CN110210100B - 一种高精度海底底质沉积物声速预测方法 - Google Patents
一种高精度海底底质沉积物声速预测方法 Download PDFInfo
- Publication number
- CN110210100B CN110210100B CN201910446091.4A CN201910446091A CN110210100B CN 110210100 B CN110210100 B CN 110210100B CN 201910446091 A CN201910446091 A CN 201910446091A CN 110210100 B CN110210100 B CN 110210100B
- Authority
- CN
- China
- Prior art keywords
- sediment
- sound velocity
- sample
- sound
- measurement
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000013049 sediment Substances 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 41
- 239000002245 particle Substances 0.000 claims abstract description 25
- 238000007637 random forest analysis Methods 0.000 claims abstract description 16
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 14
- 238000005259 measurement Methods 0.000 claims description 34
- 238000012360 testing method Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 9
- 235000014653 Carica parviflora Nutrition 0.000 claims description 8
- 241000243321 Cnidaria Species 0.000 claims description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000003066 decision tree Methods 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 claims description 4
- 239000013535 sea water Substances 0.000 claims description 4
- 230000004580 weight loss Effects 0.000 claims description 4
- 230000005484 gravity Effects 0.000 claims description 3
- 238000000691 measurement method Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 2
- 238000002474 experimental method Methods 0.000 claims description 2
- 239000011148 porous material Substances 0.000 claims description 2
- 238000003908 quality control method Methods 0.000 claims description 2
- 150000003839 salts Chemical class 0.000 claims description 2
- 150000004649 carbonic acid derivatives Chemical class 0.000 claims 1
- 238000003672 processing method Methods 0.000 claims 1
- 238000005029 sieve analysis Methods 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000011160 research Methods 0.000 description 2
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000007873 sieving Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
- G01N15/088—Investigating volume, surface area, size or distribution of pores; Porosimetry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/07—Analysing solids by measuring propagation velocity or propagation time of acoustic waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/11—Analysing solids by measuring attenuation of acoustic waves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Acoustics & Sound (AREA)
- Strategic Management (AREA)
- Dispersion Chemistry (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种高精度海底底质沉积物声速预测方法，包括：步骤1、采集沉积物柱状样品并测量声学参数，获取沉积物的声速和声衰减系数；步骤2、测量物理参数，获取沉积物的孔隙度、密度、粒度和颗粒组分含量；步骤3、运用随机森林算法建立沉积物声速预测模型；步骤4、通过声速预测模型进行声速预测。本发明的预测方法，相对于传统的经验公式，预测得到的声速值更加接近于真实值，预测结果误差更低，精度更高；预测模型可以进一步升级，提高预测精度；操作简便，只需要输入相关参数就可以得到底质沉积物的声速，不需要进行其他操作，也没有繁杂的计算公式。
Description
技术领域
本发明涉及一种高精度海底底质沉积物声速预测方法。
背景技术
声速是海底沉积物最重要的声学性质之一，是声传播理论的基础参数，声速的准确预报决定着地声模型的精度，是海洋声场研究不可缺少的研究内容。目前海底沉积物的声速预测主要是根据声速经验方程进行预测，但是由于经验方程都是根据不同区域的声学数据建立的方程，具有一定的局域性，根据不同海域建立的声速经验方程并不能通用。而且经验方程大多数是单参数或者双参数方程，而单参数或者双参数并不能完全代表海底沉积物的性质，其预测结果与实际测量结果相差较大。
发明内容
针对现有技术的不足，本发明提供一种高精度海底底质沉积物声速预测方法，综合考虑各种因素对沉积物声速的影响，从而提高沉积物声速的预测精度。
为实现上述目的，本发明的技术方案为：
一种高精度海底底质沉积物声速预测方法，包括以下步骤：
步骤1、采集沉积物柱状样品并测量声学参数
利用重力取样器或者箱式采样器采集得到海洋底质沉积物柱状样品，在实验室标准状态下进行声学参数测量，获取沉积物的声速和声衰减系数；
步骤2、物理参数测量
声学特性测量完成后，将沉积物柱状样品按2cm间隔取样品进行沉积物孔隙度和粒径分布的测量，获取沉积物的孔隙度、密度、粒度和颗粒组分含量；
步骤3、运用随机森林算法建立沉积物声速预测模型
将测量得到的物理参数数据、样品测量环境数据和采集站位数据整作为训练集，将测量得到的声学参数数据作为测试集，通过随机森林算法对输入的训练集进行训练，得到沉积物声速预测模型；
步骤4、声速预测
将物理参数数据、样品测量环境数据和采集站位数据输入声速预测模型，就可以直接得到高精度的声速预测值。
进一步地，所述的实验室标准状态为标准大气压、温度为23℃的实验室环境。
进一步地，所述的声学参数测量的方法为声透射法。
与现有技术相比，本发明具有以下优点：
1、预测精度高
相对于传统的经验公式，如Hamilton经验公式，本方法预测得到的声速值更加接近于真实值，预测结果误差更低，精度更高。
2、预测模型可以进一步升级
本发明的预测模型最重要的一点优点就是可以“进化”，在以后的工作中，可以逐渐的将实测数据添加到模型的数据库中，然后预测模型就可以根据增大的数据库进一步的对模型进行优化升级，从而提高预测精度。本方法并不需要输入全部参数，在相关数据缺失的情况下，也可较高精度的预测声速值，这一点在实际操作中尤其重要。
3、便于操作
对于操作人员来说，该方法操作简便，只需要输入相关参数就可以得到底质沉积物的声速，不需要进行其他操作，也没有繁杂的计算公式。
附图说明
图1为本发明预测方法的流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示，一种高精度海底底质沉积物声速预测方法，步骤如下：
步骤1、采集沉积物柱状样品并测量声学参数
利用重力取样器或者箱式采样器采集得到海洋底质沉积物柱状样品，在实验室标准状态(一个大气压，23℃)下开始声学参数测量，实验室样品声特性测量方法采用声透射法。声透射法是测量声波通过一定固定距离的沉积物的传播时间以确定其声速，并测量该距离上声能的衰减，确定其衰减系数，本发明采用WSD-3数字声波仪构建的声学测量平台进行测量。具体操作流程如下：
在实验室中测量声学特性时，首先利用游标卡尺对样品进行长度测量，获取珊瑚礁岩芯的长度L，然后将珊瑚礁岩芯柱状样品放在声学测量平台上固定好，基于旅行时间法(TOF)测量获取声波在样品中的传播时间结合样品长度计算声速V，如式(1)：
式中，L1为样品的长度，t为通过样品的传播时间，ts为测试系统的声波传播迟滞时间。测量完成后，将测量数据保存在电脑上，同时填写好实验记录表。
声衰减系数测量开始时，将上面测试用的珊瑚礁样品从测量平台上拿下，然后用切割机将珊瑚礁岩芯切割成两份，基于同轴差距衰减测量法测量样品全长状态和分段状态的声波传播能量差(用测量声压表示)及传播路径长度差计算声衰减系数α，如式(2)，
式中，A1、A2分别为整段样品和分段样品的声波传播声压，d＝L1-L2，L2为切下来用于测试的样品长度。测量得到的原始数据以DAT或者TXT格式保存，处理后的声学数据以excel表格或者word文档的形式保存在电脑上。
测试过程中，声速数据质量控制：测量误差优于±5％。主要测量参数：声速V、声衰减系数α。辅助参数：海水声速、水深、海水温度、实验室测量温度。
步骤2、物理参数测量
声学特性测量完成后，对底质沉积物样品按2cm间隔取样品以便进行沉积物孔隙度和粒径分布的测量。孔隙度采用重量损失法测量，即测量样品在105°温度下烘干24h后的重量损失，并进行残余盐分校正。颗粒密度采用比重计法测量。沉积物体密度由测量的孔隙度、孔隙水密度和沉积物颗粒密度来计算。沉积物粒径测量时，不同于传统的处理方法，样品不需要去掉有机质和碳酸盐，采用筛析法和Malvern Mastersizer 2000激光粒度仪测试样品的全样粒度，获得平均粒径、中值粒径、颗粒组分含量等数据。
步骤3、运用随机森林算法建立沉积物声速预测模型
沉积物的声速受多种参数影响，例如孔隙度、密度、粒度、颗粒组分含量、水深、地形等参数，为了综合考虑各种因素对沉积物声速的影响，从而提高沉积物声速的预测精度，本发明利用沉积物柱状样品的物理(孔隙度、密度、粒度、颗粒组分含量等参数)和声学特性参数(声速、声衰减系数、声阻抗等参数)，运用随机森林(random forest)算法，根据已有的数据进行深度学习，分析多个特征量之间的相互关系，建立了沉积物声速预测模型，与传统的声速经验方程相比，该模型可以提高沉积物声速预测精度，还可以根据用户的需求，将其他数据导入到模型中，如经纬度，水深，地形等数据导入到模型中，该模型可以对导入的数据进行重新训练，从而完成模型的“进化”，进一步提高预测精度。另外，该模型在相关数据缺失的情况下仍然可以保持较高的预测精度，在相关领域的实际运用中有着重要的意义。
具体地，将测量得到的物理参数数据、样品测量环境数据、采集站位数据整合成一个数据库，该数据库是模型建立的训练集，而测量得到的声学参数数据作为测试集。利用随机森林算法对输入的训练集进行训练，建立多个决策树，然后将这些决策树整合在一起从而获得更加稳定的输出，最终得到沉积物声速预测模型。该方法建立的模型是基于实测数据库的，因此，数据库的质量能够决定声速预测值的精度，而且随着数据库的壮大，建立的模型精度会不断的提高。
步骤4、声速预测
在实际运用过程中，只需要在电脑上输入相关参数，如物理参数数据、样品测量环境数据、采集站位数据等，就可以直接得到高精度的声速预测值。该方法的优势在于即使在数据较少，参数缺失的情况下，仍然可以保持较高的精度。
本发明的海底底质沉积物声速预测方法，基于实测数据库和随机森林算法建立声速预测模型，该模型可以利用沉积物的物理参数、环境参数等，将各种参数输入到模型中，即可给出海底底质沉积物的声速值。随机森林算法能够对众多的特征量进行分析，根据已有的数据进行深度学习，分析多个特征量之间的相互关系，深度挖掘数据，从而对目标(沉积物)的特征(声速)进行预测，提高预测精度。而且根据随机森林算法建立的预测模型不仅可以在特征参数缺省的条件下进行准确预测，而且该模型是一个可“进化”的模型，在后期可以再次加入其它特征参数重新进行训练，从而进一步的优化模型，提高预测精度。
上述实施例只是为了说明本发明的技术构思及特点，其目的是在于让本领域内的普通技术人员能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡是根据本发明内容的实质所做出的等效的变化或修饰，都应涵盖在本发明的保护范围内。
Claims (1)
1.一种高精度海底底质沉积物声速预测方法，其特征在于：包括以下步骤：
步骤1、采集沉积物柱状样品并测量声学参数
利用重力取样器或者箱式采样器采集得到海洋底质沉积物柱状样品，在实验室标准状态一个大气压，22℃下开始声学参数测量，实验室样品声特性测量方法采用声透射法，声透射法是测量声波通过一定固定距离的沉积物的传播时间以确定其声速，并测量该距离上声能的衰减，确定其衰减系数，采用WSD-2数字声波仪构建的声学测量平台进行测量，具体操作流程如下：
在实验室中测量声学特性时，首先利用游标卡尺对样品进行长度测量，获取珊瑚礁岩芯的长度L，然后将珊瑚礁岩芯柱状样品放在声学测量平台上固定好，基于旅行时间法TOF和声投射法测量获取声波在样品中的传播时间结合样品长度计算声速V，如式(1)：
式中，L1为样品的长度，t为通过样品的传播时间，ts为测试系统的声波传播迟滞时间，测量完成后，将测量数据保存在电脑上，同时填写好实验记录表；
声衰减系数测量开始时，将上面测试用的珊瑚礁样品从测量平台上拿下，然后用切割机将珊瑚礁岩芯切割成两份，基于同轴差距衰减测量法测量样品全长状态和分段状态的声波传播能量差及传播路径长度差计算声衰减系数α，声波传播能量差用测量声压表示，如式(2)，
式中，A1、A2分别为整段样品和分段样品的声波传播声压，d＝L1-L2，L2为切下来用于测试的样品长度，测量得到的原始数据以DAT或者TXT格式保存，处理后的声学数据以excel表格或者word文档的形式保存在电脑上；
测试过程中，声速数据质量控制：测量误差优于±5％，测量参数：声速V、声衰减系数α，辅助参数：海水声速、水深、海水温度、实验室测量温度；
步骤2、物理参数测量
声学特性测量完成后，对底质沉积物样品按2cm间隔取样品以便进行沉积物孔隙度和粒径分布的测量，孔隙度采用重量损失法测量，即测量样品在105°温度下烘干24h后的重量损失，并进行残余盐分校正，颗粒密度采用比重计法测量，沉积物体密度由测量的孔隙度、孔隙水密度和沉积物颗粒密度来计算，沉积物粒径测量时，不同于传统的处理方法，样品不需要去掉有机质和碳酸盐，采用筛析法和Malvern Mastersizer 2000激光粒度仪测试样品的全样粒度，获得平均粒径、中值粒径、颗粒组分含量数据；
步骤2、运用随机森林算法建立沉积物声速预测模型
沉积物的声速受多种参数影响，包括孔隙度、密度、粒度、颗粒组分含量、水深、地形参数，为了综合考虑各种因素对沉积物声速的影响，从而提高沉积物声速的预测精度，利用沉积物柱状样品的物理和声学特性参数，其中，物理特性参数包括孔隙度、密度、粒度、颗粒组分含量，声学特性参数包括声速、声衰减系数、声阻抗，运用随机森林random forest算法，根据已有的数据进行深度学习，分析多个特征量之间的相互关系，建立了沉积物声速预测模型，与传统的声速经验方程相比，该模型可以提高沉积物声速预测精度，还可以根据用户的需求，将其他数据导入到模型中，包括经纬度，水深，地形数据导入到模型中，该模型可以对导入的数据进行重新训练，从而完成模型的“进化”，进一步提高预测精度；
具体地，将测量得到的物理参数数据、样品测量环境数据、采集站位数据整合成一个数据库，该数据库是模型建立的训练集，而测量得到的声学参数数据作为测试集，利用随机森林算法对输入的训练集进行训练，建立多个决策树，然后将这些决策树整合在一起从而获得更加稳定的输出，最终得到沉积物声速预测模型，该方法建立的模型是基于实测数据库的，因此，数据库的质量能够决定声速预测值的精度，而且随着数据库的壮大，建立的模型精度会不断的提高；
步骤4、声速预测
在实际运用过程中，只需要在电脑上输入相关参数，包括物理参数数据、样品测量环境数据、采集站位数据，就可以直接得到高精度的声速预测值；
具体地，海底底质沉积物声速预测方法，基于实测数据库和随机森林算法建立声速预测模型，该模型可以利用沉积物的物理参数、环境参数，将各种参数输入到模型中，即可给出海底底质沉积物的声速值，随机森林算法能够对众多的特征量进行分析，根据已有的数据进行深度学习，分析多个特征量之间的相互关系，深度挖掘数据，从而对目标沉积物的特征声速进行预测，提高预测精度，而且根据随机森林算法建立的预测模型不仅可以在特征参数缺省的条件下进行准确预测，而且该模型是一个可“进化”的模型，在后期可以再次加入特征参数重新进行训练，从而进一步的优化模型，提高预测精度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910446091.4A CN110210100B (zh) | 2019-05-27 | 2019-05-27 | 一种高精度海底底质沉积物声速预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910446091.4A CN110210100B (zh) | 2019-05-27 | 2019-05-27 | 一种高精度海底底质沉积物声速预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110210100A CN110210100A (zh) | 2019-09-06 |
| CN110210100B true CN110210100B (zh) | 2021-07-27 |
Family
ID=67788805
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910446091.4A Active CN110210100B (zh) | 2019-05-27 | 2019-05-27 | 一种高精度海底底质沉积物声速预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110210100B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112163350B (zh) * | 2020-11-02 | 2023-05-23 | 国能黄金埠发电有限公司 | 一种制粉系统双模型的煤粉细度实时在线软测量系统及方法 |
| CN112380746A (zh) * | 2020-11-13 | 2021-02-19 | 天津大学 | 一种分层海底沉积物介质中声传播分析方法 |
| CN113866268A (zh) * | 2021-09-16 | 2021-12-31 | 中国科学院南海海洋研究所 | 一种海底底质声学垂直径向分层测量装置 |
| CN114578025B (zh) * | 2022-03-01 | 2023-10-17 | 江苏师范大学 | 煤矸石声速的水岩耦合模型的建立方法 |
| CN116910473B (zh) * | 2023-07-03 | 2024-01-19 | 中山大学 | 海底沉积物宽频声速预测方法、计算机装置和存储介质 |
| CN116738182B (zh) * | 2023-07-03 | 2024-02-27 | 中山大学 | 海底沉积物声衰减范围值的预测方法、装置和存储介质 |
| CN116644295B (zh) * | 2023-07-03 | 2023-12-12 | 中山大学 | 海底沉积物声衰减宽频预测方法、计算机装置和存储介质 |
| CN116519799B (zh) * | 2023-07-03 | 2024-01-09 | 自然资源部第一海洋研究所 | 宽频域海底沉积物取样测量声速值校正方法、装置和介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103982179B (zh) * | 2014-05-26 | 2017-04-05 | 中国地质大学（北京） | 一种油藏储层的古压力定量反演探测方法 |
| CN104808246A (zh) * | 2015-05-26 | 2015-07-29 | 中国科学院声学研究所东海研究站 | 海底沉积物类型的识别方法 |
| CN109448038A (zh) * | 2018-11-06 | 2019-03-08 | 哈尔滨工程大学 | 基于drlbp和随机森林的海底底质声呐图像特征提取方法 |
-
2019
- 2019-05-27 CN CN201910446091.4A patent/CN110210100B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN110210100A (zh) | 2019-09-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110210100B (zh) | 一种高精度海底底质沉积物声速预测方法 | |
| CN110531054B (zh) | 基于Bootstrap抽样的土壤有机碳预测不确定性估测方法 | |
| CN109163997B (zh) | 一种基于声谱图深度学习的岩石表面强度测定方法 | |
| CN105221133A (zh) | 一种基于测井多参数确定烃源岩有机碳含量的方法和装置 | |
| CN105158796B (zh) | 确定toc含量的方法和装置 | |
| EP0421736A3 (en) | Method and apparatus for measuring optical properties of biological speciments | |
| CN113486574B (zh) | 基于历史数据以及机器学习的声速剖面补全方法及装置 | |
| CN107515290B (zh) | 岩石矿物组分含量定量计算方法 | |
| CN108897975A (zh) | 基于深度信念网络的煤层气测井含气量预测方法 | |
| CN107609253B (zh) | 碳酸盐岩的沉积数值模拟方法 | |
| CN116910473B (zh) | 海底沉积物宽频声速预测方法、计算机装置和存储介质 | |
| CN105092436A (zh) | 一种沉积物粒度光谱分析方法及装置 | |
| Sun et al. | Organic-matter content prediction based on the random forest algorithm: Application to a Lower Silurian shale-gas reservoir | |
| CN113705110B (zh) | 一种基于双重随机森林回归方法的爆破振动速度预测方法 | |
| CN116699724B (zh) | 一种时间域激发极化数据质量评价方法、体系及系统 | |
| CN116975987B (zh) | 基于声学特征的深水浅层岩土工程参数预测方法及装置 | |
| CN109507292A (zh) | 一种信号提取方法 | |
| CN117784250A (zh) | 一种基于模型无关元学习算法的海底声学参数反演方法 | |
| CN116738182B (zh) | 海底沉积物声衰减范围值的预测方法、装置和存储介质 | |
| CN109060611B (zh) | 一种基于激光粒度仪的悬沙质量浓度数据处理方法 | |
| CN112800664B (zh) | 一种基于探地雷达A-scan数据估算树根直径的方法 | |
| CN111221038A (zh) | 薄储层厚度定量预测的方法和装置 | |
| CN115130754A (zh) | 一种基于XGBoost的储层渗透率预测方法 | |
| CN112363243A (zh) | 预测页岩油优质储层的方法、装置、计算机设备及介质 | |
| CN114048636A (zh) | 基于小波变换的重力异常计算方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: No.1119 Haibin Road, Nansha District, Guangzhou City, Guangdong Province Applicant after: SOUTH CHINA SEA INSTITUTE OF OCEANOLOGY, CHINESE ACADEMY OF SCIENCES Address before: 510301 No. 164 West Xingang Road, Guangzhou, Guangdong, Haizhuqu District Applicant before: SOUTH CHINA SEA INSTITUTE OF OCEANOLOGY, CHINESE ACADEMY OF SCIENCES |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |