基于BiLSTM的地质片段层位预测方法

地质分层是指对某一个地区的地层剖面中的岩层进行划分,可用于指导相应的地质找矿工作。传统的地质分层主要依靠专家根据经验进行人工判断,然而由于地质层位类别繁多,需要消耗大量的时间和人力成本。现有的地质层位自动识别方法,由于没能考虑到测井数据的序列关系以及地质层位分布的特点,导致识别效果较差。基于此,本文提出了一种改进的双向长短期记忆神经网络(BiLSTM)的地质片段层位预测方法,可以根据测井数据自动快速地进行地质分层预测。该方法首先对测井数据进行分段处理,然后基于片段式的数据对BiLSTM网络进行相应的修改,其充分利用了地质层位片段式分布的特点,且考虑到了测井数据两个方向上的序列相关性。实验结果表明,本文方法在某油田真实井位数据集上的识别准确率达到了93%,相较于其他网络有着显著的效果提升。

可支持跃层寻径的虚拟场景漫游方法

以三维虚拟场景中角色的自动寻径为研究背景,提出了一种基于A^*算法的跃层寻径方法,采用改进的启发函数评估各个扩展节点的代价值以确定问题的最优解。通过引入碰撞检测机制,对改进的A~*算法得到的路径进行修正以避免碰撞行为的发生,并对修正后路径的关键点进行插值,借助Bézier曲线构建平滑的导航路径。通过实验验证,在目标点可达的情况下,寻径结果能够良好地适配跃层的情形。