基于米氏旋回的三角洲前缘油层对比研究     

赵军  赵凯  张金宇 《沉积学报》2022,40(3):801-812

基于米兰科维奇天文旋回理论在三角洲前缘开展砂岩组和单层级别的油层对比研究,频谱分析和小波变换揭示萨尔图油层Ⅲ油层组存在米兰科维奇天文旋回,可识别出比值接近5∶2∶1的3个旋回厚度,分别对应于偏心率100 ka、斜率40 ka和岁差20 ka周期,推测地层在沉积时受到米兰科维奇天文轨道周期性变化的影响。根据岁差20 ka周期带通滤波（BPF）和堆积速率变化特征,将萨尔图油层Ⅲ油层组划分为9个砂岩组和20个单层。研究表明,岁差20 ka周期调控气候波动的机制与超短期基准面升降变化之间存在着一定的协调作用,利用米兰科维奇天文旋回划分出的单层具有严格的等时性。20个单层砂体的展布特征表明,萨尔图油层Ⅲ油层组经历了多期水进—水退事件,与砂岩组的划分具有较好的对应关系。  相似文献   

基于层数自适应加权卷积神经网络的川藏交通廊道沿线滑坡易发性评价          下载免费PDF全文

黄武彪  丁明涛  王栋  蒋良文  李振洪 《地球科学》2022,47(6):2015-2030

开展铁路沿线滑坡易发性评价对川藏交通廊道工程建设及运维过程中的风险管理具有重要意义.提出一种层数自适应、通道加权的卷积神经网络(layer adaptive weighted convolutional neural network,LAW-CNN),对川藏交通廊道沿线滑坡易发性进行评价.依据野外调查和影响因素分析筛选出影响滑坡发生的影响因子,绘制滑坡编目,构造用于易发性评价的实验数据集;针对卷积神经网络的权重初值、网络层数等超参数难以优化设置的问题,提出基于影响因子信息熵的通道加权方法和网络层数优选策略,通过多通道加权和层数自适应分类卷积的方式提出滑坡易发性制图的LAW-CNN架构;搜索最优LAW-CNN网络结构并训练网络参数,获取研究区滑坡发生概率并进行易发性分级评价.所提的LAW-CNN模型可以不同权重和不同深度挖掘影响因子的深层特征,实验结果表明,模型曲线下面积(area under curve,AUC)值为0.852 8,极高易发区滑坡点密度为1.251 9,均优于SVM(support vector machine)和CNN模型;川藏交通廊道沿线滑坡极高和高易发区主要集中在大江大河两侧以及横断山区.LAW-CNN模型可较好评价川藏交通廊道滑坡易发性,能够为川藏交通廊道的建设和灾害防治提供科学的依据.   相似文献   

基于粒子群-变分模态分解、非线性自回归神经网络与门控循环单元的滑坡位移动态预测模型研究     

姜宇航  王伟  邹丽芳  王如宾  刘世藩  段雪雷 《岩土力学》2022,(S1):601-612

以三峡库区八字门阶跃型滑坡为例,针对静态机器学习模型在周期项位移预测中的不足以及高频随机项位移预测困难等问题,提出了一种新的滑坡位移预测方法。基于时间序列分解思想,采用粒子群算法（PSO）对变分模态分解（VMD）进行参数寻优,并将位移时间序列分解为趋势项、周期项和随机项。趋势项主要受滑坡内部因素影响,采用傅里叶曲线进行拟合预测;周期项由外部因素导致,基于格兰杰因果检验进行成因分析,并引入一种对时间序列历史状态具有较高敏感性的非线性自回归神经网络（NARX）进行预测;随机项频率较高且影响因素无法判定,采用一维门控循环单元（GRU）进行预测。最后将各分量预测位移进行叠加重构,实现滑坡累计位移的预测。结果表明,提出的（PSO-VMD）-NARX-GRU滑坡位移动态预测模型精度较高,且各位移分量预测精度明显高于静态模型中BP神经网络、支持向量机（SVM）和传统自回归模型ARIMA,可为阶跃型滑坡位移预测提供参考。  相似文献   

基于双重注意力机制的滑坡识别方法优化     

吴琪  周创兵  黄发明  姚池 《地质科技情报》2022,41(2):246-253

  相似文献   

基于DeepLabv3+与GF-2高分辨率影像的露天煤矿区土地利用分类     

张成业  李飞跃  李军  邢江河  杨金中  郭俊廷  杜守航 《煤田地质与勘探》2022,50(6):94-103

遥感与深度学习为及时掌握露天煤矿区土地利用情况提供了高效率的技术手段。基于国产高分二号(GF-2)卫星高分辨率遥感影像,利用深度学习DeepLabv3+模型实现露天煤矿区土地利用识别,并与U-Net、FCN、随机森林、支持向量机、最大似然法等方法进行对比。首先,制作高分辨率影像样本数据,通过敏感性测试确定适合研究区露天煤矿场景的样本最佳裁剪尺寸和方式;然后,训练深度神经网络DeepLabv3+模型,进行土地利用识别实验;最后,比较不同方法的识别结果。结果表明:研究区露天煤矿场景下的样本最佳裁剪尺寸为512像素×512像素,最佳裁剪方式为随机裁剪。采用的DeepLabv3+模型对露天煤矿区土地利用识别的总体精度、Kappa系数分别为80.10%、0.73,均优于U-Net、FCN、随机森林、支持向量机、最大似然法等方法的识别精度。DeepLabv3+模型的识别速度与上述5种方法保持在同一数量级,验证了DeepLabv3+模型和GF-2卫星影像在露天煤矿区土地利用识别中的可行性,对露天煤矿区生态环境监测与修复规划具有重要意义。   相似文献   

融合气象要素时空特征的深度学习水文模型          下载免费PDF全文

李步  田富强  李钰坤  倪广恒 《水科学进展》2022,33(6):904-913

针对现有深度学习水文模型未能充分刻画气象要素空间特征的问题, 本文基于主成分分析(PCA)方法提取气象要素空间特征, 利用长短时记忆神经网络(LSTM)学习长时序过程规律, 构建融合气象要素时空特性的深度学习水文模型PCA-LSTM。以黄河源区为研究区域, 利用LSTM模型和物理水文模型THREW作为比对模型, 基于高斯噪音法系统评估PCA-LSTM模型的适用性和鲁棒性。结果显示: PCA-LSTM模型径流模拟纳什效率系数为0.92, 高于比对模型LSTM和THREW, 表明模型具有较高的精度。研究结果可为流域高精度水文模拟提供参考。  相似文献   

基于深度学习的CZ铁路康定—理塘段滑坡易发性评价   总被引：1，自引：0，他引：1  

王世宝  庄建琦  郑佳  牟家琦  王野  付玉婷 《工程地质学报》2022,30(3):908-919

CZ铁路康定至理塘段地处青藏高原东部边缘,区域内地形地貌多变、地质构造复杂,滑坡灾害极其发育,严重威胁着CZ铁路康定至理塘段的规划建设和未来安全运行。因此,选取高程、坡向、平面曲率、剖面曲率、地形起伏度、地表切割度、地形湿度指数、归一化植被指数、岩性、距断层距离、距河流距离、距道路距离共计12个影响因子构建滑坡空间数据库,采用深度学习的卷积神经网络(convolutional neural network,CNN)模型进行滑坡易发性评价,根据易发性指数将研究区划分为极高易发区(13.76%)、高易发区(14.00%)、中易发区(15.86%)、低易发区(18.17%)、极低易发区(38.21%)5个等级,并与人工神经网络(artificial neural network,ANN)模型进行对比。结果表明,CNN模型的评价精度AUC(0.87)大于ANN(0.84)模型,且极高易发区的频率比值高于ANN模型,CNN模型在本研究区有着更高的预测能力;极高和高易发区主要分布在水系较为发育的地区,沿着雅砻江和其他河流两侧2 km范围内呈带状分布。滑坡易发性评价结果较好地反映了研究区滑坡灾害发育的分布现状,能够为该区的CZ铁路建设和未来安全运行过程中的防灾减灾工作提供科学的依据。  相似文献   

基于交叉小波与小波相干的黄土高填方体浅表层水分相关关系研究     

郭冠淼  包含  兰恒星  晏长根  郑涵  唐明 《工程地质学报》2022,30(5):1389-1402

探究黄土高填方边坡浅表层水分间的复杂关系是防治坡体浅层水土灾害的基础,本文以延安安塞某黄土高填方体为对象,开展了现场原位长时序监测,并通过交叉小波与小波相干分析方法,研究了坡面效应影响下黄土高填方边坡浅表层水分间的相关关系。结果表明:小波分析方法可用于半定量化研究黄土高填方边坡内外部水分间的相关关系,其优势是可在时域和频域上清晰表现两个时间序列的相关性与变化细节;降雨和边坡浅层土壤水之间存在两个主要的共振时间尺度0.06~1.78d和3.56~28.47d,在两时间尺度段内降雨与浅层土壤水的相关性呈增强趋势,即两者的相关性强弱存在明显时间尺度依赖;土壤水间的相关性强弱和交换转化剧烈程度可用显著相干面积百分比(PASC)表示,边坡不同位置PASC的平均值大小为坡顶(36.39%)＜上坡段(37.6%)＜中坡段(39.17%),坡面提高了垂向土壤水间的交换转化程度;边坡坡面效应的存在不利于降雨向土壤水的转化,但增强了浅表层垂向土壤水间的交换转化。  相似文献   

基于APSO-SVR-GRU模型的白水河滑坡周期项位移预测          下载免费PDF全文

杨伟东  王再旺  赵涵卓  侯岳峰 《中国地质灾害与防治学报》2022,33(6):20-28

滑坡周期项位移的预测,是研究地质灾害中滑坡变形至关重要的一步。由于单一模型易受偶然因素影响,且无法充分利用有效信息,导致其预测精度不高,适用性不强。基于此,文中提出了一种结合自适应粒子群算法（APSO）、支持向量机回归算法（SVR）、门控神经网络算法(GRU)的组合模型。该模型通过自适应粒子群优化算法对支持向量机回归算法进行参数寻优,确定最优参数组合,然后利用最小二乘法对APSO-SVR模型与GRU模型赋权建立最优权重比组合模型。以三峡白水河滑坡作为研究对象,选取降雨量、库水位及位移量作为周期项位移的影响因子,对模型进行训练验证,结果表明:在白水河滑坡周期项位移预测中,文中所提出的APSO-SVR-GRU组合模型与单一模型相比,具有更高的预测精度和稳定性。  相似文献   

利用土壤地球化学数据和BP神经网络预测松嫩平原油气资源     

刘凯  朱建新  戴慧敏  刘国栋  许江  宋运红  杜守营 《地质与资源》2022,31(6):784

基于东北地区多目标区域地球化学调查获得的海量土壤地球化学数据,利用BP神经网络模型,在土壤地球化学性质与油气田空间位置之间建立模型,构造最优的油气资源预测模型. 以土壤54项地球化学指标以及XY坐标值共同作为模型输入层,以样本是否在油气田内(1代表油气田内,0代表油气田外)作为模型输出层,基于随机抽取的油气田内和油气田外各500个土壤样本数据进行模型训练. 结果显示,多次训练后识别准确率保持在90%左右,说明该模型分类效果较好,可用于油气资源预测. 利用该模型获得了松嫩平原11 291个土壤样本的含油气概率,并绘制了油气资源预测图. 研究表明,神经网络对于解决复杂的非线性地质问题可以发挥重要作用.  相似文献