川东三叠纪含卤构造综合物探方法应用研究

国内很早就提出了陆相盆地形成钾盐模式,后来又陆续提出了海相地层钾盐形成的模式,中国复杂的地质结构,钾盐的形成复杂。富钾含卤构造勘探主要依据地质调查及利用以前石油物探的相关成果,但均不适合单个矿点、小面积区域的勘探工作。针对单个井口情况,开展综合物探方法探测研究,总结含卤构造在电磁法、重力及磁法中表现出的变化特征。     

压裂滑套不限级设计方式研究现状与展望

通过对国内外压裂滑套不限级设计方式的调查研究,重点论述了依靠井下开关工具组合、机械结构限位计数以及智能电控系统触发3种方式实现压裂滑套不限级设计的基本原理与研究进展。从利用齿槽结构、键槽结构等特征结构在压裂滑套轴向或周向上的尺寸变化、数量变化以及尺寸和数量组合编码3个方面对压裂滑套的不限级设计方式进行了展望。     

地震层序分析在SCLG地区飞仙关组的应用

在海相碳酸盐岩沉积理论模式指导下,根据四川盆地晚二叠世沉积相模式及不同沉积相带的区域地质特征,通过古地貌分析和地震相分析,建立起适合四川盆地晚二叠世海相碳酸盐岩沉积相带的地震预测模式,从而预测生物礁有利相带的分布范围。利用地震层序分析方法,根据反射波波组间的相互关系,以区域上能对比的(整合或不整合)地震反射层作为等时面的原则,识别层序界面,划分地震层序,建立地震层序格架。结合地质测井资料以及合成记录,分析控制飞仙关组高能滩相的主要地震层序。以飞四底为准平原化参考面,恢复飞仙关时期不同层序沉积前的古地貌,研究飞仙关时期受古高地控制的台缘带演化、迁移过程,从而预测飞仙关组高能滩相的分布。     

基于似物性的快速视觉目标识别算法

针对视觉目标识别算法实时性较差的问题,基于似物性提出一种面向视觉目标识别的可变部件模型改进算法。该算法首先对图像进行二进制归一化的似物性检测,并利用检测结果形成视觉目标候选框;然后使用目标识别算法对候选区域进行似然判决,比滑动窗口法缩短了搜索时间;最后通过一个快速扩大-缩小算法对检测目标进行尺度修正,提高目标框的准确度。在PASCAL 图像库上的识别结果表明:该识别方法在准确率上优于当前主流的检测模型,计算耗时较级联DPM算法减少约50%。     

多种物探方法在重庆濯河坝岩溶区钻井取水工作中的应用

重庆市黔江区濯河坝岩溶区水文地质条件复杂,单纯依据水文地质方法选择钻井井位存在风险。根据区内的地层岩性、地质构造及水文地质条件,选择了3种物探方法,确定具体的钻井井位,通过钻探验证钻获了地下水。验证了多种物探的结合在岩溶区钻井取水取得的成果,为今后在类似地区开展钻井取水工作提供了借鉴作用。     

AVO技术在LG飞仙关组鲕滩储层含气性分析与应用

从已经研究的结果,鲕滩储层无统一气水界面,具有多气藏多压力系统的分布特征,而且存在低部位产气、高部位产水现象。鉴于鲕滩储层复杂的气水关系,本文采用叠前储层预测技术开展储层的含流体性质探索性研究。与叠后数据相比,叠前地震数据包含更多的与岩性、流体有关的属性参数,这些参数主要有泊松比属性、梯度、截距等,因此可通过对叠前地震属性进行分析,优选能够反映储层含气性的敏感属性,从而对储层的含气性进行预测。     

基于子图相交的社交账号与知识图谱实体对齐

社交媒体与知识图谱的数据各具特点,相互之间的数据互通具有较强的现实意义,而社交账号与知识图谱实体的对齐是数据互通的前提。针对社交媒体与知识图谱的特点,提出了一种基于子图相交的对齐方法,旨在给定社交账号的情况下,根据社交账号的相关信息在知识图谱中找到正确的对应条目。该方法在候选实体生成阶段对比实验了不同的生成策略。在目标实体选择阶段提出一种基于子图相交的算法,利用社交账号的社交关系在知识图谱中映射成子图。子图相交算法通过考察子图中候选实体周围顶点的"稠密"程度,确定社交账号所对应的目标实体。由于该领域尚无公开可用的测试数据集,构造了一个基于Twitter与Wikidata的对齐数据集,使用该数据集对该方法进行评估,对比测试了标题匹配算法和AGDISTIS算法,子图相交算法能够达到更好的效果。     

油气井分段压裂用可溶合金研究进展及展望

通过对国内外油气井分段压裂用可溶合金的调查研究,重点论述了可溶镁合金、可溶铝合金两种合金的研究进展与技术现状。并从创新材料成分、优化微观结构、融合加工工艺三个方面对可溶合金的发展趋势进行了展望。     

基于外观统计特征融合的人体目标再识别

人体目标再识别是视频监控等应用的关键问题之一。该文从外观统计特征融合的角度,利用人体的颜色和结构信息,基于空间直方图和区域协方差两种优秀的统计描述方法,研究了再识别问题的特征构建和测度选择等内容。构建特征时从图像多个层次的统计区域中提取了多类互补性较好的统计向量,设计测度时使用了简单的l1距离进行加权组合。两类统计方式融合而成的再识别方法不需要进行预处理和监督性训练过程。该文进行了广泛的实验比较和分析,验证了该文方法优异的识别性能和较强的实用性能。     

基于卷积神经网络与全局优化的协同显著性检测

针对目前协同显著性检测问题中存在的协同性较差、误匹配和复杂场景下检测效果不佳等问题,该文提出一种基于卷积神经网络与全局优化的协同显著性检测算法。首先基于VGG16Net构建了全卷积结构的显著性检测网络,该网络能够模拟人类视觉注意机制,从高级语义层次提取一幅图像中的显著性区域;然后在传统单幅图像显著性优化模型的基础上构造了全局协同显著性优化模型。该模型通过超像素匹配机制,实现当前超像素块显著值在图像内与图像间的传播与共享,使得优化后的显著图相对于初始显著图具有更好的协同性与一致性。最后,该文创新性地引入图像间显著性传播约束因子来克服超像素误匹配带来的影响。在公开测试数据集上的实验结果表明,所提算法在检测精度和检测效率上优于目前的主流算法,并具有较强的鲁棒性。