连通区的页面分割与分类方法

页面分割与分类是文档处理的关键步骤，但目前多数方法对页面的块和倾斜进行了限制，文中提出一种新的基于连通区的页面分割与分类方法，首行采用快速算法抽取页面内的连通区，然后利用改进的PLSA算法分割页面，并根据连通区的分布情况以及块的特征对块进行分类，该方法页面分割与分类紧密结合，充分考虑到块的局部特征，保证块分类的正确性，大大提高了算法效率。     

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。     

版面分割中游程平滑后的图文特征分类

游程平滑是版面分割前期常用的一种方法，它将具有较小距离的象素连通在一起形成连通元素。对这些连通元素加以分类是有效划分文本、图象和图形的前提。本文提出了利用几何特征的分类规则以及进一步细分的线结构特征检测方法。     

一种基于词义和词频的向量空间模型改进方法

向量空间模型(VSM)是一种使用特征向量对文本进行建模的方法,广泛应用于文本分类、模式识别等领域。但文本内容较多时,传统的VSM建模可能产生维数爆炸现象,效率低下且难以保证分类效果。针对VSM高维现象,提出一种利用词义和词频降低文本建模维度的方法,以提高效率和准确度。提出一种多义词判别优化的同义词聚类方法,结合上下文判别多义词的词义后,根据特征项词义相似度进行加权,合并词义相近的特征项。新方法使特征向量维度大大降低,多义词判别提高了文章特征提取的准确性。与其他文本特征提取和文本分类方法进行比较,结果表明,该算法在效率和准确度上有明显提高。     

基于两次分类的校友搜索系统的设计与实现

从Internet上自动搜索校友信息时,校友信息的判别可以作为文本分类问题来处理.然而由于校友信息在Internet上分布的稀疏性,使得传统基于统计的分类方法的精度不高.本文使用了两次分类的方法来判别校友信息.第一次分类基于规则的方法,目的去除绝大多数的反例,降低分类问题的规模.第二次分类基于统计的方法,最终确定校友信息.实验结果表明,系统具有较高的准确率和召回率.     

海量遥感分类图连通域标记方法

针对遥感影像数据量大的特点,设计并实现了一种针对海量遥感影像分类图的连通域标记算法。通过对影像进行合理高效的分块,解决海量数据处理过程中对大内存的要求。对读入内存中的数据,采用了基于队列的种子填充算法进行连通域标记,通过采用贯序连通域标记算法中的冲突表机制,解决因分块之间隔离而造成的同一连通域标记不同的问题。该方法具有可以处理海量数据、对分类结果数据仅仅访问一次、无须对生成的结果进行重新标记就可以完成连通域的标记、可以获取连通域的基本统计信息等特点。实验结果证明了该方法的高效性。     

基于可拓方法的脉象分类研究

提出一种基于可拓学的脉象分类方法,旨在将可拓方法应用于脉象分类判别,建立脉象多参数指标的判别模型,并以定量的数值表示判别结果,能较完整地反映实际的脉象属类,且易于使用计算机进行规范化、客观化判别。     

一种用于文本分类的逻辑推理方法探讨

针对使用布尔逻辑推理的 OCAT方法进行文本分类时存在的不确定文本比重较大的问题 ,提出带权重的 WOCAT文本分类算法。算法将文本属性权重信息用于推理及判别过程 ,在原有判别效果基础上对不确定文档进行进一步判别。分析结果表明在分类正确率上较原方法有明显提高     

一种辅以强规则学习的双层文本分类模型

随着基于机器学习的文本自动分类方法成为主流分类技术,基于机器学习的文本分类方法往往忽视了对规则分类方法的有效运用。该文将基于规则的分类思想和基于机器学习的分类方法有机地结合起来,把规则判别看作一个分量分类器,提出了一种辅以规则补充的双层文本分类模型和一种优化的分类规则学习算法。根据该方法设计并实现了一个基于规则和N-Gram统计分类相结合的双层分类器,进行了双层分类模型与单独的N-Gram分类模型的实验,结果表明辅以规则补充的双层分类器具有更好的分类性能。     

基于增强特征判别性的典型相关分析和分类集成的助学金预测方法

针对高校资助管理办法效率低下、工作量大等问题，提出一种增强特征判别性的典型相关分析（EN-DCCA）方法，并结合分类集成方法实现高校学生助学金预测。将学生在校多维度数据划分为两个不同视图，已有的各种多视图判别典型相关分析算法没有综合考虑视图类别之间的相关性和视图组合特征的判别性两者因素。EN-DCCA的优化目标在最大化类内相关的同时最小化类间相关，并且考虑了视图组合特征的判别性，进一步强化了属性的判别性能，更有利于分类预测。高校学生助学金预测的实现过程：首先，根据学生生活行为和学习表现将数据预处理为两个不同视图，然后用EN-DCCA方法对这两个视图数据进行特征学习，最后用分类集成方法完成预测。在真实的数据集上进行实验，所提方法的预测准确率达到90.01%，较增强视图组合特征判别性的典型相关分析（CECCA）的集成方法提高了2个百分点，实验结果表明，所提方法能有效实现高校助学金预测。     

Characterizing interwell connectivity in waterflooded reservoirs using data-driven and reduced-physics models: a comparative study

Waterflooding is a significantly important process in the life of an oil field to sweep previously unrecovered oil between injection and production wells and maintain reservoir pressure at levels above the bubble-point pressure to prevent gas evolution from the oil phase. This is a critical reservoir management practice for optimum recovery from oil reservoirs. Optimizing water injection volumes and optimizing well locations are both critical reservoir engineering problems to address since water injection capacities may be limited depending on the geographic location and facility limits. Characterization of the reservoir connectivity between injection and production wells can greatly contribute to the optimization process. In this study, it is proposed to use computationally efficient methods to have a better understanding of reservoir flow dynamics in a waterflooding operation by characterizing the reservoir connectivity between injection and production wells. First, as an important class of artificial intelligence methods, artificial neural networks are used as a fully data-driven modeling approach. As an additional powerful method that draws analogy between source/sink terms in oil reservoirs and electrical conductors, capacitance–resistance models are also used as a reduced-physics-driven modeling approach. After understanding each method’s applicability to characterize the interwell connectivity, a comparative study is carried out to determine strengths and weaknesses of each approach in terms of accuracy, data requirements, expertise requirements, training algorithm and processing times.

     

基于稀疏表示的阵列声波测井仪数据无损压缩传输方法

交叉多极子阵列声波测井仪在井下信号采集的同时,采用无损压缩提升单位时间内上传数据量,是目前主流的仪器上传带宽增加方式。针对传统压缩方法压缩率较低,导致仪器在单位深度地层工作时长过长的问题,从信号稀疏表示的角度出发,对采集的多路声波波列采用预先构建的稀疏变换矩阵进行稀疏变换,将求解的稀疏表示系数和其重构信号与原始信号的误差进行压缩编码上传;地面系统通过相同的稀疏变换矩阵进行信号重构,实现解码;其中,稀疏变换矩阵采用K-SVD算法进行预训练,提升稀疏变换系数的稀疏度与重构信号精度,进一步降低上传的压缩编码长度。在HB油田3口井实际测井资料的实验中,本方法与目前主流的测井数据压缩方法相比,压缩率平均提升约17.3%;在4口井的阵列声波实际测井作业的应用测试中,作业效率平均提升约20.2%。结果表明,数据压缩传输算法极大地提升了阵列声波测井时效,在保证数据采集质量的同时,实现了阵列声波仪器的高速测量。     

基于特征融合的抽油机井检泵周期预测

检泵周期是反映抽油机井工作情况的重要指标,准确预测检泵周期对提高油井产能和经济效益具有重要意义。针对油田检泵周期预测准确率低等问题,提出一种基于特征融合抽油机井检泵周期预测方法。该方法引入SVR提取油田数据的静态特征,利用卷积神经网络学习油田数据的动态特征,引入多模态压缩双线性池化对静态特征和动态特征进行融合,利用判别模型训练融合特征实现检泵周期的准确预测。实验结果验证了该模型的有效性和可行性。     

一种新的高分辨率常规声波测井系统

高分辨率声波测井对于划分薄油气储层具有重要作用。为解决通过增加声波接收探头提高常规声波测井仪器分辨率这种方法带来的工作模式复杂、投入成本高等问题,根据信号稀疏表示理论,在分析常规声波响应信号采集原理的基础上,构建相应的信号稀疏变换矩阵,在实际测量值构成的观测矩阵的约束下,采用基追踪优化算法,求解稀疏表示系数,得到反映原始薄地层的高分辨率声波测井信号。地层模型仿真与SL油田4口井实际资料处理的结果表明,高分辨率声波信号与地层模型的平均误差为2.41%,且与裸眼井微电极曲线具有良好的薄层对应性。同时,将软件算法植入SL6000型的地面数据采集处理DSP模块,形成新的高分辨率常规声波测井系统。结果表明,此方法较传统方法在不添加任何硬件装置的情况下,同样具备较强的薄层分辨能力,因此具备更大的推广应用价值。     

套管油井中测量地层电阻率的方法研究

通过对已有过套管测量地层电阻率测量技术的研究,结合目前比较成熟的测井仪器设计经验,建立了过套管电阻率测井系统的数学模型;利用节点电压法推算出过套管电阻率的测量公式,设计了过套管测地层电阻率微弱信号采集系统;使用该测井系统采集各测量电极的微弱电压信号,并将采集到的各电极电压参数及发射电流代入过套管电阻率测量公式推导,运算结果表明该方法测量数据准确度高,达到了电阻率微弱信号检测的要求;在石油测井领域地层电阻率测量中具有一定的实用性和推广价值。     

油田注水井工况实时分析及管理系统开发与应用

注水是油田保持地层能量,维持高效经济开发最有效的手段.随着国内油田相继进入高含水开发期,稳产难度日益增大,油田数字化管理模式下如何加强精细注水管理,确保油藏“注好水,注够水”,是各大油田持续稳产面临的关键问题.研发的油田注水井工况分析及管理系统,利用多信息融合、数据集成及计算机技术,通过特定的融合模型及算法,实现注水井工况分析诊断、故障预警、指标统计、远程调配、注水曲线及报表自动生成等功能.系统采用B/S＋C/S架构,模块化设计,自动化数据与信息化融为一体.该系统在长庆油田l万余口注水井上应用,为油藏精细注水开发管理提供了有力的工具.     

考虑爬坡约束的油井间抽批调度问题

油井间抽批调度问题是确定未来给定计划期内油田井场间抽工作方式的油井各时间段的启停状态及采油量,在满足采油需求的情况下,考虑油井底部压力变化特征对油井开启的影响以及油井最小开关机时间和爬坡约束等生产工艺要求,使总的油井采油运行成本最小.针对油井数量多而导致大规模常规数学规划模型难以求解的困难,建立了基于批的混合整数规划模型.根据模型特点设计了基于变量分离的拉格朗日松弛算法（Lagrangian relaxation,LR）进行求解.针对常规动态规划方法求解分解后的带有爬坡约束的单机组子问题效率低的缺点,提出了用特征点代表同一阶段具有相同性质节点群的状态空间约简策略,使动态规划搜索节点的复杂度从O（n4）降到O（n2）,显著提高了算法的搜索效率.通过大量随机产生的数值实验表明,提出的基于变量分离的LR算法,小规模问题与CPLEX获得的最优解接近,中大规模问题能够在合理的计算时间内获得高质量的解.     

基于局域网与GSM传输技术实现油田分站计量

油田开发进入到后期,继续延用老的计量方式及管理模式在某种程度上已不能满足现阶段油田开发生产需要,应用先进科技手段、搞管理创新是提高企业核心竞争力的重要手段。分站计量就是在油田生产最前线的计量站对其管辖所有油井的生产参数进行实时检测计量,利用日趋完善的油田局域网技术与GSM无线通讯技术,实现生产数据的自动采集与传输。提高生产快速反应及应急处理能力和生产管理水平,同时将生产管理与考核前移至计量站,以计量站为中心,实现厂管矿、矿管队、队管站定量考核模式,使生产管理向精细化、扁平化方向发展。实践证明,分站计量系统的应用中取得了良好的效果,为油田开发后期提高管理水平起到了重要作用。     

基于支持向量回归机的油田生产预警模型研究

传统的油田开发动态生产预警采用独立性指标阈值判别方法,从而带来预警结果不准确、异常事件发生时报警而不是预警等问题。本课题提出一种油田生产预警模型,该方法将支持向量回归机(Support Vector Regression,SVR)用于油田生产预警中,通过分析历史生产动态数据,找到它们的变化规律,总结出生产异常警报形成模式,在油田异常事件的初期给出预警信号,提前分析处理潜在隐患,以便保证油田采收效率的稳定性。实验结果证明模型对于油田生产中发生的异常情况具有较高的预测准确性。