我国东南和华北季风区的树木年轮学研究已经经历了30多年的风雨历程,取得了显著的成效,总体上可以分为3个阶段。第一阶段为1990年代及之前,主要工作为树轮宽度和树轮化学。树轮宽度研究引入了交叉定年技术,但对树木生长对气候响应的规律认识不明确;树轮化学方面建立了树轮与树下土壤之间金属元素含量的对数线性关系方程,为采用树轮中金属元素恢复环境污染史打下了良好基础。第二阶段为2000年代,树轮宽度研究在东南地区缓慢发展,在华北地区发现树木生长受到水分胁迫;树轮化学方面开始尝试建立污染历史与污染源之间的关系。这段时间一个显著的进展是树轮碳同位素研究的开展,认识到树轮碳同位素包含大气CO2浓度与气候要素信息。第三阶段为2010年以来,这段时期树轮宽度研究取得了爆发式增长,大量研究发现中低海拔树木生长对冷季温度显著响应、中高海拔对暖季温度显著响应,还有一些样点的树木生长同时受到冷季和暖季温度的影响,东南地区仅有零星点上的树木生长受到水分条件的制约,而华北地区树木生长主要受到水分的胁迫;同时,引入树轮氧同位素的研究工作,氧同位素主要反映暖季的水分条件,对具体过程也给予了较多关注;树轮化学有了一定的发展,但是仍需要开展大量的测试工作,才能解决测试数据的可重复性、元素的横向迁移等污染史重建研究中的关键问题。
相似文献针对钻井过程中储层裂隙发育情况不明,防漏堵漏方法和材料选择困难的问题,结合实际井史资料,提出了一种基于神经网络的储层裂缝宽度预测方法。首先通过相关性分析,对储层裂缝宽度的主要相关因素进行分析并对其进行排序,选取了泵压、钻井液排量以及钻速等7种主要相关因素作为输入参数并利用附加动量算法和变学习率算法对模型收敛速度进行提升,同时对模型结构进行优选。其次利用遗传算法(GA)和Adaboost算法对BP神经网络(BPNN)进行优化,克服了其易陷入局部极小值的问题,提升了模型的预测精度。最后建立了Adaboost-GA-BP神经网络预测模型对储层裂缝宽度进行预测研究,同时对比分析了模型的预测精度。结果表明,相关参数与储层裂缝宽度的相关性由高到低依次为漏失速度与漏失量、泵压、钻井液排量、钻速、井深、塑性黏度和钻井液静切力。另外,附加动量算法和变学习率算法使得训练结束时训练数据的绝对误差和降低了27%,显著提升了模型性能,同时通过GA算法优化模型的权值和阈值以及利用Adaboost算法进行集成优化进一步提升了预测精度,建立的Adaboost-GA-BP神经网络储层裂缝宽度预测模型误差和相关系数分别为18%和0.98,与随机森林等其他模型相比,模型的预测精度高,可为勘探开发过程中的裂缝宽度计算以及堵漏方案的制定提供一定的指导。
相似文献