大气气溶胶成分的改变对空气污染以及气候变化都有重要影响。遥感能在不破坏气溶胶自然状态的前提下探测气溶胶的成分特性。基于OPAC(optical properties of aerosols and clouds)模型对黑碳(BC)、水溶成分(WASO)、不可溶成分(INSO)、沙尘(DUST)四种气溶胶成分的微物理和光学特性的描述,利用太阳-天空辐射计获取的地基遥感观测,对2014年北京APEC会议前、会中、会后的气溶胶各成分含量及其光学厚度进行定量反演研究。结果显示,APEC会前、会中、会后的光学厚度(440 nm)平均值分别是0.72、0.25、0.57,会中的气溶胶光学厚度明显小于会前和会后,其中INSO成分的光学厚度贡献占主导地位。APEC会前BC、WASO、INSO、DUST质量浓度分别为0.8μg/m^3、139.6μg/m^3、184.2μg/m^3、194.3μg/m^3,APEC会中四种成分质量浓度分别为1.1μg/m^3、56.4μg/m^3、40.3μg/m^3、7.8μg/m^3,APEC会后质量浓度分别为1.0μg/m^3、126.6μg/m^3、157.1μg/m^3、30.9μg/m^3,除了BC成分在会议期间无显著变化外,会中WASO、INSO、DUST成分的质量浓度数值明显低于会前和会后,这说明APEC会议期间北京地区采取的保障措施对空气质量提升起到了较好的作用。利用AE-51黑碳仪对反演的BC质量浓度进行验证,发现遥感反演的BC质量浓度与在位观测具有良好的一致性,相关系数R^2=0.68.
深层油气资源量巨大,是全球油气开发的重要方向.随着钻井朝着深层(>4500 m)和超深层(>6000 m)发展,地质条件更加复杂,深层钻井泥浆信号传输速率受限,井下随钻测井等数据传输延迟,增加了钻井事故的频率及钻出储层的风险.当前井场智能决策钻井的方法不适用,井下自主智能钻进是未来深层超深层高效钻进的发展方向.本文借鉴无人驾驶汽车的理论技术架构,提出了一种大闭环伺服控制随钻智能导向钻井方法,集旋转导向、地质导向、随钻地震、电磁前探、随钻测量、信号传输、自动钻机等技术于一体,利用“边钻边学”的人工智能评价与决策方法,智能识别钻头前方油气藏甜点,智能决策钻进方向和钻速,并利用大闭环伺服控制实现井下钻头的自主智能导向和钻进.大闭环伺服控制随钻智能导向钻井架构包括钻进感知、智能决策与大闭环控制3个部分.钻进感知部分通过随钻测井数据获取钻头定位信息、井周地层及钻头前方特性参数,智能决策部分依据钻进感知部分获取的信息通过人工智能决策模型修正轨道和优化钻进策略,大闭环控制部分根据智能决策指令调整钻进方向和速度.本文在钻进感知部分采用支持向量机算法利用随钻测井数据进行岩性智能识别,优选随机森林算法和长短期记忆(Long Short Term Memory,LSTM)循环神经网络对孔隙度、渗透率、饱和度和泥质含量进行评价.在智能决策部分优选随机森林算法对机械钻速进行预测与优化,均获得了高准确率.
