细胞神经网络在重力异常分异中的研究及应用

介绍采用细胞神经网络CNN(cellular neural network)方法,对铬铁矿区内的矿体和围岩的重力异常进行分异。首先阐述了CNN方法的原理和算法,采用拟BP学习算法训练网络的权值,用全局误差函数求导方法推导权值的修正公式,讨论了如何根据目标异常训练适合该地质条件的网络的连接权值;其次将重力异常数据预处理,以达到适合CNN方法处理的数据格式和要求;最后由于该矿区内没有已知的重力数据作为网络训练的目标输出,根据相关地质图设置相应的地下构造模型。利用"点元"法分别正演出叠加异常和矿体异常,进而训练出适合全区的网络连接权值,实现了对全区重力异常的分异。应用结果表明,细胞神经网络方法较好地突出该矿区高异常和矿体的边界,只要选择了合适的网络连接权值,就能将横向叠加异常区分开,故CNN方法可以实现矿体和围岩的重力异常分异。     

基于贝叶斯网络的地震相分类

为了解决传统多地震属性的地震相分类方法中"难以引入先验信息用以指导分类,难以给出地震相分类结果可靠程度的定量估计,且各分类参数的权值较难确定"这3个问题,提出了一种新的基于贝叶斯网络的地震相分类方法.该分类方法有效地融合了先验信息和训练样本的分布特征,对提取的多种地震属性进行智能分析,以概率推理的方式得到各地震相类别的概率值,并根据概率分布估计分类结果的可靠程度.详述了贝叶斯网络用于地震相分类的原理与方法,并结合理论地震数据,验证了该方法的可行性和正确性.      

黔南荔波地区耕地土壤中硒的分布特征及影响因素分析

采用OpenPose与BP网络相结合的方法对人体整体或局部行为进行分类检测,首先利用人体姿态估计算法获得人体骨架节点坐标数据,然后利用BP分类网络对节点坐标数据进行迭代训练与学习。检测不同整体行为的分类模型,训练准确率达100%,网络损失仅为0.091,实测各类准确率及总体准确率均达100%;检测局部行为的分类模型,训练准确率亦达100%,网络损失小于10-6,实测各类准确率及总体准确率均达100%;OpenPose与BP网络相结合的方法不仅可以实现不同整体行为或局部行为快速、准确的分类检测任务,同时还克服了传统行为检测方法的不足,能够实现更高效、更准确、更快速的分类检测。     

VGGNet网络结构下的地震数据增强方法研究

断层识别是油气勘探中至关重要的工作内容,针对目前断层识别效果不好的问题,基于VGGNet神经网络算法实现了断层的自动识别。对原始的VGGNet网络进行了改进,使其适用于本次的断层识别研究。通过添加缩放系数对学习率进行了优化,使得网络识别准确率有了提高。在此基础上为了解决断层自动识别神经网络算法中训练数据过少、而网络识别效果对标签数据要求较高的问题,文章尝试使用了Color Jitter和增加高斯噪声两种新的数据增强方法。使用不同的训练数据在改进的VGGNet网络结构上进行训练,通过对比其准确率和最终的断层识别效果,可以发现使用的两种新的数据增强方法训练的网络模型准确率更高、断层识别效果更好。从而证明了本次所引入的数据增强方法的有效性,为神经网络算法应用到断层识别研究中提供了一种有效的数据增强方法。     

基于改进BP网络算法的隧洞围岩分类

围岩分类对指导地下工程的设计和施工具有非常重要的意义.引入人工神经网络的方法, 进行隧洞围岩分类, 在传统BP算法的基础上, 通过改进学习算法、优化传递函数和网络结构进行神经网络方法优化.采用附加动量法和学习速率自适应调整的策略改进学习算法, 使得当误差大于上临界值时, 则降低学习率, 当误差小于下临界值时, 则适当提高学习率, 这样可加快网络的训练速度, 确保网络的稳定性; 通过引入调整学习率参数, 使得传递过程更加敏感, 加快了传递函数的收敛速度, 提高了训练函数的计算精度; 通过给定隐含层节点模型的取值范围, 对网络结构进行优化, 提高了泛化精度.将改进的BP网络模型应用于广东省东深供水改造工程的隧洞围岩分类中, 分类结果与根据《水工隧洞设计规范(SL279-2002) 》的分类结果完全一致, 表明该方法具有良好的工程实用性.      

基坑支护结构水平变形预测的遗传神经网络方法

采用遗传算法和误差反向传播算法相结合的混合算法来训练前馈人工神经网络,先用遗传学习算法进行全局训练,再用BP算法进行精确训练。就遗传算法过程中的选择、变异进行了探索,提出了用BP网络训练产生变异的遗传算法。作为实例,将该方法应用于预测基坑支护结构水平变形中。结果表明,该方法有收敛速度较快、预测精度高等优点。     

集成空间变换结构与深度残差网络的遥感影像场景分类方法

针对传统高分辨率遥感影像的场景分类效率较低,以及卷积神经网络在遥感影像场景分类上由于空间不变性而导致的分类精度不高的问题,提出了一种结合空间变换网络和迁移学习的高分辨率遥感影像场景分类算法.首先,利用ImageNet数据集训练深度残差网络ResNet101得到预训练模型,通过知识迁移提高模型目标探测效率;之后在模型中嵌入空间变换结构,使模型能够主动在空间上变换特征映射,提高模型的鲁棒性;最后,在模型中添加Dropout层减小模型出现过拟合的概率.本方法在AID和NWPU-RESISC45两种不同规模的高分遥感影像数据集上进行了验证,在只有20%训练样本的情况下仍达到了94.30%和93.63%的分类精度.实验结果表明本次改进模型具有更好的特征提取能力,针对易误分类场景的分类结果更优.     

基于神经网络和进化算法的混沌序列产生方法

应用具有全局最优的进化规划算法建立产生混沌序列的优化神经网络模型。该模型利用神经网络权值调整的灵活性，能够在同一网络结构中产生的多种混沌序列。计算机仿真结果表明：该模型比BP算法训练的神经网络模型能更好地重构混沌吸引子，调整网络权值即可产生多种混沌序列。     

泰森多边形在地质数据去丛聚中的应用

钻井总是被优先设计在有利储层的部位,导致获取的地质数据分布不均匀。为了使地质数据的统计结果更客观地反映实际情况,需要对地质数据进行去丛聚处理,其核心思想就是给密集的数据赋较小的权值,给稀疏的数据赋较大的权值。笔者用泰森多边形法求取钻井的控制范围,以此确定该井数据统计时的权值大小,为多边形去丛聚法中多边形的确定提供了新思路。应用本方法对石南油田某井区的孔隙度分布进行了分析,验证了该方法的可行性。     

基于循环神经网络的找矿模型构建与预测

在大数据和人工智能背景下,基于已有的传统地质找矿模型建立与应用基础,提出基于循环神经网络的找矿模型构建与预测方法,实现对地质数据的深入分析和理解。针对地质找矿模型构建与预测的需求,结合数据清洗理论,对传统地质找矿模型进行归纳与总结,建立地质找矿知识库,为深度学习算法提供训练数据。通过分类算法研究,综合对比结果的准确率与分类所用时间,最终选用RNN分类算法对找矿概念模型进行分类。在建立研究区找矿模型中,通过关键词与控矿要素完成模型匹配,利用模型计算对模型匹配结果进行数据分析,实现区域地质找矿模型的构建与矿产资源的预测评价和分析。以大水金矿为例,快速准确地实现了找矿模型的构建,有效地对矿产资源预测工作提供了指导,验证了该方法的可行性。     

有监督的人工神经网络油气预测

有监督的人工神经网络预测是20世纪90年代发展起来的一种新兴技术，由于它具有算法快、精度高的特点，在油气预测中得到广泛使用。本文介绍了该方法的原理及其与地震属性的关系，应用实际资料进行了计算，证明效果良好，是一种油气预测有利工具。     

大庆深部致密砂砾岩含气储层产能预测

气层产能预测是气藏工程研究中用于指导气井以及气田合理生产的重要工作和任务,它在气田整体评价和高效开发进程中具有很强的预见性和主动性。讨论了大庆深部致密砂砾岩含气储层的产能与测井响应之间的关系,探讨了根据测井资料应用人工神经网络技术预测含气储层产能的方法。利用已知气井测试结果和测井资料作为网络的训练样本。根据网络学习训练结果,输入储集层的测井资料等静态参数,可预测该储集层的产能。根据这种关系采用神经网络技术实现了测井对产能的预测评价,从而为大庆深部致密砂砾岩含气储层的开发提供了一定的依据。     

支持向量机在水淹层测井识别中的应用

支持向量机(SVM)算法是特别适合于用有限已知样本训练建模,进而预报未知样本属性的模式识别新算法。笔者尝试将Vapnik提出的支持向量机算法用于水淹层测井识别。总结了P油田水淹层的声波时差、自然电位、深感应电阻率、中感应电阻率及密度测井曲线与水淹程度的对应关系,建立了基于支持向量分类机的识别模型,并将上述参数作为训练样本的输入,油气特征作为训练样本的输出,对支持向量机进行训练。对于P油田水淹层的实际预测结果表明:支持向量机可以成为一种用于水淹层识别的有效工具。     

某盆地油气勘查成本预算和风险分析

某高原盆地的油气资源量较为丰富，可找到大型油气田。根据含油气盆地地质构造特征、生油岩的厚度与热演化程度、储集层和区域性盖层的发育情况等因素，确定了两个含油气远景区，拟作为重点找油气靶区。提出了两个可供选择的油气勘探布署方案。在此基础上，选用适当的成本预算基本参数，进行油气勘查成本估算，并对两个方案进行了优选对比与具体的风险分析，提出方案决策意见。     

BP神经网络在天然气水合物化探中的应用

地球化学方法在天然气水合物勘探评价过程中的参数存在不确定性,且误差传递易导致结果不可信。运用BP神经网络技术,在天然气水合物勘探区域选取相关的应用切入点,通过训练建立神经网络模型,利用其非线性映射技术,揭示天然气水合物勘探评价中涉及的多个属性之间的非线性关系。计算结果显示,神经网络的分类方案有效弥补了当前地球化学评价方法存在的多解性等缺点,运用在地球化学数据的基础上建立的BP神经网络模型,对研究区块进行仿真预测,可以实现水合物矿藏的分等级评价。     

Seismic Technique for Studying Sedimentary Layer: Bohai Basin as an Example

The upper tertiary to quaternary is the main target layer for oil and gas exploitation in Mainland China, especially crude oil production in the Bohai Basin accounts for approximately 40% of China’s crude oil production. Therefore, a study of the Upper Tertiary to Quaternary has important significance for science and practical applications. In this study, using the receiver function method, Ps and later phase extraction, the sedimentary thickness and an accurate estimate of velocity ratio can be obtained. The technique is simple, its calculation results are unique, and it can be applied to a study of the sedimentary layer. The technique is promising for oil and gas exploration.     

基于重置神经网络在油气储层预测方面的应用

神经网络在地质、油气储层方面有着极其广泛的应用,但是神经网络的结构不仅直接影响到网络性能的优劣,而且较大的影响了其现实应用的效果。这里尝试着将与重置算法相结合的BP神经网络应用于油气储层预测方面,并证实重置神经网络具有更好的应用前景和现实意义。     

油气化探综合异常模糊划分动态聚类分级评价

通过选取描述油气化探综合异常的各种特征参量，借助模糊数学工具，利用最优聚类中心所具有的代表特征，建立分级指标，对油气化探综合进行分级评价。鄂尔多斯盆地油气化探综合异常的评价实例结果表明，利用油气化探综合异常各种特征参量进行动态聚类分级评价是可行的。     

地球化学勘查技术在松辽十屋南地区的应用

经过研究发现，油气化探在松辽盆地东南隆起区具有较好的应用效果，烃类和蚀变碳酸盐法是该地区比较有效的方法。地球化学测量结果表明，十屋南地区烃类比较活跃和富集，这对在该地区利用地球化学技术寻找油气藏是个有利的前提条件。通过研究，在测区内发现了一些油气化探综合异常，这些综合异常的存在，客观地反映了研究区内具有成油气藏条件。     

九十年代煤系烃源岩研究新进展

综述了９０年代煤系烃源岩研究取得新成果：未成熟－低成熟油气研究和勘探实践的成功突破了传统的干酪根热降解生烃理论,形态有机质分类体系更加完善,只有无定形体的分类仍有待进一步探讨,大量研究表明烃源岩的所有组分都有一定的生烃能力,但不同组分因其化学组成和结构不同而生烃能力相差悬殊,除了镜质体之外的其它有机组分的反射率（加沥青和动物碎屑体）和包裹体均一温度等多种方法均可用来确烃源岩成熟度,以有机岩石学研究为基础,应用组分组合概念划分的有机质类型,弥补了有机地球化学方法的局限性。