浅谈信息时代图书馆的发展模式

随着科学技术的发展 ,以网络为中心的计算机技术、通讯技术、数字化信息技术、多媒体技术得到了飞速发展。图书馆作为人类知识的保存库与传播者 ,在信息时代也需加快自身的发展与变革。首先要确立图书馆在信息时代的地位 ,从而再进一步讨论图书馆的功能及其相应的发展模式。本文将从 3个方面进行探讨。1　信息时代图书馆的地位和作用图书馆是搜集、整理、保管、传播和利用文献信息 ,为社会提供服务的文化事业机构 ,它承担着保护人类文化遗产、进行社会教育、传递文献信息和开发智力资源的职能。但是 ,图书馆在人类社会发展过程中 ,历来没有…     

人工智能在冰雹识别及临近预报中的初步应用

基于广东10部S波段多普勒天气雷达的三维拼图资料,利用机器学习技术开发了一种冰雹识别和临近预报的人工智能算法。算法设计时以雷达回波反射率的垂直和水平扫描数据为基础训练集,将冰雹云的雷达反射率扫描数据作为正样本,将其他雷达反射率扫描数据作为负样本,通过贝叶斯分类法对正、负样本数据集进行机器学习,训练人工智能识别冰雹云内在规律的能力。训练时以广东省2008-2013和2015-2016年的数据作为训练集,使用了2014年广东省12次冰雹过程的数据做检验。对比检验的结果表明,人工智能法比传统的概念模型法击中率高9个百分点。研究结果表明了人工智能对冰雹这类非线性强天气过程具有较强的识别能力。      

人工智能技术在地震减灾应用中的研究进展

近年来人工智能(AI)技术的迅猛发展,引领了包括地震减灾在内的众多科技领域的前沿.为反映和描述当前人工智能技术的引入和促进地震减灾科技发展的全貌,本文系统整理和回顾了近10年来已发表的相关文献,解读了其在地震监测预警、地震预测、风险防治、应急处置与风险管理四个方面取得的主要技术进展,具体包括事件检测、震源参数测定、事件...     

一种海洋混合层深度的智能识别方法研究

文章提出了一种识别混合层深度的人工智能方法。该方法在温度(密度)与压强(或深度)间建立线性模型, 并且将其系数和方差做成一组表征廓线特征的统计量。初始时为模型设定一个主观的先验分布, 在一个自海表向下移动的窗口内通过贝叶斯链式法则和最小描述长度原理学习新数据, 得到系数均值的最大后验概率估计。用F-检验识别系数发生突变的位置, 以此确定混合层的存在性及其深度。通过2017年2月太平洋海域的地转海洋学实时观测阵(Array for Real-time Geostrophic Oceanography, ARGO)数据进行测试, 并且以质量因子(Quality Index, QI)值作为判断识别混合层深度结果准确性的依据, 发现该方法相比于梯度法、阈值法、混合法、相对变化法、最大角度法和最优线性插值法在识别结果上具备更大的QI值。表明该方法能够准确识别混合层深度。     

以人工智能背景为导向的遥感科学与技术专业模式识别课程的建设与实践

人工智能时代的来临将对传统遥感行业带来巨大冲击,也对遥感科学本身的发展与进步提出了新的挑战。在这一大趋势下,本文提出了以人工智能背景为导向的遥感科学与技术专业模式识别课程改革方案。从教学反馈结果来看,本文提出的新的教学思路不仅有助于提高学生对课程本身的兴趣,还有助于提高学生利用人工智能方法解决实际问题的能力,同时也为学习遥感科学与技术专业的其他课程打下好良好的基础。     

遥感数据处理中的现代人工智能方法

数字遥感卫星技术和地面数字处理技术开始于20 世纪60 年代, 以1974 年成功发射的陆地卫星和获取的MSS 多光谱遥感数据为标志, 开启了40 多年数字图像处理方法的探索之路, 不断地将遥感数据转化为有用的信息和知识, 在帮助人类勘察资源能源, 增加社会财富积累, 应对自然灾害与全球环境变化, 实现经济社会与自然和谐发展等方面发挥了重要的作用。从20 世纪90 年代开始, 学界针对遥感数据表现出来的非线性问题, 不断探索新的模型, 引入最新的数学成果, 其中遥感数据智能处理算法与系统集成经历了10 多年的积累, 成为现代遥感图像处理方法的重要组成部分。     

全球数据库数据研究的初步进展

人类已进入大数据和人工智能时代,其成果已惠及千家万户。然而,大数据和人工智能技术在科学研究领域的应用却相形见绌,还未真正得到重视。大数据和人工智能是一种方法,一种思路,它不同于传统的科学研究方法和思路。在科学研究中,什么是大数据研究呢?符合大数据3个技术取向的是大数据研究,采用全数据模式的是大数据研究,从数据出发的是大数据研究。文中介绍了我们利用全球数据库数据厘定的玄武岩、安山岩、大陆边缘弧玄武岩(CAB)构造环境判别图,其中安山岩判别图填补了学术界的空白。玄武岩(MORB、OIB、IAB)判别图也不同于学术界早先熟知的判别图,是根据元素之间的相关关系厘定的。文中还讨论了大数据研究带来的一些可能很有意义的科学问题。如:1.在判别图研究中发现了许多效果较好的图解,主要依赖的是主元素、过渡元素和金属元素之间的关系,上述关系有什么意义,为什么会起到判别的作用?2.数据挖掘发现,全球大洋中脊中酸性岩极度匮乏,是否说明上地幔严重缺水?3.研究发现,中新世是全球岩浆活动最发育的时期,这一时期全球还出现了许多重大地质事件,二者之间是否存在关联?4.中新世全球埃达克岩最发育,按照埃达克岩的出露,发现从青藏高原到喀尔巴阡可能存在一个巨型的欧亚高原;5.根据对新生代苦橄岩全球时空分布研究,提出了一个如何认识全球热点问题等。文中还提出了下一步研究的建议并强调指出,科学已经进入大数据和人工智能时代,在大数据和人工智能时代,科学划分的标准发生了变化:凡是能够用数据化表述的学科才称之为科学,而不能用数据化表述的学科就不是科学,看来,能否被数据化是科学与非科学的分水岭。在大数据和人工智能时代,地质学和矿床学遭遇了空前的危机。按照我们的预测,在可以预见的未来,地球物理学将远超地质学,空间科学将异军突起,而在地质学领域内地球化学一花独放的局面还将维系很长一段时间。文中最后还探讨了今后找矿靠什么的问题,认为物化探和钻探测试技术的进步非常重要,同时,发展人工智能技术也已迫在眉睫。     

融合相空间重构和深度学习的径流模拟预测

发展对数据依赖程度低、快捷实用和精准的模拟预报技术,可为资料缺乏地区径流模拟预测提供有效的解决办法。从数据驱动的角度,提出一种融合相空间重构(PSR)和长短期记忆神经网络(LSTM)的径流预测复合模型PSR-LSTM,在国内外不同气候分区的10个流域(站点)进行验证。结果表明：PSR-LSTM能够提取水文变量的多维子空间特征,并较好预测不同时间尺度的径流变化过程;相较于LSTM,PSR-LSTM预测未来1、3、5、7、9时间步长的纳什效率系数在10个流域平均提高1.49%～9.77%,均方根误差平均降低17.01%～19.72%,对训练数据量的依赖程度相比LSTM降低25%～33%。研究成果可为广大资料短缺流域水文过程模拟和预测提供参考。     

基于数据分布域变换与贝叶斯神经网络的渗透率预测及不确定性估计

渗透率是储层评价和油气藏开发的关键参数.传统测井方法与常规机器学习方法估算的渗透率都是固定值.但由于测井数据本身存在噪声, 渗透率的预测结果可能受到噪声的影响出现测量性的随机误差(即任意不确定性); 同时, 当测试数据与训练数据存在差异时, 机器学习模型在预测渗透率时可能出现模型参数的不确定性(即认知不确定性).为实现渗透率的准确预测并量化两种不确定性对结果的影响, 本文提出基于数据分布域变换和贝叶斯神经网络同时实现渗透率预测及其不确定性的估计.提出方法主要包括两个部分: 一部分是不同域数据分布的相互转换, 另一部分是基于贝叶斯理论的神经网络渗透率建模预测和不确定性估计.由于贝叶斯神经网络存在数据分布的假设, 当标签的概率分布与网络的分布保持一致时, 贝叶斯神经网络可以更好的学习到数据之间的关系.因此通过寻找一个函数将一个原始域的渗透率标签转换为目标域的与渗透率有关的变量(我们称为目标域渗透率), 使得该变量符合贝叶斯神经网络的分布假设.我们使用贝叶斯神经网络预测目标域渗透率以及任意不确定性和认知不确定性.随后, 通过分布域的逆变换, 我们将目标域渗透率还原回原始域渗透率.应用本文方法到某油田的18口井的测井数据中, 使用16口井的数据进行训练, 2口井进行测试.测试井的预测渗透率与真实渗透率基本一致.同时, 任意不确定性的预测结果提供了渗透率预测值受到的测井数据噪声影响的位置.认知不确定的预测结果说明数据量少的位置具有更高的认知不确定性.我们提出的这一流程不仅显示了在储层表征方面的巨大潜力, 同时可以降低测井解释时的风险.

     

一种用于油气储量评估中渗透率预测新模型

致密砂岩储层因受成岩作用和裂缝分布等地质因素严重影响,其渗透率值很难用带有储层其他参数的显式来准确求取.根据测井解释理论,渗透率是储层地质因素的一种综合影响,从而也能看作是多种测井曲线的一种综合响应,可通过拟合测井曲线来预测.LightGBM模型在数据拟合方面表现出众,其计算效率被证明比传统拟合模型的更高,为此本文采用该模型来预测渗透率.由于该模型在建模时使用了较多的超参数,难以保证预测结果为最优,所以本文采用PSO技术对其进行优化,进而提出PSO-LightGBM.本文以姬塬油田西部长4+5段致密砂岩储层为验证对象,并通过设计两个实验来验证提出模型的预测能力.实验结果显示提出模型的预测结果误差和PSO-XGBoost的误差非常接近,都为最小,但PSO-XGBoost的耗时却约是提出模型的21倍.实验结果证明PSO-LightGBM能够在不失精度的情况下快速预测致密砂岩储层渗透率,是一种高效的渗透率拟合预测模型,在测井解释智能化研究方向上具有推广应用价值.