基于MLP和Sobol的注采连通情况判别

在油田实际生产中,注采连通情况是一个很难确定却又十分重要的问题,它对油田开发方案的制定、剩余油分布的描述具有重要意义。本文采用大港油田某油藏的生产动态资料,建立基于贝叶斯优化的MLP神经网络模型,使用Sobol敏感性分析方法计算敏感性系数,通过敏感性系数的大小定量评判注采连通情况的好坏,通过与示踪剂解释结果的对比进而验证该方法的有效性和可靠性。研究表明,建立的基于贝叶斯优化的MLP神经网络模型取得了较好的拟合效果,Sobol敏感性系数能有效评价注采连通情况,结果符合油藏的实际情况。     

基于函数组合的曲线拟合的研究与应用

提出了一种初等函数组合拟合数据的方法。首先分析离散数据的整体分布情况,根据经验找出能描述该离散数据整体规律的初等函数组合,并设计若干调整参数进行拟合调整,再根据曲线拟合的残差选择选择最佳模型的参数,最终通过Matlab平台实现了模型的拟合,并给出相应的结果。     

基于Bézier曲线的地震数据三维可视化研究

针对三维地震数据资料处理和解释环节中的科学计算三维可视化问题,提出一种基于 Bézier 曲线的处理方法。通过对地震采样数据进行插值拟合或抽样取点的方式,使数据样本点的密度与成像效率保持在一定的范围内。根据地震数据信号变化规律,利用三次 Bézier 曲线插值的方式,将地震数据映射到相应的颜色向量空间,实现地震数据的三维成像处理,并在构建图像化过程中给出两种参数量化的方法。实验结果表明,该曲线插值方法的图像层次感明显,反映出的地质特征性更强。     

基于大数据的液压支架电液控制系统故障诊断

针对液压支架电液控制系统故障人工排查方式无法准确定位某些随机故障或个别系统故障的问题,对传统电液控制系统硬件设备进行智能化改造:增加了对系统核心关键部件电气参数的采集传输功能;从大数据采集、传输、处理等方面,阐述了基于Hadoop的大数据决策分析服务平台的构建;设计了大数据故障诊断引擎,以并行算法为核心对各类故障进行识别和诊断,基于MapReduce对C4.5决策树分类算法进行改进,并通过后剪枝技术解决算法容易过度拟合且不稳定的问题,通过多分类器融合技术提高算法准确性。测试结果表明,通过C4.5决策树分类预测引擎提取的电磁先导阀、控制器、压力传感器及行程传感器故障特征曲线存在较大差异性,通过动态比较匹配,依据故障特征曲线变化规律可识别出故障类型。     

基于三角函数的洛伦兹曲线模型构造研究

为构造具有高拟合精度的洛伦兹曲线模型,提出两类基于三角函数的单参数洛伦兹曲线模型,进而通过对两类基本洛伦兹曲线的复合、加权积以及凸组合等方式构造一系列拓展洛伦兹曲线。实例研究表明,Pareto族曲线与三角函数型曲线的组合曲线对实际数据的拟合精度高于单独使用三角函数型曲线或单独使用Pareto族曲线,验证了基于三角函数的洛伦兹曲线模型构造是对既有洛伦兹曲线类型的有效拓展。     

基于变量相关性的多元时间序列特征表示

针对高维特性对多元时间序列数据挖掘过程和结果的影响,以及传统主成分分析方法在多元时间序列数据特征表示上的局限性,提出一种基于变量相关性的多元时间序列数据特征表示方法。通过协方差矩阵描述每个多元时间序列的分布特征和变量相关关系,利用主成分分析方法对综合协方差矩阵进行主元分析,进而实现多元时间序列的数据降维和特征表示。实验结果表明,所提出的方法不仅能提高多元时间序列数据挖掘的质量,还可以对不等长多元时间序列进行快速有效的挖掘。     

隐式多项式曲线的信息建模研究进展

用隐式多项式曲线来描述数据点集合轮廓具有天然的优势,尤其是在数据点集合轮廓的拟合过程中体现得更为明显。概括了基于隐式多项式曲线的信息建模研究现状,侧重于目前国内外各种隐式多项式曲线拟合算法的分析以及优劣比较。以多个图像物体数据点集合轮廓为例,使用各种拟合算法对其进行拟合,并给出了拟合的效果,分析了算法的优劣和改进措施以及以后的研究方向.     

基于MLP神经网络的海上固井泵故障诊断方法

海上固井泵受到高温高盐环境因素影响,导致故障发生率较高,为了提高海上固井泵的故障检测诊断能力,提出基于MLP神经网络的海上固井泵故障诊断方法。构建海上固井泵的故障传感信息采集模型,采用相关性参数分析方法,进行海上固井泵故障数据特征融合和自适应参数解析,构建海上固井泵故障远程协作诊断的特征分析和数据分析模型,结合海上固井泵故障参数的多元耦合分析结果,通过关联规则挖掘的方法分析海上固井泵的故障特征量,采用MLP神经网络学习方法,实现海上固井泵振动传感信息融合及滤波成分分析,结合关联特征挖掘和模糊信息聚类,建立海上固井泵的故障类别参数融合和信息聚类模型,通过对海上固井泵的振动传感异常特征分析,采用MLP神经网络实现对海上固井泵的故障类型化参数跟踪识别,根据信息聚类结果,实现故障分类检测和诊断。仿真结果表明,采用该方法进行海上固井泵故障诊断的准确率较高,达到了0.97,时间开销平均为3.73 s,提高了海上固井泵的工况稳定性。     

基于样条函数拟合的形状分析的傅立时描述方法

本文提出一种基于样条函数拟合的物体形状的傅立叶描述方法。首先用一组序列来描述物体的轮廓，通过三次Ｂ样条函数拟合物体轮廓序列，然后采样拟合函数重新获得物体轮廓描述参数，最后对这组参数作离散傅立叶变换，提取了具有平移、旋转以及尽度不变性的物体形状特征。本文分析了这组特征的特性，并在此基础上提出了一些挑选这些特征的准则。实验表明这种方法是很有效的。     

一种混合方法在试井参数优化中的应用

试井参数优化就是对利用测得的油气井底压力或流量随时间变化的资料所反演出的油藏参数进行优化处理。现代试井中遇到的复杂方程和定解条件使得试井参数优化问题高度非线性,存在多局部极值。所提出的基于L-M和差分进化的混合方法是利用差分进化算法在一定进化代数后出现的种群聚类特性,将种群识别为不同的聚类区域,然后以每个聚类的中心为起始点,再利用基于梯度具有局部搜索能力强的L-M算法快速找到该聚类区域的最小极值。混合方法兼顾了差分进化全局搜索能力强和L-M局部搜索能力强收敛速度快的优点。将该混合方法应用于试井参数优化中,并通过两种不同油藏模型的实例结果表明该混合方法比单一的算法优化速度更快,收敛精度更高。此外该混合方法实用性广,能有效地解决存在多局部极值的试井参数优化复杂问题。