基于量子粒子群优化支持向量 回归算法计算煤层气体含量的预测

煤层气是近一二十年在国际上崛起的洁净、优质能源和化石能源的新矿种,其地质研究对能源的补充意义重大.该文对煤层气的含量提出基于量子粒子群优化的支持向量回归算法进行预测.支持向量回归算法是一种非线性的基于内核的回归方法,它可以采用良好的函数逼近,并具有泛化能力.由于支持向量回归算法的参数对预测性能影响很大,量子粒子群优化在本研究中可用于选择支持向量回归算法参数.本文选用基岩深度,煤层的厚度,断层间的水平距离,煤的挥发分作为煤层气含量的预测模型的输入向量,经过比较量子粒子群优化的支持向量回归算法和支持向量回归算法之间的煤层气体含量的预测误差表明,量子粒子群优化得到的煤层气体含量的预测精度均高于支持向量回归算法的精度.     

徐州大北望地区下寒武统馒头组微相研究

对徐州大北望地区馒头组的剖面进行实测并采集标本,通过野外工作收集的岩石微观特征标志及室内镜下微相鉴定,参考Wi1son所划分的24个标准微相(SMF1-24)及其相模式,对徐州大北望地区早寒武世馒头组的化石碳酸盐岩微相和生物相特征进行初步的研究,并识别出多种微相和生物相,再对其碳酸盐岩沉积环境进行分析,在此基础上,对该区早寒武世的沉积环境及古地理演化做进一步探讨。