一递推微分方程组,解之得普阿松分布。证明矿床的产出过程是一个普阿松过程,进而用Γ—分布表述了其参数λ,引出了负二项分布,给出了一个完整的推导过程。