不同插值方法在断层检测模型中的应用效果对比分析

为了了解同一断层检测模型在不同插值方法下的检测效果和同一插值方法在不同断层检测模型的检测效果.对比视觉几何组VGG(Visual Geometry Group)、多层感知机MLP(Multi--layper Perceptron)、支持向量机SVM(Support Vector Machine)三种断层检测模型在lin...     

应用时域卷积神经网络的地震波阻抗反演方法

地震波阻抗反演是储层预测研究的一种重要手段,线性地震波阻抗反演方法求解精度依赖于初始地质模型,而完全非线性方法可望得到高精度求解结果。有鉴于此,首先利用全卷积神经网络、因果卷积、膨胀卷积和残差块构建一个时域卷积神经网络(TCN),以建立地震数据与波阻抗之间的非线性映射关系;然后通过该网络对样本进行训练得到反演映射模型,进一步将地震数据输入该模型得到地震波阻抗。正演数据及实际数据测试结果表明,所提方法实现了地震数据到地震波阻抗间的映射,为地震波阻抗反演提供了具有并行计算能力和自适应结构的智能化方法,并在港2025区块砂泥岩储层预测中得到成功应用。     

基于长短期记忆循环神经网络的伊拉克H油田碳酸盐岩储层渗透率测井评价

伊拉克H油田碳酸盐岩储层孔隙结构复杂,孔隙类型多样,给渗透率测井评价工作带来了极大困难。针对这一问题,建立了基于测井序列信息的长短期记忆（LSTM）循环神经网络渗透率预测模型。从测井响应差异以及测井序列信息出发,优选敏感测井曲线,搭建LSTM循环神经网络,训练网络并优化网络参数,建立了基于LSTM循环神经网络的伊拉克H油田碳酸盐岩储层渗透率预测模型。应用该模型对伊拉克H油田进行渗透率测井评价,并将预测结果与灰色系统预测模型GM (0,N)进行对比。结果表明：相对于灰色系统预测模型的结果,基于LSTM循环神经网络的渗透率预测模型的均方根误差降低了29.47%,皮尔逊（Pearson）相关系数提高了6.59%,取得了较好的应用效果。该模型能够充分挖掘测井曲线与渗透率之间关系的信息,提升了储层渗透率评价精度。     

基于深度学习的三种地震波阻抗反演方法比较

神经网络结构的差异性导致深度学习效果不同。为此,在对比全卷积神经网络(FCN)、卷积循环神经网络(CRNN)和时域卷积神经网络(TCN)的三种网络结构的基础上,通过正演模型测试,对比、分析基于上述三种深度学习的地震波阻抗反演方法的精度和计算效率;然后通过实际资料应用进一步对比三种方法的效果。模型测试结果表明,基于TCN的波阻抗反演的计算效率和反演精度相对较高,基于TCN、FCN和CRNN的波阻抗反演用时分别为82、68和264s,皮尔逊相关系数分别为99.15%、97.84%和98.14%。实际资料应用表明,基于TCN的波阻抗反演结果与测井资料更加匹配。该结论可为智能地震波阻抗反演方法的优选提供参考。     

药学专业生物化学实验教学改革的探讨

生物化学是一门重要的药学基础学科。理论知识来源于实践研究,生物化学的实验技术和方法不仅为生物化学的迅速发展创立了条件,也为其他基础医学和药学的研究奠定了基础。针对生物化学实验的自身特点及重要性,本着提高教学质量,培养应用型人才的目的,探讨在生物化学实验中的一些改革思路。     

基于ICEEMDAN的曲波阈值地震数据去噪方法研究

地震数据去噪对地震资料的品质的提升有重要的作用,因此对地震数据噪声的压制非常必要.本文提出一种基于ICEEMDAN与曲波阈值相结合去噪处理的方法,该方法解决了经验模态分解的模态混叠问题,使ICEEMDAN分解出来的模态分量特征更明显,然后通过曲波阈值对模态分量进行去噪并对处理的模态分量进行重构,利用信噪比(SNR)、均...     

基于可调因子Gabor小波变换的地震高分辨处理方法

时频分析是利用地震资料识别薄层的重要方法之一,常规的时频分析方法受到固定时窗、窗函数等因素影响。为此,采用一种基于可调因子Gabor小波(Tunable Factor Gabor Wavelet, TFGW)的连续小波变换(Continuous Wavelet Transform, CWT)(简称TFGW-CWT)的时频分析方法对地震资料进行处理。该方法采用具有可调因子的Gabor小波进行变换,然后使用最小绝对值投影方法组合每个可调因子的连续小波系数,降低邻近频率的交叉干扰,提高局部时频分辨率。进一步采用非负矩阵分解(Non-negative Matrix Factorization, NMF)对时频数据体降维,得到一个低秩的特征数据结构关系体,减少了高维空间的数据冗余,凸显了高频信息,达到提高地震资料分辨率的目的。模拟记录和实际资料处理结果证实了该方法的有效性,可为薄层检测提供一种新的技术手段。     

基于近中红外光谱分析的大黄鱼产地区分技术

为实现4种产地来源的大黄鱼(福建养殖大黄鱼、温州养殖大黄鱼、舟山养殖大黄鱼和舟山野生大黄鱼)的准确快速区分,本研究应用傅里叶变换红外光谱仪对4种大黄鱼样本在4000～650 cm-1^的红外吸收指纹图谱进行测定,基于特征波段下的光谱吸收差异并结合PCA、CA和LDA、SVM模型对大黄鱼样品进行产地区分。结果如下：采用测定波段4000～650 cm-1^的全光谱采集信息经过SG预处理后建立的SVM模型效果最优,对4种大黄鱼样本的测试集准确率为83.3%。进一步对福建养殖大黄鱼和野生大黄鱼的产地区分方法优化后,选取特征波段3690～2800 cm-1⁺¹⁸⁰⁰～650 cm-1^{的光谱信息}经过1st ^Der、2nd ^Der和SNV 3种方式预处理后建立LDA判别模型,光谱训练集与预测集的准确率均达到100%;3690～2800 cm-1⁺¹⁸⁰⁰～650 cm-1^{的光谱信息}经SNV、MSC预处理后的PCA效果最佳,2种大黄鱼样本间彼此间距远、无重叠,且前两个主成分累计贡献率均在90%以上;经SNV预处理后的CA分析中除21号野生大黄鱼被误聚到福建养殖大黄鱼类中,其余2种产地大黄鱼样本各自聚为一类。研究表明基于近中红外光谱测定并结合化学计量学处理的方法能够对大黄鱼产地进行较准确地快速区分,从而为大黄鱼溯源鉴别、维护消费者权益和保护区域大黄鱼产业等方面提供技术支撑。