胜利油田勘探模型Web应用系统研究

油田经过多年发展,积累了大量的勘探研究成果数据,但是都分散在不同部门、不同科室、不同的研究人员手上,没有一个统一有效的研究成果管理、共享及探讨平台,极大的影响了勘探效率。现在数字油田的发展已经逐步上升到新的知识管理和服务阶段,胜利油田高瞻远瞩地认识到了这个战略性的发展方向,提出"勘探模型"的研究与建设工作。首先根据"勘探模型"描述规范,提出了基于B/S和C/S结构体系的勘探模型集成方案;然后根据勘探模型涉及的数据类型,设计了勘探模型数据库并采用Web页面录入数据;最后通过统一的数据服务去获取不同的数据库中的业务数据和成果数据,在Web页面进行二维图形导航展示及业务数据的关联查询,并支持网络化自动三维地质建模及Web页面启动展示。实现了勘探模型数据共享机制,并在胜利油田示范区块取得了良好效果,为统一研讨及勘探决策提供服务。     

基于CDIO理念的国土资源遥感课程的案例教学法

国土资源遥感是随着遥感技术的飞速发展而出现的一门新兴的边缘学科,也是遥感科学与技术专业的重要课程之一。文章提出在该课程教学过程中,采用国际先进的CDIO工程教育理念,把案例教学法贯穿到课堂教学中,通过设置系列的国土资源遥感应用案例,给学生营造一种近似真实的项目环境,让每个学生亲历构思、设计、实现与运作的完整项目过程,达到"学中做"与"做中学"的无缝结合。     

一种基于八叉树分解的岩矿储量估算方法

论述的基于八叉树分解的岩矿储量估算方法,是针对现有的估算方法普遍存在着对已知数据要求过多、使用繁琐等缺点而提出来的。该方法具有对采样数据的要求不高、使用简便快捷的特点,用在普查阶段的岩矿储量估算有着明显的优越性。     

基于改进模拟退火的遗传算法求解0-1背包问题

引入改进的模拟退火思想来改进遗传算法.本算法结合了遗传算法和模拟退火算法的优点,并有效地克服了各自的弱点,使其在优化性能、优化效率和可靠性方面具有明显的优越性.运用本算法求解不同种群规模的0-1背包问题,数值试验结果表明,算法既具有较快的收敛速度,又能够收敛到最优解,优于遗传算法和模拟退火算法.     

引入图形化方法改革非计算机专业程序开发教学模式

文章分析目前高校非计算机专业中程序开发类课程教学效果不佳的现象,提出其主要原因在于难以在有限的学时内兼顾编程语言基础训练和专业问题编程技能两方面的培养。以地理信息系统专业的二次开发课程为案例,通过引入图形化编程的概念和方法,帮助学生最大限度地克服对编程语言复杂繁琐的语法规范的理解障碍,实现将课程重点放在专业应用问题的程序化思维方法和编程技能的训练上,实际的教学效果充分显示了这一模式的有效性。     

一种用于电子稳像的运动矢量处理方法

在典型的电子稳像系统中,电子稳像包括运动估计和运动补偿两部分。运动估计得到的运动矢量包含了相机的有意运动和无意运动。在运动补偿中,我们直接利用运动估计得到的运动矢量平移像素,经常造成过补偿现象。针对这种情况,提出了一种基于一阶线性自回归的运动矢量处理方法(运动平滑),对运动矢量进行处理,分离出相机的无意运动(抖动)矢量,然后进行运动补偿,实验结果表明,该算法在没有降低系统运算速度的前提下得到了较好的稳像效果。     

云平台下图数据处理技术

针对Hadoop云平台下MapReduce计算模型在处理图数据时效率低下的问题,提出了一种类似谷歌Pregel的图数据处理计算框架--MyBSP.首先,分析了MapReduce的运行机制及不足之处;其次,阐述了MyBSP框架的结构、工作流程及主要接口;最后,在分析PageRank图处理算法原理的基础上,设计并实现了基于MyBSP框架的PageRank算法.实验结果表明,基于MyBSP框架的图数据处理算法与基于MapReduce的算法相比,迭代处理的性能提升了1.9~3倍.MyBSP算法的执行时间减少了67%,能够满足图数据高效处理的应用前景.     

基于正演模拟的横向变速介质叠加速度误差分析

速度是地震勘探中最重要的参数之一,直接关系到叠加和偏移的质量。在常规的速度分析过程中,为了使CMP道集中的反射同相轴对的最齐而提取的叠加速度,是将地层假设成均匀介质,这在地层复杂地区会引起较大的误差。首先阐述了横向变速介质中叠加速度产生误差的原因,然后对天山南缘地区实际过井剖面进行波动方程正演模拟,分析了叠加速度误差产生的原因和大小,并探讨了消除误差的方法,为变速成图提供了更可靠的速度场。     

基于融合分类和支持向量机的入侵检测研究

为了在提高入侵检测的检测率的同时降低虚警率,基于融合分类和支持向量机的异常检测利用融合分类器进行入侵检测.融合分类器包含三个不同的分类器:基于属性选择的支持向量机,基于样本剔除的支持向量机以及标准支持向量机.仿真实验由三部分组成:首先,预处理数据,然后,对完成预处理的数据分别用三个分类器进行预分类,最后,由这三个分类器实际输出的加权和进行融合决策.权值的最优化是一个NP-hard问题,在实验中,利用各分类器预分类的检测率作为其对应的权值简化了权值寻优的过程.实验结论表明,基于融合分类和支持向量机的异常检测可提高入侵检测的整体性能.     

一种基于投票策略的聚类融合算法

在分类算法和回归模型中,融合方法正得到越来越广泛的应用,但在非监督机器学习领域,由于缺乏数据集的先验知识,则不能直接用于聚类算法.提出并实现了一种基于投票策略的聚类融合算法,该算法利用k-means算法每次随机选取聚类中心而得到不同样本划分的特性,将多次运行得到的聚类结果通过投票的方式合并,从而得到最终的结果.通过一系列真实数据和合成数据集的实验证明,这种方法比单一的聚类算法能更有效地提高聚类的准确率.在此基础上,为了降低高维数据运算的复杂性,将随机划分属性子空间的方法应用到上述聚类融合算法中,实验证明,该方法同时也能够在一个属性子空间上获得好的聚类结果.