基于融合U-Net及ConvLSTM的海面高度异常预报方法研究

海面高度异常是反映海洋环境状况的主要变量之一。本文使用1993—2019年的融合月均海面高度异常数据,建立了基于深度学习的海面高度异常预测神经网络模型,提出了基于融合U型网络(U-Net)和卷积长短记忆网络(ConvLSTM)的中长期海面高度异常预报模型。在研究海域0.25°×0.25°的空间分辨率下,模型测试集预报结果的均方根误差和平均绝对误差分别为0.039 m和0.027 m,均优于全连接LSTM预报模型和ConvLSTM+CNN预报模型,为大中尺度的海面高度异常预报提供了新的方法。     

基于深度学习的赤潮发生预报方法研究

赤潮作为海洋灾害,对海洋渔业、生态、经济,以及人类生产、生活造成了严重影响。一直以来,赤潮受到研究者的广泛关注,但由于它的形成机制比较复杂,使得赤潮预报极具挑战性。针对赤潮预报的研究问题,本文收集了厦门海域赤潮发生前后的海洋监测数据,结合皮尔逊相关系数、散布矩阵、复相关系数方法,分析多环境因子与赤潮发生多要素的关联情况,重点采用基于深度学习的LSTM与CNN融合方法,挖掘环境因子的时序依赖,发现序列数据的局部特征,对赤潮发生进行预报。在厦门一号和厦门二号数据集中,本方法在预报未来12 h内的赤潮情况时,RMSE、MAE误差分别达到0.521 8、0.504 3。通过协同对比模型进一步确定赤潮发生的预报概率,在两个数据集上的最终预报准确率分别为67.58%和63.49%。本研究为赤潮的分析预报提供了探索经验,证明了将深度学习方法应用于赤潮预报的可行性。     

基于"山西2015速度模型"的定位方法对比研究

为了确定山西台网基于“山西2015速度模型”的相对固定的定位方法,选择2010~2016年最大空隙角小于45°、参与定位台站数大于40的103个地震事件,分别采用单纯形法、Hypo2000、Hyposat结合PTD等3种方法重新测定。结果显示,单纯形法和Hyposat结合PTD测定的残差以及网缘地震的震中距两方面均优于Hypo2000;在震源深度方面,Hyposat结合PTD的结果较为可信。综合分析认为,基于“山西2015速度模型”定位地震时,山西台网应固定使用Hyposat结合PTD的方法。     

三维可视化及物探新技术在矿山接替资源勘查中的应用——以铜陵狮子山矿田为例

在矿山发现和勘查过程中往往积累了大量地质、物探等资料,随着地质体三维可视化和物探新处理方法的发展,利用这些方法对已有资料进行深度挖掘与开发可以提炼出新的有利找矿的信息,避免工作量的重复投入,可为矿山接替资源勘查提供有力的技术支持.本研究以铜陵狮子山矿田为例,收集了其勘探阶段积累下来的地质钻探及物探资料,采用地质体三维可视化建模技术对这些资料进行了二次处理,建立了冬瓜山铜矿的三维矿床模型.在可视化环境下,分析了矿体与各成矿地质要素之间的关系,结合新处理方法对已有重磁资料再处理获取的信息,圈定出了寻找同类矿床的靶区一前冲靶区,并采用EH-4等物探方法进行了验证,通过钻探验证表明,采用三维可视化、物探处理新方法对已有资料进行深度挖掘与开发,不但可以为矿山接替资源勘查提供找矿信息,还能节约大量时间和资金.     

海涂围垦工程中悬挂式爆破挤淤基础处理技术探讨

沿海软土地基围涂工程中悬挂式爆破挤淤基础处理断面结构设计中遇到的最大难题是对腰宽的处理,腰宽太窄则工后沉降大,反之,则断面石方量增大,投资增加,因此,试图通过工程实例说明悬挂式爆破挤淤基础处理断面设计及工程实施过程中遇到的问题及对策措施。     

中海油服地质导向跟踪服务技术在渤海油田成功应用

自今年4月份以来,中海油服地质导向跟踪服务技术在渤海油田成功应用,着陆段导向中靶率100％,水平段导向钻遇率96％。该技术于2007年立项研究,不但可以监控井眼轨迹进行几何导向,还能根据地质需要适时调整井眼轨迹,从而保证以最佳深度和角度着陆目的层,并在水平段钻进过程中指导钻头处于储层最佳位置。     

乌兰布和沙漠东北缘地温变化特征及其影响因子

基于内蒙古磴口荒漠生态系统国家定位观测研究站监测数据,分析2014年1—12月不同土层的地温数据及同期气象数据,进而阐明乌兰布和沙漠东北缘地温变化特征。结果表明：（1）乌兰布和沙漠地温及气温具有显著的日变化特征,气温最高值与最低值出现时刻相对巴丹吉林沙漠提前2 h,相对东部地区滞后1 h;地温与气温季节变化特征一致,各季节地温最值出现时刻相对气温滞后1 h;（2）地温变化速率随着土壤深度的增加而减小,在土壤深度达到70 cm以后,地温全年在0℃以上;低于0℃的5 cm地温持续时间约为4个月;（3）地温与空气温度、太阳辐射变化趋势一致,地温相对太阳辐射及气温明显滞后。相关分析与逐步回归表明,对地温变化起决定作用的环境因子为空气温度、蒸发量、太阳总辐射、风速、空气相对湿度、降水。     

基于卷积神经网络与条件随机场方法提取乡镇非正规固体废弃物

随着村镇经济建设发展,生活垃圾和工业固体废弃物造成的污染问题日益突出,已经成为制约新农村建设发展和生态文明建设的关键问题,而目前针对乡镇非正规固体废弃物的调查与统计主要依赖全国各乡镇相关部门逐级调查上报,工作量较大。本文基于高分辨率遥感影像,将深度学习模型和条件随机场模型相结合引入到乡镇固体废弃物的提取研究中,探索一种基于深度卷积神经网络的乡镇固体废弃物提取模型。由于固体废弃物在影像上表现为面积小,分布破碎等特点,为了提高工作效率,将模型特分为识别和提取2个部分：① 通过全连接卷积网络（CNN）对固体废弃物进行快速识别判断,筛选感兴趣区域影像块;② 在传统的全卷积神经网络(FCN)的基础上加入条件随机场模型(CRF)提取固体废弃物边界,提高整体分割精度。根据安徽、山西等地区相关部门上报固体废弃物堆放点以及住房与城乡建设部城乡规划管理中心进行野外检查的结果,实验最终识别精度达到86.87%以上;形状提取精度为89.84%,Kappa系数为0.7851,识别与提取精度均优于传统分类方法。同时,该方法已经逐步应用于住房和城乡建设部有关成都、兰州、河北等部分乡镇非正规固体废弃物的核查工作,取得了较为满意的结果。