空间网格结构多维多点随机地震响应分析的高效算法

将林家浩教授提出的“虚拟激励法”进一步推广应用于空间网格结构多维多点非平稳随机地震响应分析,推导了多维虚拟激励随机振动分析方法的理论公式,给出了峰值响应估计方法,并讨论了多维地震动的随机模型及参数选取,通过编制的专用计算机程序分析了网壳结构的随机地震响应。本方法自动包含了参振振型间及各输人地震分量间的相关项,计算精确、快速,非常适合分析频率密集型空间网格结构的随机地震响应,是一种高效的随机振动分析算法。     

基于震后低压变化的供水管网功能可靠度分析

供水管网的抗震功能是指供水管网在地震作用下能够满足震后城市特定用水需要（需水量和水压）的能力。地震发生后,供水管网一般处于低压供水状态,使得管网中部分用户的水压和水量不能得到全部满足,导致管网部分节点的实际配水量小于需水量。为此,在传统的管网水力分析基础上考虑节点流量随节点水压的动态变化,通过求解非线性水力方程组,得到管网节点实际流量和水压;同时,借鉴结构可靠度分析方法,引入供水管网系统随机水力模型,给出了震后供水管网功能可靠度分析的一次二阶矩方法。以一实际管网为例,演示了震后低压供水时管网功能可靠度分析的应用方法。     

基于机器学习方法的辽宁省初霜冻日期预测模型研究

基于前期ERA5逐月再分析数据,应用3种机器学习算法(Lasso回归、随机森林和神经网络)对辽宁省初霜冻日期进行预测评估。Lasso回归算法提取对初霜冻日期预测有重要指示意义的气象要素特征集,通过交叉验证和超参数调优建立初霜冻日期预测模型,利用均方根误差(RMSE)和距平同号率方法定量定性地评估模型的预测效果。结果表明：特征选择后的气象要素特征集建模提升了模型的泛化能力、可解释性和稳定性;Lasso回归模型在4月起报的预测效果最好(RMSE为6—8 d),神经网络模型在5月起报性能最好(RMSE为6—9 d),随机森林模型在3月起报性能最好(RMSE为8—9 d);辽宁全省大部分站点距平同号率为50%—70%,其中Lasso回归和神经网络模型为5月起报最高(约为68%),随机森林算法为3月起报最高(约为62%)。特征选择和敏感性实验结果发现,低植被覆盖比例是初霜冻日期预测关键预测因子,植被覆盖率越高越有利于地表含水量保持,降温容易产生霜冻,初霜冻日期也就越易提前,去掉低植被覆盖比例因子后模型预测效果显著下降,也表明该因子是模型建模的前期关键因子。     

基于随机森林算法的岸基GNSS-R海面风速反演

GNSS-R技术可应用于海面风速反演,但传统的反演方法存在计算量大、反演精准度不高等缺点。利用随机森林算法,对东营沿海东青五号石油平台上的岸基GNSS-R数据进行海面风速反演,结果显示：训练集的决定系数R2为094,均方根误差为102 m/s;测试集的R2为084,均方根误差为155 m/s。与传统方法相比,随机森林算法反演效果大幅提升,可应用于GNSS-R海面风速反演中。岸基GNSS-R反演海面风速中最重要的特征因子是风向和相关时间,不同风力等级下的反演结果也存在明显差异。     

加速溶剂萃取技术在油气化探样品稠环芳烃测定前处理中的应用

油气化探样品测定芳烃物质的提取方法通常采用振荡提取,在实际的样品测试过程中,这种前处理方法效率较低,得到的提取液用于分析测定的结果重现性较差。本文对油气化探样品稠环芳烃的提取方法进行改进,采用加速溶剂萃取技术,对实际样品进行试验,考察了压力、静态萃取时间和萃取温度对稠环芳烃萃取效率的影响,确定最佳的萃取条件为: 萃取压力8.3 MPa,静态时间5 min,萃取温度80 ℃。对比了加速溶剂萃取与传统振荡提取应用于油气化探样品前处理的提取效率,证实了加速溶剂萃取技术可以显著提高萃取效率,稠环芳烃的荧光强度提高60.5%~152.6%,方法的稳定性好,测定结果的精密度高,相对标准偏差(RSD, n=7)低于4%。加速溶剂萃取技术优于传统振荡法,更能满足油气化探样品分析测试的准确度与精密度要求,可以应用于油气化探样品前处理过程。     

地铁双隧道施工引起地表沉降及变形的随机预测方法

地铁施工引起地表沉降及变形的预测和控制是一个有待于深入研究的重要课题。地铁区间隧道大多为近距离的双孔平行隧道,两隧道开挖引起的地表沉降及变形往往相互叠加,导致沉降及变形预测更加困难。以随机介质理论为基础,对预测公式进行了改进,实现了双孔平行隧道施工引起的地表沉降、水平位移、水平变形、倾斜、曲率预测,研发了城市隧道开挖引起的地表沉降及变形预测系统。对多处双孔平行隧道工程进行了理论预测与验证,实测沉降证明了理论方法与预测系统的科学性和有效性。     

随机模拟技术建立三维储层地质模型

油田开发工程师最关心的是储层非均质性。孔隙度分布、渗流路径的精细结构和内部非渗透夹层是油气驱替动态的主要控制因素。在注水开发中 ,注入水的侧向流动取决于水平渗透率的分布形式。大量研究表明 ,在碎屑岩中沉积相对渗透率的分布起着重要的控制作用。因此 ,一个合适的沉积相模型是获得一个合理、精细的参数模型的前提。由于在各个尺度下储层空间展布、内部 (几何 )结构和岩石性质的信息不完备 ,难以掌握相对于空间位置和方向上岩石性质、形式的变化和任一尺度下储层确定的且真实的特征或性质 ,因此受井资料约束的随机模拟正在替代常规…     

岩土参数随机场离散的三角形单元局部平均法

将不确定性岩土参数建模为随机场而非传统意义上的随机变量,基于随机场的局部平均理论,提出了用于二维随机场离散的三角形单元局部平均法。通过面积坐标变换和高斯数值积分,给出了三角形单元局部平均随机场协方差矩阵的解析计算方法和数值计算方法。采用算例再现了所提方法的分析过程和有效性,并与传统二维随机场四边形单元离散法进行了对比。结果表明:提出的二维随机场三角形单元离散法能与有限元三角形单元离散法完美结合,随机场单元与有限元单元的对应关系清晰,易于随机有限元程序的编制;对于随机场单元的均值,传统四边形单元离散法与所提方法的计算结果相同;对于随机场单元的方差,传统四边形单元离散法计算结果偏小,所提方法显得更加科学、合理。     

基于机器学习的岩石微量元素与主量元素关系初探：以洋岛玄武岩中锆元素为例

本文尝试利用机器学习的随机森林算法分析岩石主量元素与微量元素之间的关系。大洋玄武岩几乎不受混染作用影响,各元素成分之间的关系相对稳定,其中微量元素Zr是一种稳定的高场强元素。本文采用随机森林算法对洋岛玄武岩中Zr元素和主量元素的关系进行探索。利用算法中变量重要性度量判断各个主量元素与Zr元素之间关系的强弱,结合Pearson相关性分析,选择出5种主量元素（TiO₂、CaO、MgO、Na₂O 和P₂O₅）作为预测变量。由这5种元素确定了共1 000棵,每棵决策树含3个特征的随机森林模型,该模型对Zr元素的预测效果优于普通多变量回归方法。随后还探索了Zr元素与这5种主量元素的经验公式,得到的经验公式对Zr元素的预测结果也较好。本文更重要的意义是为拥有海量数据的地球化学领域引入一种用于数据挖掘的机器学习方法,并提出一套具有启发性的数据分析方案。     

随机固-热耦合模型与岩石热破裂数值试验研究

1. 大连轻工业学院 信息科学与工程学院,大连 116034;2. 辽宁工程技术大学 力学与工程科学系,辽宁 阜新 123000