极限学习机与支持向量机在储层渗透率预测中的对比研究

极限学习机ELM是一种简单易用、有效的单隐层前馈神经网络SLFNs学习算法。传统的神经网络学习算法(如BP算法)需要人为设置大量的网络训练参数,并且很容易产生局部最优解。极限学习机只需要设置网络的隐层节点个数,在算法执行过程中不需要调整网络的输入权值以及隐元的偏置,并且产生唯一的最优解,因此具有学习速度快且泛化性能好的优点。本文将极限学习机引入到储层渗透率的预测中,通过对比支持向量机,分析其在储层渗透率预测中的可行性和优势。实验结果表明,极限学习机与支持向量机有近似的预测精度,但在参数选择以及学习速度上极限学习机具有明显的优势。     

基于案例推理的车辆故障诊断系统

基于案例推理(CBR)应用时关键的问题是案例的组织及案例之间的相似度比较。故障诊断是我们生产生活中常遇到的问题,通常解决方法是通过我们的经验分析产生结果的种种可能原因,从中得到产生故障的可能性,进而解决问题。该文采用基于案例推理的方法来解决故障诊断问题,并使用TROLLCREEK(Tore Brede,Frode Sormo,2004)系统来解决实际的汽车故障定位问题。     

基于张量积样条混合算法的计算机建模可视化

为获取精确光滑的地层面图形,首先利用测井数据对其进行克里金插值建模,然后根据数据的疏密性,获取两种网格数据,细化克里金估计网格;稀疏克里金估计网格.为了使其光滑可视化,在克里金估计基础上采用张量积样条算法对细化网格进行光滑处理;对稀疏网格进行y与x方向插值处理.该方法不仅利用克里金估计建模的精确性与Matlab样条函数的封装性及其光滑处理效果,而且采用混编技术;极大地提高了地层面构造的光滑度且不失估计精度,因此该方法在油藏表征与计算机建模中具有一定的实用意义.     

模糊专家系统在钻井风险预测中的应用

在油田开发与勘探中,钻井作业工序繁多,操作复杂,具有高投入、大规模、高风险的特点.而信息的稀少或不完善,又导致了油田勘探和开发过程的高风险.所以通过对区域、油藏构造、地层的评估,来探讨模糊专家系统在钻井风险预测中的应用,使其能够准确地预测钻井风险,并且能够自动化地进行数据分析.     

上保护层开采卸压时空效应及被保护层抽采钻孔优化研究

采用理论、数值模拟综合方法,研究了中远距离上保护层开采底板应力场演化、分布规律,发现上保护层长壁式开采采空区底部煤岩层倾斜方向呈凹形、走向平面呈"O"形的卸压球壳,卸压角在其切眼或终采线附近隅角处最小,底部被保护范围煤层的中部卸压效果比两侧的卸压效果佳,即被保护范围煤层倾斜中部的抽采半径比两侧的抽采半径要大;在走向上被保护层卸压滞后保护层采煤工作面一定距离,可以此研究成果指导被保护层钻孔瓦斯抽采工作。     

利用岩石物理相分类研究特低渗透储层参数建模

陕北斜坡中部特低渗透储层受沉积环境、成岩作用、构造等多种因素影响,储层储集性能和渗流结构差异大,储层具有非均质、非线性分布和测井响应复杂的特点,利用岩石物理相分类研究特低渗透储层参数建模,确定评价储层岩石物理相的多种信息、划分方法及其分类建模技术。通过安塞油田沿河湾地区长6储层各类测井、岩心和试油资料,建立不同类别岩石物理相测井储层参数解释模型。在分类岩心刻度测井解释模型的数据点拟合中,分类模型明显改善和提高了对渗透率等特别复杂关系拟合的均匀程度及其线性关系,在一定程度上克服了特低渗透储层低信噪比、低分辨力的评价特征,为准确建立特低渗透储层参数建模提供了有效方法。     

基于神经网络的测井曲线砂体解释与应用研究

为解决测井曲线人工砂体解释工作的繁琐性与主观性影响,提出一种基于测井曲线中砂体统计参数的自动解释方法,用于测井曲线的砂体分类工作。以工区内已解释砂体的统计参数作为神经网络训练数据,选择孔隙度、渗透率、含气饱和度、泥质含量、砂厚和深度作为输入,输出是对应砂体的解释结果。使用鄂尔多斯盆地某区块1 000余组测井曲线砂体样本数据对神经网络进行训练,选择2组不同的砂体数据测试神经网络的自动解释及其应用效果,结果表明该方法对测井曲线砂体自动分类的正确率分别为92.4%和89.8%。实验数据测试证明,该方法能够自动、快速地实现测井曲线砂体解释,从而协助工程人员进行可靠、高效的砂体识别与分类工作。     

基于SVM的岩石薄片图像分类

支持向量机可以克服高维表示的缺陷,被广泛运用到图像分类中。文章在研究图像特征的基础上,应用支持向量机的分类性能,实现了100个样本的分类,结果表明该实验分类准确率高,效果良好。     

带注意力机制的神经网络用于跑道线检测

为了提高无人机着陆的有效性，设计了一种带有注意力机制的神经网络算法（LineNet）实现无人机跑道线检测。根据无人机着陆场景仿真出样本数据，并利用标注工具对数据进行标注，使用Shuffle Conv模块缓解特征融合计算量的占用问题，并引入空洞空间金字塔池化注意力机制（ASPP-SA）,ASPP-SA模块中添加残差的跳跃结构获取更多的图像信息，对LineNet模型的检测结果做形态学处理并结合连通区域约束对跑道线特征点进行分类，对相同类别的特征点通过最小二乘法进行跑道线拟合。经仿真数据验证，设计的方法可以有效地检测和识别出正确的跑道线，其平均检测精度为94.36%，相较于LaneNet算法、SegNet算法分别提高了12.82和9.95个百分点，单帧检测时间17.2 ms，是CNN+Hough变化算法1.5倍左右，可以满足无人机着陆的响应时间需求，在无人机着陆的研究过程中有重要意义。     

神经网络方法拟合核磁共振测井曲线

针对常规测井数据无法准确评价低电阻储层的特点,通过建立基于神经网络的高度非线性映射模型,由常规测井曲线拟合核磁共振测井曲线实现测井解释.通过与实际数据的相关度比较,验证了该方法具有模拟核磁共振描述井下储层特征的能力.将其应用于低电阻油藏描述中,可以降低投资成本,对提高油田的勘探效益具有实际意义.