超参数对GRU-CNN混合深度学习弹性阻抗反演影响研究     

梁立锋  刘秀娟  张宏兵  陈程浩  陈锦华 《物探与化探》2021,(1):133-139

CNN-GRU混合深度学习反演弹性阻抗取得了较好的反演效果。但是,基于深度学习的叠前反演参数众多,包括内部深度学习网络可学习参数和外部超参数等,目前超参数选取对网络性能及计算速度影响尚缺乏系统性研究,这直接影响到了该方法的进一步推广应用。因此,本文在混合深度学习反演弹性阻抗基础上,探讨学习率、Epoch、batch_size、正则化参数及参与网络训练的测井个数等5个超参数对网络性能及计算速度的影响,为深度学习地震反演超参数选取提供依据。研究结果可为三维大面积深度学习反演提供一个可行的质控手段,对于推动深度学习方法在石油物探中广泛应用具有一定意义。  相似文献   

机器学习模型在滑坡易发性评价中的应用          下载免费PDF全文

刘福臻  王灵  肖东升 《中国地质灾害与防治学报》2021,32(6):98-106

机器学习在滑坡的易发性评价中面临两个难点,一是评价指标的客观量化,二是训练样本的选择。鉴于此,采用频率比法实现了评价指标的客观量化,利用k均值聚类算法实现了非滑坡样本数据的筛选。结果表明,以k均值聚类算法筛选非滑坡为前提,神经网络的训练精度由73%提升到了97%,支持向量机的训练精度由75%提升到了96%。基于GIS平台,将神经网络和支持向量机模型计算的全区易发性指数按自然断点法分为五个区域,分区图与历史灾害点的叠加分析统计结果显示,神经网络在全局范围内的评价结果优于支持向量机模型,全局精度分别为76%和74%。研究结果可为南江县的防灾减灾工作提供参考。  相似文献   

基于高光谱技术的黑土地微量金属元素探测方法及地学意义     

王建华  左玲  李志忠  穆华一  周萍  杨佳佳  赵英俊  秦凯 《地质力学学报》2021,27(3):418-429

在土壤中重金属含量较低的情况下,重金属的高光谱特征响应非常微弱,不易构建精确的高光谱直接反演模型。为了解决上述问题,依据土壤化学变量间的理化性质,将重金属富集特征转移到与之相关的化学主量元素上,使重金属微弱的信息得以间接定量反演。文中以海伦市黑土土壤为研究对象,通过主成分分析、聚类分析确定了主量元素氧化铁（Fe₂O₃）与微量重金属As、Zn、Cd之间存在明显吸附赋存关系。选用偏最小二乘法构建了研究区氧化铁含量的最佳反演模型（决定系数为0.704,均方根误差为0.148,F检验为12.732）,并利用氧化铁与As、Zn、Cd之间的赋存关系,通过神经网络构建了氧化铁预测值与重金属真实值间的非线性拟合模型,得出As含量的拟合程度最高,Zn的拟合程度较好,Cd的拟合效果较理想,总体相关性分别为0.796、0.732、0.530。研究结果表明,基于氧化铁含量的间接预测模型能对微量重金属As、Zn、Cd进行较好的定量预测,为微量重金属含量的定量分析提供了新的方法参考,为高光谱遥感技术预测土壤重金属含量提供了依据,增强了土壤微量重金属反演可行性,对细化自然资源质量监测、深化开展地学系统综合分析与评价有重要意义。   相似文献   

使用长短期记忆人工神经网络进行花岗岩变形破坏阶段的判别          下载免费PDF全文

陶雪杰  徐金明  王树成  王亚磊 《水文地质工程地质》2021,48(3):126-134

判别岩石所处的变形破坏阶段是分析岩石变化过程的重要基础。由于室内试验视频数据具有很好的等时距分布特征,可以使用基于长短期记忆的神经网络（LSTM-NN）模型判别外荷作用下岩石的变形破坏阶段。本文根据花岗岩室内单轴压缩试验所得应力-应变曲线和试验视频图像中裂隙的分布情况,将岩石变形破坏过程分成岩石压密阶段、弹性变形阶段、裂隙扩展阶段、整体破坏阶段,在提取不同阶段不同组分主要数字特征参数（面积）基础上,建立了基于LSTM-NN模型的岩石变形破坏阶段分类网络,分析了模型主要参数（学习率和最大周期等）对分类准确性的影响,使用所建模型对岩石所处变形破坏阶段进行了判别。结果表明,在LSTM-NN模型参数中,学习率和最大周期对变形破坏阶段判别准确率的影响较大,二者分别为0.005和200时的判别准确率达到最高;对于整个变形破坏阶段来说,LSTM-NN模型对裂隙扩展阶段预测的判别效果最好、对整体破坏阶段预测的判别效果最差;对于花岗岩中不同组分来说,LSTM-NN模型对变形破坏阶段预测准确性高低的顺序是裂隙、黑云母、长石、石英。  相似文献   

基于循环神经网络的单站能见度短临预报试验          下载免费PDF全文

李昕蓓  张苏平  衣立  韩美  潘宁 《山东气象》2019,39(2):76-83

由于能见度具有局地性和复杂的非线性变化特征,一直是精细化预报的难点。人工神经网络对复杂变化过程的模拟能力较高,为解决这一难题提供了可能性。本文采用循环神经网络,利用福州气象观测站地面观测数据,建立了福州单站能见度短临预报模型,并就预报能力进行了评估。随机检验结果表明,在1 h、3 h、6 h时效上,循环神经网络的预报与观测的变化趋势一致性较好;均方根误差比基于实况的预报分别减小15.75%、31.66%、41.26%,说明具备较好的预报能力;平均绝对值误差比传统BP神经网络分别减小12.90%、24.45%、 38.99%,表明循环神经网络对能见度预报具有优势,为能见度的精细化短临预报提供了新途径。  相似文献   

CINRAD-SA双偏振雷达资料在降水估测中的应用初探   总被引：2，自引：0，他引：2       下载免费PDF全文

陈超  胡志群  胡胜  张扬  李珊珊 《气象》2019,45(1):113-125

对基于水平反射率ZH和差分传播相移率K_(DP)的降水估测综合法R(C)进行了改进,并对广州S波段双偏振雷达2016年2次飑线和2次台风降水过程的Φ_(DP)使用小波分析进行滤波处理,在此基础上使用变距最小二乘法拟合得到K_(DP)的值。分别使用R(C)和R(Z_H)法对2次飑线和2次台风降水过程进行降水估算,将估算结果和雨量计小时雨量进行了对比,并将两种方法的评估结果进行了对比。结果表明:(1)对于飑线类型降水,R(C)法对5 mm·h~(-1)以上的降水估测精度要好于R(Z_H)法,且降水率越大,R(C)法优势越明显,当降水率≥20 mm·h~(-1)时,两次过程R(C)法比R(Z_H)法的平均相对误差(RE)降低了17. 2%,平均绝对误差(AE)减少了1.89 mm,平均均方根误差(RMSE)减少了1.66 mm;(2)对于台风类型降水,R(C)法对5 mm·h~(-1)以上的降水估测精度也好于R(Z_H)法,当降水率≥20 mm·h~(-1)时,两次过程R(C)法比R(Z_H)法的平均RE降低了33. 19%,平均AE减少了3. 95 mm,平均RMSE减少了4.05 mm;(3)对于飑线和台风两种类型降水R(C)法都明显改善了降水率较大时的R(Z_H)法低估问题,但R(C)法在降水率10 mm·h~(-1)时也存在低估,可能是由雨滴谱资料观测误差导致拟合的系数偏小或雷达硬件造成的观测偏差等造成的。  相似文献   

基于小波长短期记忆网络的风电功率超短期概率预测     

王朋  孙永辉  翟苏巍  候栋宸  王森 《南京气象学院学报》2019,11(4):460-466

随着大规模的风电并网,风电所具有的间歇性与随机性对电力系统的稳定性产生了很大的影响,风电功率预测成为当前解决该问题重要的方式之一.本文利用长短期记忆（LSTM）网络良好的时序记忆特性,将小波分解技术与LSTM深度网络结合,提出基于小波长短期记忆网络的风电功率超短期概率预测模型.首先通过小波分解技术将原始时间序列进行平稳化处理,再建立各子序列样本的LSTM网络预测模型,借助最大似然估计法估计预测误差的高斯分布函数,最终实现对未来4 h时刻的风电功率概率区间预测.最后,采用中国东北某风电场数据对所提方法进行算例分析,结果表明,将小波分解与深度学习方法结合可以较好地提高预测的精度,提高概率预测的区间可靠性.  相似文献   

具有遗忘时滞的静态神经网络的H_∞状态估计     

吴淑晨  李晓迪 《南京气象学院学报》2019,11(4):440-445

本文研究了具有遗忘时滞的静态神经网络的H_∞状态估计问题.首先降低了时变时滞可微的条件,然后通过构造合适的Lyapunov-Krasovskii泛函,设计保H_∞性能的状态估计器,使得误差系统实现全局渐近稳定.最后,借助Matlab中线性矩阵不等式工具箱进行数值仿真,验证了结论的有效性.  相似文献   

循环神经网络在雷达临近预报中的应用          下载免费PDF全文

韩丰  龙明盛  李月安  薛峰  王建民 《应用气象学报》2019,30(1):61-69

该文将循环神经网络（recurrent neural network,RNN）应用于雷达临近预报。使用预测循环神经网络（predictive RNN）架构,利用雷达历史组合反射率因子建模,给出雷达组合反射率因子未来1 h的预报结果。预测循环神经网络的核心是在长短时记忆单元（long short-term memory,LSTM）中增加时空记忆模块,能够提取雷达回波不同尺度的空间特征,配合循环神经网络架构,可以有效解决反射率因子预测问题。北京大兴雷达和广州雷达长时间序列的独立检验结果和2个强对流天气个例检验结果表明:该方法和传统的基于交叉相关法的1 h雷达外推临近预报相比,在20 dBZ和30 dBZ检验项目内,临界成功指数（CSI）可以提升0.15~0.30,命中率（POD）提高0.15~0.25,虚警率（FAR）降低0.15~0.20,该方法对反射率因子强度变化有一定预报能力。  相似文献   

基于BP神经网络反演分析的隧道塌方机理研究          下载免费PDF全文

陈航  张贝贝  旷华江  肖丽娜 《水文地质工程地质》2023,(3):149-158

岩溶区隧道在施工过程中易发生崩塌,针对力学方面的隧道塌方机理分析较多,而针对岩溶软弱破碎带等地层方面的隧道塌方机理研究分析较少。为保证隧道施工的安全性、经济性和可行性,掌握隧道施工中的塌方机理非常有必要。依托贵州某岩溶破碎地层隧道在开挖过程中发生的坍塌现象,结合隧道的监测数据,运用BP神经网络的构建原理,对隧道的地层参数进行反演。将反演土体力学参数输入到FLAC3D有限元软件构建的不同施工方法模型中,对典型断面的崩塌破坏机制和风险进行判断和分析。结果表明：施工方法对隧道开挖的稳定性影响较大,针对围岩等级为Ⅴ级的隧道,采用三台阶七步法和单侧壁导坑法施工较安全,隧道塌方与隧道双向同时开挖没有关系;反演所得的隧道拱顶位移预测值为2.3 cm,地表位移预测值为1.2 cm,与监测数据偏差13%左右,反演结果具有一定的可信度。研究结果对岩溶区软弱破碎地层断面隧道公路建设具有重要指导意义。  相似文献