基于近中红外光谱技术鉴别4种大黄鱼产地

目的基于近中红外光谱技术准确快速区分4种产地来源的大黄鱼(福建养殖大黄鱼、温州养殖大黄鱼、舟山养殖大黄鱼和舟山野生大黄鱼)。方法本研究应用傅里叶变换红外光谱仪对4种大黄鱼样本在4000~650 cm^(-1)的红外吸收指纹图谱进行测定,基于特征波段下的光谱吸收差异并结合主成分分析(principal component analysis,PCA)、聚类分析(cluster analysis,CA)和线性判别分析(linear discriminant analysis,LDA)、支持向量机(support vector machine,SVM)模型对大黄鱼样品进行产地区分。结果采用测定波段4000~650 cm^(-1)的全光谱采集信息经过Savitzky-Golay算法平滑预处理后建立的SVM模型效果最优,对4种大黄鱼样本的测试集准确率为83.3%。进一步对福建养殖大黄鱼和野生大黄鱼的产地区分方法优化后,选取特征波段3690~2800 cm^(-1)+1800~650 cm^(-1)的光谱信息经过一阶导数(first derivative,1stDer)、二阶导数(second derivative,2ndDer)和标准正态变换(standard normal variate transformation,SNV)3种方式预处理后建立LDA判别模型,光谱训练集与预测集的准确率均达到100%;3690~2800 cm^(-1)+1800~650 cm^(-1)的光谱信息经SNV、多元散射校正(multiplicative scatter correction,MSC)预处理后的PCA效果最佳,2种大黄鱼样本间彼此间距远、无重叠,且前两个主成分累计贡献率均在90%以上;经SNV预处理后的CA分析中,除21号野生大黄鱼外,其余产地相同的大黄鱼样本均各自聚为一类。结论基于近中红外光谱测定并结合化学计量学处理的方法能够对大黄鱼产地进行较准确地快速区分,从而为大黄鱼溯源鉴别提供技术支撑。

基于傅立叶变换红外光谱分析的3种石首鱼科鱼类品种区分

为实现鲈形目石首鱼科中大黄鱼、小黄鱼和黄姑鱼的品种快速准确区分,应用傅立叶变换红外光谱仪对大黄鱼、小黄鱼和黄姑鱼肌肉样品在4000~650 cm-1范围内的近中红外光谱吸收特征进行了测定,基于特征波段下的光谱吸收差异并结合主成分分析(principal component analysis,PCA)、聚类分析(cluster analysis,CA)和线性判别分析(linear discriminant analysis,LDA)、支持向量机(support vector machine,SVM)数据建模对3种石首鱼类样品进行品种区分。结果表明:3种鱼类肌肉样本在特征波段1800~650 cm-1下的红外吸光谱选择一阶导数(first derivative,1st Der)+标准正态变换(standard normal variate transformation,SNV)和1st Der+多元散射校正(multiplicative scatter correction,MSC)2种方式预处理后进行PCA,3种鱼样本间彼此间距远、无重叠;特征波段1800~650 cm-1下的红外光谱数据经1st Der结合SNV预处理后进行聚类分析时各自聚为一类;特征波段1800~650 cm^(-1)下的红外光谱经过1st Der、SNV、MSC预处理建立的LDA模型和经过SNV、MSC预处理建立的SVM模型测试集准确率均为100%。研究结果表明利用近中红外光谱吸收特征差异,结合化学计量学分析手段能够有效对大黄鱼、小黄鱼和黄姑鱼进行品种判别,为水产品真实性鉴别提供技术参考。

基于可调因子Gabor小波变换的地震高分辨处理方法

时频分析是利用地震资料识别薄层的重要方法之一,常规的时频分析方法受到固定时窗、窗函数等因素影响。为此,采用一种基于可调因子Gabor小波(Tunable Factor Gabor Wavelet,TFGW)的连续小波变换(Continuous Wavelet Transform,CWT)(简称TFGW-CWT)的时频分析方法对地震资料进行处理。该方法采用具有可调因子的Gabor小波进行变换,然后使用最小绝对值投影方法组合每个可调因子的连续小波系数,降低邻近频率的交叉干扰,提高局部时频分辨率。进一步采用非负矩阵分解(Non-negative Matrix Factorization,NMF)对时频数据体降维,得到一个低秩的特征数据结构关系体,减少了高维空间的数据冗余,凸显了高频信息,达到提高地震资料分辨率的目的。模拟记录和实际资料处理结果证实了该方法的有效性,可为薄层检测提供一种新的技术手段。

药学专业生物化学实验教学改革的探讨

生物化学是一门重要的药学基础学科。理论知识来源于实践研究,生物化学的实验技术和方法不仅为生物化学的迅速发展创立了条件,也为其他基础医学和药学的研究奠定了基础。针对生物化学实验的自身特点及重要性,本着提高教学质量,培养应用型人才的目的,探讨在生物化学实验中的一些改革思路。

不同插值方法在断层检测模型中的应用效果对比分析

为了了解同一断层检测模型在不同插值方法下的检测效果和同一插值方法在不同断层检测模型的检测效果。对比视觉几何组VGG(Visual Geometry Group)、多层感知机MLP(Multi-layper Perceptron)、支持向量机SVM(Support Vector Machine)三种断层检测模型在linear、nearest、cubic、area四种插值方法下的检测效果,其实现过程是利用CNN卷积层提取特征,全连接层分别用MLP、SVM作为分类器,建立MLP、SVM模型,根据地震剖面数据和断层数据构建样本,对VGG、MLP、SVM模型进行训练,训练好后通过模型数据测试。发现相同插值方法下SVM模型检测结果较好,同时发现同一模型中area插值法下检测效果最好。该测试表明:在选择的模型数据中使用area插值方法可以提升断层检测的性能。

主体性教育视角下的工科专业课程教学案例构建研究——以高分辨率地震勘探课程为例

主体教育思想是自改革开放以来在我国教育界形成的一种教育哲学思想,该教育理论在研究生教育政策文件中得到体现。通过教学案例探讨研究生专业课程的建设,充分体现科研在教学内容上的应用和对学生能力的培养途径,达到师生的和谐发展。在主体性教育思想理论指导下以教师和学生为双主体来构建教学案例,探索如何通过案例教学来提升教师的职业素养,促进学生的全面发展。围绕教师、学生的主体性与教学案例、培养目标的自洽,以教学案例构建及教学的实施来论述师生的协调发展。教学案例的构建及实施期望达到与研究生教育特征相匹配的教师职业提升与研究生培养,为优质课程建设中教学案例的构建提供参与示范。

基于长短期记忆循环神经网络的伊拉克H油田碳酸盐岩储层渗透率测井评价

伊拉克H油田碳酸盐岩储层孔隙结构复杂,孔隙类型多样,给渗透率测井评价工作带来了极大困难。针对这一问题,建立了基于测井序列信息的长短期记忆(LSTM)循环神经网络渗透率预测模型。从测井响应差异以及测井序列信息出发,优选敏感测井曲线,搭建LSTM循环神经网络,训练网络并优化网络参数,建立了基于LSTM循环神经网络的伊拉克H油田碳酸盐岩储层渗透率预测模型。应用该模型对伊拉克H油田进行渗透率测井评价,并将预测结果与灰色系统预测模型GM(0,N)进行对比。结果表明:相对于灰色系统预测模型的结果,基于LSTM循环神经网络的渗透率预测模型的均方根误差降低了29.47%,皮尔逊(Pearson)相关系数提高了6.59%,取得了较好的应用效果。该模型能够充分挖掘测井曲线与渗透率之间关系的信息,提升了储层渗透率评价精度。

基于深度学习的三种地震波阻抗反演方法比较

神经网络结构的差异性导致深度学习效果不同。为此,在对比全卷积神经网络(FCN)、卷积循环神经网络(CRNN)和时域卷积神经网络(TCN)的三种网络结构的基础上,通过正演模型测试,对比、分析基于上述三种深度学习的地震波阻抗反演方法的精度和计算效率;然后通过实际资料应用进一步对比三种方法的效果。模型测试结果表明,基于TCN的波阻抗反演的计算效率和反演精度相对较高,基于TCN、FCN和CRNN的波阻抗反演用时分别为82、68和264s,皮尔逊相关系数分别为99.15%、97.84%和98.14%。实际资料应用表明,基于TCN的波阻抗反演结果与测井资料更加匹配。该结论可为智能地震波阻抗反演方法的优选提供参考。

应用时域卷积神经网络的地震波阻抗反演方法

地震波阻抗反演是储层预测研究的一种重要手段,线性地震波阻抗反演方法求解精度依赖于初始地质模型,而完全非线性方法可望得到高精度求解结果。有鉴于此,首先利用全卷积神经网络、因果卷积、膨胀卷积和残差块构建一个时域卷积神经网络(TCN),以建立地震数据与波阻抗之间的非线性映射关系;然后通过该网络对样本进行训练得到反演映射模型,进一步将地震数据输入该模型得到地震波阻抗。正演数据及实际数据测试结果表明,所提方法实现了地震数据到地震波阻抗间的映射,为地震波阻抗反演提供了具有并行计算能力和自适应结构的智能化方法,并在港2025区块砂泥岩储层预测中得到成功应用。

基于ICEEMDAN的曲波阈值地震数据去噪方法研究

地震数据去噪对地震资料的品质的提升有重要的作用,因此对地震数据噪声的压制非常必要。本文提出一种基于ICEEMDAN与曲波阈值相结合去噪处理的方法,该方法解决了经验模态分解的模态混叠问题,使ICEEMDAN分解出来的模态分量特征更明显,然后通过曲波阈值对模态分量进行去噪并对处理的模态分量进行重构,利用信噪比(SNR)、均方根差(RMSE)对地震合成记录和地震实际数据与小波变换的去噪效果进行对比分析。结果表明,基于ICEEMDAN与曲波阈值相结合的方法提高了信噪比,可以更好地保留有效信息,验证了本文方法对地震信号的降噪处理的有效性。

日本学界妈祖研究的学术脉络与内容聚焦——基于CiteSpace的可视化分析

妈祖信仰源于福建,后传播到东亚地区,近百年来,一直受到日本学者的关注。笔者以日本国立国会图书馆和日本国立情报研究所CINII两大数据库为基础,以妈祖为关键词进行检索。文献数据的时间跨度为上世纪80年代至今,共获得百余条论文数据,其中不包含著作。笔者借助CiteSpace软件,通过年份、作者、关键词、机构、发文期刊等分析,生产可视化数据,并综合前人学者研究成果,从中国、日本、国际比较视野三个方面把握日本学界妈祖研究的内容。在此基础上探析日本学界在该研究领域的学术脉络,并进一步挖掘和揭示该领域的前沿知识和研究趋势,旨在为国内妈祖研究提供新的研究视角和宝贵的研究资料,推动海上丝绸之路妈祖文化的传播研究。

基于知识蒸馏的回归方法在地震层位追踪中的应用

近年来深度学习方法在地震层位追踪上得到了广泛应用,但其存在计算量大、占用内存多等缺点.针对上述问题,通常采取知识蒸馏方法进行优化,其主要利用学生模型模仿教师模型的输出,将复杂的教师模型压缩为简单的学生模型,降低了神经网络模型的参数量和计算量,并使模型保持较高的精度.然而,现有的知识蒸馏方法大多侧重于分类任务,并要求教师和学生模型体系结构相似.为了突破上述限制,本文构建了一种用于回归任务的知识蒸馏方法,该方法首先使用不同架构的学生模型和教师模型,其教师模型和学生模型分别采用长短期记忆(LSTM)循环神经网络和卷积神经网络(CNN)进行构建,然后通过LSTM和CNN来构建一个新的目标函数,该方法的关键是将CNN预测结果和LSTM预测结果之间的差异作为知识蒸馏信息,从而得到适合回归任务的地震层位追踪模型,最后利用该模型进行层位追踪.经合成数据和实际数据测试,结果表明,本文的方法比基于CNN的层位追踪精度明显提高,且达到LSTM相当的层位追踪效果,验证了基于知识蒸馏的地震层位追踪方法的可行性和有效性.

基于U^(2)-Net的高精度多套层位追踪方法及应用

层位追踪是地震资料解释中一项基础且重要的工作,常规智能层位追踪方法的精度难以满足实际生产需求。为此,提出了一种基于U^(2)-Net的高精度多套层位追踪方法。首先,设计一种充填标签的制作方法,遍历地震数据每个像素点,判断当前像素点所在位置并为其划分一个层位区域;对于穿过断层的层位,则自动搜寻相邻层位,实现非全区层位、断层等复杂条件下的地震反射层位及不整合面的充填标签的制作;然后,利用充填标签,采用U^(2)-Net网络模型对F3数据体和M工区地震资料进行训练。与U-Net+PPM网络模型相比,U^(2)-Net网络模型的预测精度更高,稳定性更好,泛化性更强,训练时间更短,且预测复杂地区的地震反射层位的准确率和平均交并比都大于95%。该方法可以较好地适应低信噪比地震资料的层位追踪。

时域卷积神经网络地震波阻抗反演因素影响的研究

时域卷积神经网络(Temporal Convolutional Network,简称TCN)被用于地震波阻抗反演,在取得较好反演效果的同时,因其最初的成功实例主要是自然语言处理领域,而在地震反演的应用相对较少,且影响反演结果的因素众多,为了加快该方法在反演中的应用,基于前人研究的基础,注重对地震资料的预处理及网络超参数的选择进行系统分析.因此,笔者在Marmousi-2数据集实现TCN地震波阻抗反演的基础上,进一步研究噪声、归一化、随机采样三种数据预处理方法及TCN反演网络构建时学习率、dropout、批数量、通道数量四种超参数的选取对TCN地震波阻抗反演的影响,为TCN地震波阻抗反演提供预处理与超参数选择依据,并将所选取的预处理操作和超参数组合在TCN地震波阻抗反演中进行应用.该研究可为TCN地震波阻抗反演提供可行的质控手段,同时可为其他深度学习反演的数据预处理和超参数的选取提供参考,对加快基于深度学习的地震波阻抗反演应用进程具有一定的现实意义.