基于径向基过程神经网络的油田开发指标预测

目前为止,现有的油田开发指标预测方法难以反映实际存在的时间累积效应对该指标预测的影响。因此,为提高油田开发指标预测的准确度,本文提出基于径向基过程神经元网络的油田开发动态指标预测模型,并将其应用到实际油田开发动态指标的预测中。实例分析结果表明,本文提出的径向基过程神经元网络的油田开发动态指标的预测方法精度高、速度快,是预测油田开发指标的一种较实用的方法。     

基于GPU的原油液体仿真效率优化研究

针对有杆抽油系统的采油过程,原油液体在油管内受力而不断运动。为了将此过程形象、逼真的展现出来以便于相关工作人员观察和分析,需建立一个高精度、高效率、易使用的可视化环境。本文在VC++6.0环境下,运用粒子系统技术模拟原油液体的运动过程,并采用通过GPU加速和非GPU加速对比的方式优化了系统效率。通过数据对比表明：随着粒子数的增加,通过采用GPU加速运算方式的系统效率大大提高。     

基于神经正切核的多核学习方法

多核学习方法是一类重要的核学习方法,但大多数多核学习方法存在如下问题：多核学习方法中的基核函数大多选择传统的具有浅层结构的核函数,在处理数据规模大且分布不平坦的问题时表示能力较弱;现有的多核学习方法的泛化误差收敛率大多为O\left(\mathrm{1}/\sqrt[]{n}\right),收敛速度较慢。为此,提出了一种基于神经正切核（NTK）的多核学习方法。首先,将具有深层次结构的NTK作为多核学习方法的基核函数,从而增强多核学习方法的表示能力。然后,根据主特征值比例度量证明了一种收敛速率可达O\left(\mathrm{1}/n\right)的泛化误差界;在此基础上,结合核对齐度量设计了一种全新的多核学习算法。最后,在多个数据集上进行了实验,实验结果表明,相比Adaboost和K近邻（KNN）等分类算法,新提出的多核学习算法具有更高的准确率和更好的表示能力,也验证了所提方法的可行性与有效性。     

基于条件随机场的人物信息抽取

近年来，信息抽取成为自然语言处理的一个热点，同时也是难点。针对不同的问题，大家提出了不同的方法，而大多数的方法是基于启发式规则或者抽象成分类问题，本文将从人物百科中抽取人物信息看成是一个序列标注的问题，利用条件随机场对生语料进行序列标注。此外，文中详细介绍数据分析的方法以及特征选取方法，所提出的方法直接从生语料中抽取，节省了大部分方法的数据预处理部分，同时避开了大部分方法使用的句法分析的特征，有效地提高了信息抽取的效率。在文章的最后做了两组对比实验，实验结果表明，本方法能够非常准确地从HTML生语料中抽取出人物信息。     

基于改进遗传算法的支持向量机微信垃圾文章识别

近几年,随着微信的快速发展和普及,微信已经成为智能移动设备必备的应用之一,但与之同时也出现了大量微信诈骗信息、垃圾广告等,给人们带来了极大的困扰。本文将从搜狗微信搜索中抽取微信文章样本,将微信垃圾文章识别看做文本分类问题,采用支持向量机对样本进行分类模型的训练,并应用改进的遗传算法对支持向量机的参数进行优化。文中详细的介绍了改进遗传算法在支持向量机上的应用,相比传统的支持向量机,采用改进遗传算法对支持向量机参数进行优化,提升了模型准确率和优化效率。在文章的最后进行了由15000篇微信文章所形成的测试集上的分类模型效果实验,实现结果表明,本方法能够达到94.7%的准确率,非常准确的识别微信垃圾文章。     

基于Artifact状态变迁的射孔数据协同流程模型研究

本课题结合射孔作业的实际需要,提出基于Artifact状态变迁的射孔数据协同流程思想。首先介绍Artifact的定义与特性,结合射孔数据处理时存在的问题,设计了基于Artifact状态变迁的射孔深度数据协同处理流程并建立了模型。尤其考虑到射孔现有的应用软件元素,对Artifact推进进程的应用做了改进,建立完全支持射孔作业的工作模式。最后用状态树描述了Artifact实例状态的生命周期及状态变化情况,实现不同部门、不同岗位的协同工作。     

基于混合粒子群算法的供热管网优化设计

供热管网优化设计一直是多年来城市地下管网工程中的研究热点。通过分析供热管网的优化模型,建立关于供热管网的目标函数即供热管网投资费用,根据供热管网的目标函数及约束条件建立适应度函数。利用粒子群优化算法对该非线性模型进行求解,借鉴遗传算法中变异操作的思想,设计基于遗传算法的混合粒子群算法,寻求在水力约束条件下目标函数的最小值。实例结果表明,将粒子群优化算法应用于供热管网优化设计可以取得较好的优化结果,并且充分的体现出粒子群算法的寻优能力。     

面向测井处理解释领域的本体构建方法研究

为提高测井处理解释软件的智能性,如何以一种显示的、形式化的方式来表示测井领域知识是面临的一个重要问题。在研究测井处理解释业务流程的基础上引入本体的概念,将领域本体与测井处理解释的具体应用需求相结合提出了一种基于业务流程的领域本体构建方法,实现了测井处理解释领域本体的构建,解决了传统知识表示方法难以适应大规模信息的处理和表示的问题。该方法使知识与测井处理解释流程紧密关联,更加高效的满足应用需求。以地层评价业务流程为例,详细介绍了领域本体的构建过程。     

基于ε-SVR的钻柱延伸能力预测技术研究

钻柱的极限延伸能力是钻井设计和施工中易于忽视的关键参数,影响钻柱延伸能力的因素较多且相互关系复杂,而众多的影响因素与钻柱的延伸极限之间存在着某种非线性联系。以指定工况下钻柱能够继续钻进的约束条件及其对下入极限深度的影响分析为基础,充分利用ε-SVR在解决小样本、非线性及高维模式识别问题中的特有优势挖掘钻柱延伸能力与其不易觉察的影响变量之间的相互关系,通过精确确定回归参数获得了钻柱延伸能力及其影响因素之间的隐含关系预测模型。实验结果表明可利用该预测模型实现钻柱极限延伸长度的快速预测,同时为钻柱延伸能力的预测提供了一种新的解决方案。