基于GA-SVR算法的顺北区块固井质量预测

为了准确预测西北油田顺北区块固井质量,在固井质量影响因素分析的基础上,采用机器学习方法,建立基于支持向量回归(SVR)模型的固井质量预测模型,并分别利用网格搜索法(GS)、贝叶斯优化算法(BOA)、遗传算法(GA)优选模型惩罚系数C和核函数参数g,以提高SVR预测精度。基于优化的模型结合顺北区块某井进行了实例计算,研究结果表明:相比SVR、GSSVR、BOA-SVR算法,运用GA-SVR算法预测固井质量的均方根误差(RMSE)和平均相对误差(MRE)最低,分别为2.318和7.30%,具有较高的预测精度,可用于该区块固井质量预测。该方法为固井质量预测提供了一种有效手段,有助于固井前开展施工方案优化,提高固井质量。

基于IF-GEP的河湾最大冲刷深度预测方法

为解决传统河流流经弯道的最大冲刷深度预测过程中存在的不足,将孤立森林(IF)和基因表达式编程(GEP)方法相结合,建立了一个基于IF的GEP河湾最大冲刷深度预测模型(IF-GEP),并将该模型与传统GS-SVR和RF模型及现有经验公式进行对比。结果表明,IF-GEP预测模型在测试集上取得了较好的预测效果,且预测精度明显高于现有公式及传统的GS-SVR和RF模型。最后将该预测模型应用于多条不同河流的预测中,IF-GEP预测模型的预测结果与实际测量值较吻合,说明该预测模型具有良好的预测能力和较高的泛化性能。

时空地统计学方法研究及进展

随着理论技术的不断发展,对环境因子仅进行空间估计和量化已不再满足精准农业等地理分支学科的精度要求,因此人们在传统地统计方法的基础上衍生出时空地统计学。该方法将时间域和空间域紧密联系起来,运用时空插值和随机模拟,更客观全面地描述地物的区域性时空分布。本文首先阐明了时空地统计学的主要概念及历史应用领域,随后介绍了当前主流的时空地统计方法及其各自的精度与适用领域,最后总结了时空地统计方法研究的不足和方向。

河道形态重塑对城市河流污染物迁移扩散影响的数值模拟

以重庆市梁滩河某典型渠化河道(Urban)为例,采用RiverBuilder数值模拟工具将河道形态改造为6种河道,利用构建的二维水动力-对流扩散模型考察了河道形态重塑对河流水体更替时间(T_(TOT))、污染物浓度曲线(C_(CC))、污染物达到最大值时间(M_(MT))和污染物达到下游边界时间(A_(AT))等污染物迁移扩散指标的影响。结果表明,通过分别改变Urban河道的宽度(W_(bf))、深度(D_(bf))和蜿蜒度(Md)3个几何变量来重塑河道形态,虽可在一定程度上抑制污染物的迁移扩散,但效果不及基于变量D_(bf)进行多变量组合变化的复合河道。同时,近自然(Natural)河道的抗污能力及污染物扩散抑制能力最强,更适于河流污染物的自净过程。研究证实,将W_(bf)、D_(bf)、M_(d)进行无序复杂变化营造的河道形态更接近Natural河道,能为河流水体水质改善提供良好的生态水力条件。

遥感图像融合效果定向控制

现有的遥感图像融合算法在注入空间细节的同时都会造成一定程度的光谱失真,或者在光谱保真的前提下,细节注入不佳。针对此问题,基于遥感图像融合统一理论框架,采用三种不同策略合成低分辨率全色图像,可以达到不同的融合效果。在格拉姆-施密特(GS)融合算法和合成变量比(SVR)融合算法上进行了验证,分别实现了三种不同强度的融合:强光谱保真融合、强细节注入融合、光谱与细节折中融合。证明可以通过对低分辨率全色图像的合成这一关键步骤的干预,实现融合算法在光谱保真度和细节注入度上的定向控制。提出的细节-光谱可调的融合算法,有效提高了融合算法的适应性。另外,针对不同融合算法的改进方向,也具有一定的借鉴意义。