XiaoMi-AI文件搜索系统
World File Search SystemGeophysical
人工智能/机器学习支持地下探索和生产
在自动化和效率方面，机器学习可以简化大型数据集的处理，例如地震调查和井日志的处理，从而大大减少了分析所需的时间。同时，AI系统可以在钻井过程中提供实时监控和决策支持，从而提高安全性和生产力。需要克服哪些挑战来整合地质和地球物理解释信息，以及Aspentech提出了什么ML解决方案？整合地质和地球物理解释信息涉及几个挑战。执行储层表征时，
气候变化倡议新闻与更新
▪ 对科学大挑战、国际研究战略和地球科学中 EO 数据应用的最新进展进行广泛扫描（任务 1） ▪ 对 EO 任务地球物理产品和观测（CEOS/OSCAR 数据库）进行差距分析（任务 2） ▪ 提出跨学科（“跨领域”）地球系统候选科学问题（CSQ）以告知和指导 EO 科学战略 ▪ 每个候选问题都追溯到科学目标（“知识进步目标” - KAO）以及 EO 衍生的地球物理信息和观测差距。 ▪ 追踪和记录地球科学主题、候选问题与社会效益、国际政策和议程之间的联系
进展 - Condor Consulting
作者：Patrick G. Killeen 博士，地球物理顾问、退休研究科学家，加拿大地质调查局，渥太华 今年是十年一度的矿产勘探会议 (DMEC) 第四年担任《勘探趋势与发展》的赞助人。DMEC 组织了非常成功的勘探 '17 会议，该会议于 2017 年在多伦多举行，这是自 1967 年开始的系列会议中的第六次。今年 DMEC 的支持来自第 23 页列出的赞助公司。ETD 评论源自加拿大地质调查局 (GSC)，50 多年来，GSC 的科学家每年都会编写一份公正的出版物，介绍矿产地球物理勘探的趋势和新发展。今年是 Patrick Killeen 撰写该评论的第 28 年，他最初是以 GSC 研究科学家的身份撰写的。加拿大勘探地球物理协会 (KEGS) 在 2007 年至 2016 年期间是 ETD 的赞助人。DMEC 和 KEGS 致力于推广地球物理学，特别是将其应用于石油以外的矿物勘探；培养地球物理学家的科学兴趣；并促进对该行业感兴趣的人士之间的高专业标准、友谊和合作。
流体力学杂志 - 关键字列表
Convection in porous media Double diffusive convection Buoyancy-driven instability Marangoni convection Moist convection Plumes/thermals Drops and Bubbles Aerosols/atomization Boiling Breakup/coalescence Bubble dynamics Cavitation Drops Electrohydrodynamic effects Sonoluminescence Thermocapillarity Flow Control Control theory Drag reduction Instability control Mixing enhancement Geophysical and Geological Flows Air/sea interactions Atmospheric flows Baroclinic flows Coastal engineering Geodynamo Geostrophic turbulence Geothermal flows Gravity currents Hydraulic control Ice sheets Internal waves Magma and lava flow Mantle convection Meteorology Oceanography Ocean circulation Ocean processes Quasi-geostrophic flows River dynamics Rotating flows Sediment transport Sea ice Shallow water flows Stratified flows Topographic effects Waves in rotating fluids Granular media Avalanches粘性沉积物
海上风电活动与海洋哺乳动物保护
• 船舶周围禁区。运营商必须为地球物理调查建立一个“声学禁区”，以便在操作声源之前，该区域在一定时间内没有任何海洋哺乳动物和海龟。 • 由经过培训的第三方独立受保护物种观察员进行视觉监控。受保护物种观察员是经过培训的专业人员，他们会寻找海洋哺乳动物，以最大限度地降低船舶撞击的可能性，并在一定距离内检测到海洋哺乳动物时关闭任何声源。 • 受保护物种观察员在地球物理调查期间进行独立报告。任何与受保护物种的互动都会立即报告给 NOAA 渔业和 BOEM。
现代机载雷达的发展与应用...
地质调查局局长和航空地球物理学领域的先驱，于 1987 年 8 月 12 日在阿拉斯加凯奇坎附近的一次直升机与飞机相撞中丧生。弗兰克出生于犹他州比克内尔。他获得了犹他大学电气工程理学学士学位 (1950) 和地球物理学理学硕士学位 (1953)。他继续在科罗拉多大学深造，获得了第二个地球物理数学理学硕士学位 (1967) 和电气工程物理学博士学位 (1973)。弗兰克在美国地质调查局的职业生涯长达 35 年，从 1952 年开始从事机载地球物理仪器、数据汇编和解释问题的工作。从 1955 年到 1962 年，他开发了各种可控和自然源电磁技术，应用于众多地质问题。1962 年，美国地质调查局购买了一架 Convair 240 飞机，Frank 参与了航空勘测地球物理仪器的开发、采购和测试。他特别感兴趣的是新的 INPUT 电磁系统和自动磁力仪系统。他积累的经验促成了现在的经典教科书“地球物理勘探中的电气方法”，该书于 1966 年与 George V. Keller 合作出版。1967 年，Frank 发表了第一条计算机生成的分层地球理论电磁测深曲线，成为大多数早期航空电磁解释方法的基础。在同一时期，弗兰克还开发了一个比例模型电磁测试设施，该设施提供了对理解现场观测和测试解释方法至关重要的数据。他的模型结果被国际公认为检查数值结果的标准。他开发了一种机载甚低频 (VLF) 接收器，其中包含一个电场参考，使其能够生成电阻率图
fo
深度学习模型已成为解决大多数图像分析问题的事实上的方法。组成这些模型的参数的质量取决于用于培训的标记数据的数量和质量。尽管地球物理域通常会生成大量数据，但标记数据仍然是任何机器学习应用程序管道中的瓶颈。这导致对数据合成的兴趣增加，以防止由于培训数据有限而导致无法转移到看不见的数据的过度模型。数据合成研究主要集中在摄影图像上，这些图像与非常常见的地球物理问题的软件生成图像不同。在这项研究中，我们旨在解决这一差距。我们提出了一种数据综合方法，该方法能够在维护图像特征的基本分布假设的同时扩展训练数据集。我们的框架使用四种增强技术执行数据综合：水平翻转，高斯模糊，清晰度和一种特殊的数据增强算法，称为TrivialAugmentMentment。这些技术利用种子数据集生成一组与种子集相似的知觉质量的新图像。每个数据集用于在图像分类任务上微调有效网络网络模型，以在声学和电阻率形成日志图像中进行断裂检测。使用Pohokura-1的公共基准数据集对图像分类任务进行了评估，该数据集是位于塔拉纳基盆地的Pohokura气场的一部分。声学和电阻率形成图像对数也可用于孔，并指示图像中存在断裂。我们的框架综合了该种子集中的其他数据，我们的结果表明，对于通过日志生成的地球物理图像，生成的trivialaugmentwide技术生成了数据集，从而导致模型性能的最大改善。该方法提出了一种新型的定性数据增强方法，以提高深度学习模型精度。由于对数产生的图像而非照片图像之间的感知区别，对各种方法的评估很重要，而这些图像与摄影图像相反，这是大多数数据合成研究的重点。此外，定性数据合成是一种强大的技术，用于减轻深度学习模型的过度拟合，这是地球物理领域中的永久问题，因此增强了模型的传递性，以使其可转移到看不见的数据。
