波形驱动下多参数约束高分辨率反演方法——以四川盆地渝西地区龙马溪组页岩气为例

基于叠后地震波形指示反演在薄储层预测方面的优势，以及叠前弹性参数较叠后弹性参数信息更丰富、对储层的敏感性更高的特点，根据岩石物理资料，应用地震驱动+储层构型约束的高精度叠前随机反演方法，探寻定量表征优质薄页岩的技术，以期为深层页岩气地质甜点预测提供技术支撑。首先，基于道集波形相似性、AVO特征和空间距离的三变量优选方法提取结构相似的井数据作为空间估值样本，然后建立待判别道集初始模型；其次，以统计的弹性阻抗作为先验信息，应用“基于叠前道集特征指示的马尔科夫链-蒙特卡洛随机模拟算法”进行叠前地震波形指示反演，最终得到高精度的叠前弹性参数反演成果。实际应用表明，应用所提方法有效预测了龙一段一亚段1-2小层优质页岩厚度，基于特征参数的井震高频模拟精确模拟了龙一段一亚段1-2小层地质甜点参数，为页岩气勘探提供了技术支撑。     

DCNN深度特征与交替方向乘子的相关滤波跟踪

针对采用相关滤波的判别式目标跟踪遇到的瓶颈问题：由于目标快速移动引起边界效应，使得相关滤波器在学习与更新过程中可能会引入错误，最终错误的累积将导致跟踪失败。在采集深度学习特征与样本相似性度量的基础上，提出一种引入交替方向乘子方法的改进相关滤波目标跟踪算法，选择DCNN深度特征有效地表征待跟踪目标的初始状态，通过在线分类过程中样本相似性比对与半监督学习，辅助解决相关滤波器在学习过程中存在的自学习问题。所提目标跟踪算法特别适合训练样本为持续获得的、同时存储空间较小的机器学习过程，提高目标在快速运动与部分遮挡等复杂情况下的跟踪成功率，针对VOT2016标准测试视频的实验表明：当目标面临快速运动时，对比CN、SAMF、STC算法，所提DA-CFT跟踪算法将跟踪成功率分别由60.4%～73.4%、67.2%～82.9%、80.9%～88.1%提升至85.6%～91.0%。     

APP软件性能效率研究

性能效率是APP软件的重要质量属性，但目前缺乏APP软件性能效率的通用模型。分析了APP软件的性能特征，基于ISO/IEC 25010标准提出了APP软件的性能效率模型，定义了APP软件性能效率的子特性和度量指标。基于提出的APP软件性能效率模型，通过实验对APP软件的性能效率进行了度量及相关分析。