某阶梯基坑内坑维护桩插入比优化研究

结合上海西藏南路越江隧道浦东接线段基坑工程,对某阶梯基坑建立平面有限元模型,通过分析不同中墙插入比下左、中、右墙的侧移曲线和导致基坑侧向变形的力学行为得出:中墙顶部往坑外发生侧移,中底部往坑内发生侧移。随着插入比的增加,中墙侧移值逐渐减小。中墙插入比增加使得左墙整体侧移有减小趋势,且发生最大侧移的位置接近于内坑开挖面深度。中墙插入比的增加使得右墙支护状态有改善的趋势,但并不明显。在保证基坑安全性的同时,兼顾其经济性,中墙较合理的插入比为2∶1~3∶1。     

地质技术装备总体优化方案项目研究通过验收

中国地质调查局门户网站消息（2012-02-01）近日,由中国地质调查局发展研究中心承担的地质技术装备总体优化方案项目通过评审,获优秀评价。据了解,本项目从基础理论入手,分析了中国地质调查局地质技术装备现状,开展国外地质技术装备发展趋势分析、     

水平井分段完井不同分段模式优化研究

运用势的叠加原理和镜像反映原理,导出了水平井任意分段模式下井筒与油藏渗流耦合产能计算模型,用该模型可以计算任意分段模式下来平井的产能,通过对比不同分段模式下的水平井产能,可以对分段进行优化,从而指导分段完井方案的制定.研究结果表明:当打开程度一定时,不同分段模式对产量影响不大;产量随着打开程度的提高而增加,但当打开程度大于40％时,产量增幅趋于平缓,因此,打开程度必须大于打开临界程度,这样既减小了因分段而牺牲的产量又达到了分段的目的;井筒摩阻对产量影响较大,在进行分段优化时,必须考虑井筒摩阻的影响,从而优选盲管段的位置.     

基于片上可编程系统的可控震源扫描信号研究与设计

在可控震源地震勘探中,不同的地质条件需要设置不同的激发参数,如何选择合适的激发参数并实现相应的扫描信号是必须关注的问题。在分析可控震源的线性扫描的起止频率、扫描长度、扫描斜坡函数和长度参数及伪随机扫描的阶次与载波频率对扫描信号质量的影响后,通过片上可编程系统设计了VSG硬件IP核与信号发生器系统,依据分析的信号选择原则实现了对应扫描信号的产生,达到扫描信号的技术指标。     

基于机器学习中分辨率遥感影像分类应用研究

地表信息提取是地理国情监测和环境保护的重要环节,本文选用Landsat-8 OLI遥感影像为主要数据源,针对分类样本数据少这一问题,在对2015年和2017年全球地表覆盖数据优化处理的基础上,将其作为分类的先验知识,以最大似然法、支持向量机(Support Vector Machine,SVM)和随机森林(Random Forest,RF)机器学习方法,以及基于VggNet-16和ResNet-18模型的深度学习方法,对黄河三角洲区域进行地表信息提取方法的应用研究.结果表明,在利用粒子群优化遗传算法进行特征优化的基础上,RF和SVM模型分类总体精度较高,其中RF和SVM模型分类总体精度最高可达87.3％、86％;VggNet-16和ResNet-18两种模型的分类精度较机器学习方法有较大提升,其中以ResNet-18分类精度最佳,最高总体精度可达94.1％,Kappa系数为0.91.本文的研究方法在中分辨率遥感地物分类时具有较好的适用性和推广价值.     

船舶柴油机余热利用系统性能优化

【目的】研究提高船舶主机燃料的综合利用率。【方法】结合MAN 6S50ME型船舶柴油机的余热能量特性和循环热力过程特点,分别建立基本循环、缸套水预热循环和回热循环等三种船舶余热利用有机朗肯循环系统模型,对三种余热利用系统的热力性能与经济性能进行计算和分析。【结果与结论】在三种循环系统中,缸套水预热循环的综合性能更具优势,在循环压力为2000 kPa时,系统的综合性能达到最优,循环净功为555.35 kW,热效率可达18.27%,循环发电净收益提高39.64%。研究结果可为船舶柴油机余热利用系统的设计和优化提供一定的理论指导。     

基于关联规则与随机森林的地震多属性砂体厚度预测

地震属性技术是砂体厚度预测的重要手段,由于目前可从地震数据中提取的地震属性种类较多,在利用地震属性技术前,必须优化出对砂体厚度最敏感的地震属性组合,以减少地震属性信息的重复与冗余。为此提出了一种联合关联规则与随机森林回归算法的地震多属性砂体厚度预测方法。随机森林回归算法能够建立地震多属性与砂体厚度之间的非线性关系,并能进行属性选择,但是该算法无法识别地震多种属性中的冗余特征。关联规则能够发现地震属性之间的非线性关联,并能借助卡方检验消除地震属性间的冗余性。分别采用了随机森林回归算法（RFR）、联合关联规则与随机森林回归（AR-RFR）及BP神经网络回归的算法（AR-BP）对滩坝砂岩合成模型和某实际工区进行了砂体厚度预测。对比结果表明,基于关联规则的属性优选得到的属性间相关性低,关联规则与随机森林算法的结合提高了砂体厚度的预测精度。数值实验证明了该方法的有效性。      

莱州湾凹陷垦利油田沙河街组储层渗透率评价模型研究

文章以莱州湾凹陷垦利油田沙河街组储层为例,对传统的回归统计模型和基于BP神经网络的人工智能预测模型评价储层渗透率方法和效果进行了对比研究。目标储量报告里定火沙三段中孔、中渗;岩性（粒度）和孔隙度是储层渗透率的主要影响因素。根据岩心及测井数据,建立了孔隙度——粒度二元回归渗透率统计评价模型和BP神经网络渗透率预测模型。通过检验样本集精度对比,分析了隐含层数、隐含层节点数等网络结构参数变化对模型预测结果的影响,重点分析了不同的测井参数输入对BP神经网络模型预测结果的影响。优化后的BP神经网络模型对检验样本集的渗透率预测结果精度最高,其平均相对误差为37%,比传统的二元回归统计模型精度提高了26%。对目标油田三口井连续处理,BP神经网络模型渗透率预测结果更加合理,可以满足开发层段产能分析等生产需求。     

GPS/Doppler导航随机模型的移动窗口实时估计算法

引进时间遗忘因子和观测冗余度因子,有效地平衡移动窗口内不同时刻的观测数据及其冗余情况对单位权方差估值的贡献,改进单位权方差的移动开窗实时估计算法.采用载噪比模型确定观测权阵,等价权抗差估计方法处理粗差.实测车载GPS/Doppler数据的处理结果表明:采用本文算法显著提高GPS/Doppler的导航精度与可靠性.