基于文本-图像增强的突发事件识别及分类方法研究

[目的/意义]丰富的互联网数据为洞悉真实事件提供了多维视角,快速识别突发事件并准确判断其所属类别,有助于各级政府及应急管理部门高效地管理应急情报资源。[方法/过程]文章构建了基于文本—图像增强的突发事件识别及分类的理论模型;通过文本卷积神经网络、视觉几何群网络搭建深度神经网络共同组成Multi-DNN模型;最后以真实的自然灾害类突发事件数据进行实例验证。[结果/结论]通过文本、图像相互增强,多模态特征融合能够提升突发事件识别及分类的准确率,同时在小样本数据的任务处理中仍有良好效果,证明不同模态的数据能够相互补充、相互印证,对其融合处理能够提供比单一模态更为准确和全面的信息分析。

陆梁油田L9井区J2x1油藏低对比度油层分类及开发控制因素分析

陆梁油田L9井区J2x1油藏自21世纪初探明,由于油水层识别难、油藏类型不清,后期投产井相继失利,导致油藏开发控制因素不清,潜力不明。为此,以识别低对比度油层为基础,结合试油试采动态数据对该区油层类型、油藏特征、开发控制因素以及开发潜力进行再认识。研究表明,分岩性识别低对比度油层解释结论与试油试采符合率达94%,其油藏类型为构造控制,局部受岩性影响的背斜油气藏。影响开发控制的主要因素为避水高度、油层类型及厚度、地层系数以及含油饱和度。据此拟合出油藏初期的产能平面分布图,指出了潜力区的范围及开发方式,这也为下一步的生产开发提供了依据。