产气剖面井资料在涪陵焦石坝页岩气田开发的应用

涪陵焦石坝页岩气气田已经实现商业开发,主要采用长水平段分级压裂模式进行。结合涪陵焦石坝页岩气田页岩气水平井产气剖面测井资料,在分析产气剖面测井资料解释方法的基础上,对涪陵焦石坝页岩气水平井产气剖面测井资料的实际应用效果开展系统研究,总结出产气剖面测井资料在页岩气田开发中的应用,为页岩气水平井轨迹钻遇小层设计、页岩气藏储层评价、压裂工艺参数优化及动态分析提供可靠依据,有效指导页岩气田的合理开发。     

基于机器学习的焦油预测模型研究

为研究卷烟焦油预测模型,以焦油的释放量为研究对象,运用不同的回归方法进行焦油预测研究,以各个模型的标准化均方误差为评判尺度,对各个模型的预测效果进行了比较.结果表明,各模型的预测精度差别较大,整体来看机器学习方法对于焦油的预测精度较高,其中以随机森林算法回归对于焦油的预测精度最高,表现出较高的预测精度和良好的稳定性,其次表现较好的机器学习算法为支持向量机回归方法.因此,在焦油预测应用或研究中可以运用随机森林或其他机器学习方法对焦油进行建模预测.     

基于机载激光雷达的森林地上碳储量估测

以内蒙古大兴安岭生态站为研究对象,以2012、2013年的66块样地数据和2012年同步获取的机载Li DAR遥感数据为数据源,分别采用多元线性回归和随机森林回归算法,通过对比不同算法间的估测精度差异,选择更适于研究区的估测方法,实现研究区森林地上碳储量的遥感估测。结果表明:随机森林回归算法的估测精度最优,模型训练精度(R2为0.861,RMSE为11.133 t/hm2,rRMSE为0.279)和预测精度(RMSE为17.956 t/hm2,rRMSE为0.342,估测精度范围40.898%~95.129%,平均估测精度76.385%)均优于多元线性回归的模型训练结果 (R2为0.676,RMSE为11.846 t/ha,rRMSE为0.351)和模型预测结果(RMSE为22.703 t/hm2,rRMSE为0.636,估测精度范围45.824%~94.752%,平均估测精度69.859%)。机载Li DAR数据的高度变量和密度变量与森林地上碳储量均具有显著相关性,高度变量相关性更为显著。随机森林回归算法对区域森林地上碳储量的估测结果趋于真实分布情况,效果比较理想。     

应用机器学习模型对中国云贵川区域林火风险预测

加强云贵川区域林火管理,预测云贵川地区森林火灾的发生概率,对保护森林资源和森林生态系统结构和功能具有重要意义。利用MCD64A1火灾数据集、气象数据、地形数据和可燃物含水率数据构建模型训练数据集,结合逻辑回归、随机森林与极端梯度提升等机器学习模型,对中国云贵川区域日尺度林火燃烧概率进行预测。结果表明：单独使用气象数据集对林火燃烧概率进行预测时,极端梯度提升模型表现最好,预测精度为88.6%,其次为随机森林模型与逻辑回归模型,预测精度分别为86.0%与76.7%。地形因素及植被水分指数的引入对机器学习模型有一定的优化效果,极端梯度提升模型与随机森林模型的预测精度的提升均超过1%。     

基于高光谱成像技术的辣椒叶片叶绿素含量估算

叶绿素是植被光合作用的重要物质,能够间接反映植被的健康状况和光合能力.高光谱技术的发展为大面积、快速检测植被叶绿素含量变化提供了可能.选取150组不同生长期的辣椒叶片作为研究对象,分别采集辣椒叶片的高光谱图像和叶绿素含量.利用随机森林特征选择算法进行数据筛选,结合线性回归、偏最小二乘回归、梯度提升回归树、随机森林回归等4种模型分别构建回归模型.结果表明:(1)利用随机森林特征选择算法筛选后波段建立的模型决定系数(r2)均大于0.8,说明该方法具有较高的稳定性和预测精度;(2)利用随机森林特征选择算法筛选的波段结合随机森林回归,其验证集的r2为0.9、均方根误差(RMSE)为1.87、平均绝对误差(MAE)为1.43.可以较为准确地预测辣椒叶片叶绿素含量,为后期利用高光谱成像技术大面积检测辣椒的生长状况提供了理论依据.     

基于机器学习的落叶松树皮厚度预测

  目的  研究多个机器学习算法在树皮厚度预测中的应用,对比分析不同单木因子对树皮厚度预测的影响,为树皮厚度预测提供新的方法。  方法  以大兴安岭天然林落叶松为研究对象,基于树皮厚度数据,构建4个机器学习算法（神经网络ANN、支持向量回归SVR、决策树CART、随机森林RF）,并将其在预测树皮厚度方面的性能与6个传统树皮厚度模型比较。采用决定系数（R2）、均方根误差（RMSE）、平均绝对误差（MAE）和赤池信息准则（AIC）来评价不同模型和算法。  结果  （1）在6个基础模型中Model5预测效果较好。基础模型与机器学习模型比较中,除CART4模型,其他机器学习模型拟合精度均好于传统模型Model5;（2）机器学习模型中ANN4和SVR3拟合和预测精度相似,RF4拟合效果最好。（3）RF4的输入变量为胸径（DBH）、树高（H）、相对树高（H_r）。基于训练样本,与Model5相比,随机森林的R2从0.675 2提高到0.723 4,RMSE从0.575 5降低到0.531 0。随机森林检验结果与Model5相比R2从0.666 9调高到0.710 5,RMSE从0.616 9降低到0.544 6。  结论  相对于基础树皮厚度模型,机器学习算法中的随机森林,支持向量回归和人工神经网络都能提高树皮厚度的预测精度,其中随机森林的预测效果最好,适合该区域落叶松树皮厚度的预测。      

应用反褶积方法评价页岩气井压裂改造效果

用微地震、产剖测试、示踪剂监测等方法,研究页岩气多级压裂水平井缝网形成特征,评价压裂改造效果,由于受施工条件、经济和环境等因素影响,难以取得明显成效。以涪陵页岩气开发试验井为例,应用反褶积方法,结合不稳定生产动态分析,研究多级压裂水平井线性流、拟稳态流(或边界控制流)响应特征,评价压裂改造体积(SRV),可以取得良好效果,为钻完井、压裂试气工艺优化提供了技术依据。     

多种矿物解释模型在焦石坝地区的优选及应用

页岩的脆性特性对储层压裂改造至关重要,而精确求取矿物组分含量是脆性评价的关键。在重庆涪陵焦石坝地区,基于常规测井曲线、岩心分析化验资料以及斯伦贝谢元素测井资料,运用ECS(地球化学元素)测井法、中子-密度二元交会法、三元回归法、五元回归法共4种方法建立矿物解释模型,并分区运行优选应用和定量评价。综合分析可知,ECS测井法解释精度高,但应用受限;三元回归法、五元回归法解释精度高于中子-密度二元交会法,平均相对误差低于行业标准;且三元回归法在导眼井、水平井中均适用,受地层、环境、仪器等影响小,该方法可在大焦石坝地区推广使用,但需要根据区块实际资料建立或完善模型。     

基于多油田的渤海黄河口凹陷区域渗透率评价模型

在储量评价阶段,各油田的渗透率计算主要依赖于该油田的岩心孔渗关系模型,但对于取心井段代表性差的油田,孔渗关系模型计算的渗透率误差较大。基于渤海黄河口凹陷已开发油田储层测井响应特征的相似性,利用图论多分辨率聚类算法对该区域多个油田取心井段测井曲线进行测井相划分,并结合测录井资料,确定了测井相与岩相的对应关系,建立了基于测井相-岩相约束的区域渗透率评价模型。应用结果表明,与岩心资料少且代表性差油田的同一指数关系模型计算的渗透率相比,基于测井相-岩相约束的区域渗透率评价模型计算的渗透率与岩心分析渗透率符合程度更高,明显提高了渗透率的评价精度。该模型为黄河口凹陷相似油田在不取心情况下提供了一种渗透率评价方法,节省取心费用,具有一定的指导意义。     

考虑应力敏感的页岩气藏压裂水平井渗流模型建立与分析

在以纳米孔隙及裂缝发育为特征的页岩气储层中,由应力敏感带来的渗透率降低引起的渗流规律和产能预测研究具有重要理论和现实意义。通过试验研究,分析了应力敏感与渗透率的指数关系,定量计算了应力敏感引起的渗透率变化值。应用页岩气藏压裂水平井的等效渗流模型,在页岩岩样应力敏感性试验结果及分析基础上,建立了考虑应力敏感的渗流综合模型并得到单井产能方程。以威201-H1井为实例,应用已经建立的产能方程进行了应力敏感影响下的产能变化规律分析,结果认为,裂缝是应力敏感的主要来源,并且当储层孔隙越大即产量越大时,应力敏感越强,尤其是在压裂水平井初期影响最为强烈。由此,综合模型的建立及影响因素的分析为实际生产提供了参考依据。     

页岩气储层测井评价技术研究——以S1井为例

系统而准确的页岩气储层参数评价对页岩气勘探开发具有重要的指导意义,利用测井资料的连续性建立有效的页岩气储层参数测井评价体系显得尤为重要。探索了页岩气储层的测井曲线定性识别标准,建立了适合该地区的页岩气储层参数定量解释模型,并通过岩心分析资料对部分解释模型加以校正,完成了S1井的页岩气储层识别、总有机碳质量分数、储层物性、含气量以及地质和测井岩石脆性的评价,并借用岩心分析资料加以验证。实际结果表明,该页岩气测井评价体系能够有效的对页岩气储层参数进行评价,可以为该地区后期的页岩气勘探开发提供测井技术支持。     

基于气象因子的随机森林算法在湘中丘陵区林火预测中的应用

基于湘中丘陵区1988-2014气象观测数据和森林火灾历史数据,应用二项逻辑斯蒂回归模型和随机森林算法,将样本数据随机分成训练样本(60%)和测试样本(40%),重复5次拟合,将每次拟合中筛选出的显著特征变量组成全样本数据进行拟合及交叉验证,建立湖南水口山地区林火发生预测模型。结果表明,林火的发生与林分内日最小相对湿度、细小可燃物湿度码和干旱码显著相关;随机森林算法的预测精度在所有样本组合的模拟中均比二项逻辑斯蒂回归模型的预测精度高7%~10%,即使在交叉验证中,前者的预测精度也要高10%左右,表明随机森林算法具有一定的预测优势和现实应用价值,可用于湘中丘陵地区林火预测和决策管理。     

基于变换光谱与光谱指数的夏玉米叶片含水率高光谱估算

为实现陕西关中地区夏玉米叶片含水率遥感估算,本研究通过夏玉米叶片高光谱反射率和含水率的测定,利用原始光谱及转换光谱,构建任意两波段的光谱指数,分析光谱指数与叶片含水率之间的关系,构建玉米叶片含水率估算的单因素回归模型和基于支持向量回归算法(SVR)、反向传播神经网络回归算法(BPNN)和麻雀搜索随机森林回归算法(SSA-RFR)的多因素模型,并根据模型精度筛选玉米叶片含水率估算的优化模型。结果表明,随叶片含水率的增加,短波红外波段的光谱反射率降低,最优光谱指数的构成波段主要位于短波红外波段,其中基于一阶导数光谱的比值光谱指数(R_{1 563}/R_{1 406})和归一化光谱指数[(R_{1 563}-R_{1 406})/(R_{1 563}+R_{1 406})]与叶片含水率相关性最佳,其相关系数绝对值均达0.83;多因素回归模型的模拟效果优于单因素回归模型,基于麻雀搜索随机森林回归模型的精度最高,验证集决定系数(R²)为0.78,均方根误差(RMSE)和相对误差...     

SLG气田砂岩气井储层压裂效果评价新方法

低渗透油藏经济有效开发的难度非常大,压裂效果评价准确与否直接影响开发效果。通过对SLG气田砂岩气井储层基础地质资料、测井数据及试井数据的相关性分析研究,总结出试井数据与储层测井数据、压裂改造数据的相关性规律,评价了低渗透油藏人工压裂井的施工方案,为该区油藏的合理开发提供参考。     

全极化合成孔径雷达高维小样本数据在森林地上生物量估算中的应用

以河北省承德市塞罕坝机械林场为试验区域,设置37块实测样地;以随机森林模型、自适应遗传算法为基础,构建随机森林模型与自适应遗传算法的混合算法(RF-LOOCV-AGA),对高维小样本合成孔径雷达(SAR)数据特征集同时进行特征选择和回归估计;利用试验地大地2号(ALOS-2)全极化数据提取121个高共线性特征,结合实测样地数据,构建高共线性高维小样本数据集,并应用随机森林模型与自适应遗传算法的混合算法、随机森林算法、逐步回归法,分析全极化合成孔径雷达数据估算森林地上生物量时,因样地较少、影响因素维数多存在的高共线性;探索在算法层面各极化分解参数之间存在的高共线性及小样本林业数据回归估计泛化能力。结果表明：随机森林模型与自适应遗传算法的混合算法从121个高共线性特征集中筛选出含19个影响因素的特征子集,交叉留一法验证泛化精度决定系数为0.906 9、均方根误差为14.184 0 t/hm²、相对均方根误差为11.70%;逐步回归法从121个高共线性特征集中筛选出含7个影响因素的特征子集,交叉留一法验证泛化精度决定系数为0.777 0、均方根误差为23.075 9 t...     

基于GNNM的加工番茄产量预测研究

为提高加工番茄产量预测精度,提出一种串联型组合灰色神经网络模型(grey neutral net model,GNNM)的番茄产量预测方法。通过以新疆某加工番茄产业基地的历史数据作为研究对象,利用灰色关联分析法,获取与加工番茄产量相关性较大的影响因素,剔除非主要影响因素。以主要影响因素和灰色模型(grey model,GM)预测值作为神经网络模型输入,加工番茄产量作为输出,构建GNNM预测模型。仿真试验结果表明,新预测模型具有更好的逼近能力和预测精度,为加工番茄产量精准预测提供了一种新的方法。     

页岩气藏综合渗流模型建立及影响因素分析

为了定量分析扩散、滑脱及应力敏感对页岩气藏压裂水平井生产的影响，在三线性渗流模型的基础上，重新建立了多因素综合渗流数学模型，并对模型进行了解析推导，得到了综合影响因素下的产能方程。综合模型中，扩散和滑脱作用于基质孔隙提高渗透率以增加产量，应力敏感作用于裂缝网络损失渗透率以降低产量，多重因素的综合影响取决于孔隙大小、储层压力和裂缝宽度等因素。应用得到的产能方程进行了威201-H1井的实例分析，得到了不同孔隙直径和不同裂缝开度下各因素的综合作用效果。结果表明，与未考虑综合因素模型的产量相比，随着基质孔隙直径的增加，综合渗流模型的产量由增加会转变为减少，并且当遇到裂缝开度较大时，转折的孔隙阈值会相应减少。     

基于深度学习的湘赣鄂地区植被变化 及其影响因子关系模型

构建NDVI及其影响因子之间的关系模型是对区域植被变化进行预测的重要方法之一,然而传统的模型大多通过线性回归方法构建,且主要选取单一影响因子进行模型构建。深度学习是一种有效训练深层神经网络的机器学习算法,具有训练速度快、预测精度高的优点,近年来被应用于图像识别、回归分析等各领域。笔者引入深度学习方法,以气象、土壤、地形等多因子为模型自变量,以MODIS-NDVI为因变量构建关系模型,应用于湘赣鄂地区2005—2015年植被变化的预测中,对所建模型的适用性进行了评价。结果表明:深度学习模型与线性回归模型相比预测精度更高,预测效果更好,NDVI深度学习预测值与原始MODIS-NDVI值的相关系数达到0.804。可见,深度学习具有较强的模型构建及预测能力,能够地对区域植被变化进行有效的预测,进而为作物产量估算、冻害监测、植被覆盖度监测等研究提供帮助。     

青海东昆仑八宝山盆地高原含气泥页岩储层关键参数评价

青海东昆仑八宝山盆地三叠系八宝山组为一套高原陆相碎屑岩及火山岩沉积,目前对于高原陆相泥页岩缺少有效的测井评价方法。参考传统页岩气评价思路,挖掘研究区重点井常规及成像测井响应特征与岩心实验数据的关系,对储层关键参数进行评价：(1)基于常规测井曲线,利用相关性分析优选9个岩性敏感因子,通过最优化算法求取6种主要矿物含量;(2)利用基于常规曲线的多元线性回归、电阻率-声波时差重叠、体积模型、铀含量计算等多方法进行总有机碳含量(w(TOC))计算及方法优选;(3)基于矿物体积模型进行变骨架的基质孔隙度计算、利用微电成像进行裂缝拾取及裂缝参数评价、利用PoroTex图像处理技术刻画溶蚀孔缝发育程度、基于阵列声波波场分离技术进行斯通利波界面反射、幅度衰减计算及渗透率反演;(4)岩心实验刻度测井,优选关键地质参数,构建吸附气、游离气及总含气量计算模型;(5)基于阵列声波岩石力学静态转换参数及矿物体积模型,优选适宜研究区的岩石脆性及可压裂性评价方法。结果表明,基于测井的储层关键参数多方法优选结果取得了较高的精度,建立的研究区储层品质评价标准解决了八宝山盆地高原含气泥页岩储层评价的难题,取得了较好的应用...     

基于改进果蝇算法优化广义回归神经网络的绿色农产品消费行为预测

针对绿色农产品消费行为具有多变量非线性相互作用的特点，传统统计方法难以准确预测消费行为的问题，提出基于改进果蝇算法优化的广义回归神经网络消费行为预测模型。首先针对果蝇群搜索不均匀所导致果蝇飞行单一的问题，提出一种均匀的果蝇群搜索机制即扇形果蝇优化算法加快搜索能力和效率；其次针对广义回归神经网络的平滑因子易受人为选择的影响，提出改进果蝇算法优化广义回归神经网络参数，实现参数的自动化选择，提高模型的预测能力。运用提出的模型对绿色农产品消费行为预测。结果表明：相较于广义回归神经网络，遗传算法优化广义回归神经网络、粒子群算法优化广义回归神经网络、果蝇算法优化广义回归神经网络和改进果蝇算法优化广义回归神经网络模型在均方根误差指标上分别下降4.45%、1.89%、4.54%和5.03%,表明遗传算法、粒子群算法、果蝇算法和改进果蝇算法能够优化广义回归神经网络模型的平滑因子，提高模型的预测精度。从平均绝对误差、均方误差、均方根误差3个评价指标看，改进果蝇算法优化广义回归神经网络模型比其他6个单一预测模型具有更高预测精度。结果证明了改进果蝇算法优化广义回归神经网络模型在绿色农产品消费行为预测的有效性，...