排序方式: 共有23条查询结果,搜索用时 0 毫秒
21.
东营凹陷沙三、沙四沉积时期,发育了大量不同时期的砂砾岩体,它们是非常规油气勘探中重要的储层类型。由于砂砾岩体具有纵向厚度变化大、横向展布不均匀、岩相变化快等特点,在地震属性分析与厚度预测时,用单一属性对储层厚度描述具有很大的不确定性。为此,提取了多种地震属性,采用主成分分析法(PCA)进行优化、去除冗余信息。考虑到随机森林(RF)具有预测精度高、对异常值容忍性强、训练速度快且不易过拟合等特点,引入该方法对砂砾岩储层厚度进行预测。针对属性自相似问题,PCA采用了两种方法:①直接对全部属性做降维处理,提取主成分进行预测(PCA-RF1);②先对相似属性做降维处理,再组合其他属性进行预测(PCA-RF2)。原始RF、PCA-RF1、PCA-RF2方法还与人工神经网络方法(ANN)进行了效果对比,结果表明,基于相似属性降维处理的PCA-RF2方法,具有最佳应用效果。 相似文献
22.
作为二阶点模式分析方法,Ripley's K函数(简称K函数)以距离为自变量探测不同尺度下点事件的分布模式及演变规律,在生态学、经济学、地理学等诸多领域得到广泛应用。然而,随着点规模的增加,估计与模拟阶段点对距离遍历计算时间开销激增,严重制约了K函数的应用,算法流程优化与并行加速成为应对海量点数据下K函数性能瓶颈及可计算性问题的关键技术手段。针对默认数据分区未考虑点事件空间邻近性导致跨节点通讯成本高昂且K函数距离阈值较大时索引优化失效的现象,本文提出一种基于空间填充曲线的K函数优化加速方法。该方法采用Hilbert曲线构建空间分区,在顾及数据空间邻近性的前提下减少分区间数据倾斜和通讯开销;在分区基础上,利用Geohash编码改进各分区内本地空间索引策略加速点对距离计算。本文以湖北省工商企业注册数据为例,通过对比实验分析了默认分区无索引、KDB分区组合R树索引、本文Hilbert分区组合Geohash索引算法在不同数据规模、距离阈值、集群规模下的计算耗时。结果表明,300 000点数据规模下本文方法的时间开销约为默认分区无索引方法的1/4,9台节点下加速比超过3.6倍。因此,该方法能有效提升分布式环境下K函数计算性能并具有良好的可伸缩性,可为其他点模式分析方法的优化提供参考。 相似文献
23.
互联网与大数据技术的高速发展为地理信息服务的互联共享与广泛应用提供了技术基础。面对资源海量、多源异构的地理信息服务,如何实现服务的有效组织并提供合理高效的服务组合,拓展地理信息服务的应用范围,满足更高层次的应用需求受到研究者的广泛关注。构建地理信息服务网络并通过语义实现服务协同,是一种可能的解决方案。本文分析了当前地理信息服务和地理信息服务网络研究的现状,依据服务网络领域的研究成果,从服务网络的表达和优化、服务协同的构建和优化两个方面探讨了基于网络构建的地理信息服务协同方法的发展潜力,进而提出了地理信息服务网络及协同面临的挑战与研究方向。 相似文献