利用RBF神经网络自适应调整算法预测储层产能

传统径向基(RBF)神经网络的基函数宽度值都由经验公式确定或人为选取,没有考虑误差分布情况,所以在应用中常常效果不够理想。为此本文以最近邻距离算法为基础提出一种改进的RBF神经网络算法,能够自适应地调整基函数中心点宽度值以达到高精度、快速逼近样本的目的。在石油储层产能的预测中,首先对样本信息进行属性约简、预处理;然后在网络学习训练中通过计算输入样本的RBF神经网络的中心点值,再确定RBF神经网络基函数的宽度值,直到满足系统精度为止;最后用训练好的网络来进行储层产能预测。仿真结果表明,改进的RBF神经网络算法应用效果显著,不仅比传统RBF神经网络算法拟合精度高,而且收敛速度快。     

用于油水层识别的一种简化的神经计算方法

在油水层识别中,单纯使用神经计算存在因输入信息空间维数较大而使网络结构复杂、训练时间长,以及因冗余属性使网络拟合精度不高等缺点,为此基于属性约简和最优化原理提出一种简化的神经计算方法,主要包括基于粗糙集的样本属性约简算法,基于LM方法的稳定学习算法,以及基于黄金分割的隐合层节点数确定的优化算法等。仿真试验和实际应用表明,这种简化的神经计算方法不仅满足识别系统的精度要求,而且起到节省成本、提高处理速度等功效,在油水层识别中效果显著。     

基于人类视觉的图像质量评价的定量研究

随着人们对视觉成像质量要求的不断提高,成像质量评价方法的地位也随之升高,而对比敏感度CSF是检测视功能的重要指标.本文研究了大瞳孔下不同Zernike组分高级像差与CSF的关系：高级像差、矫正第三级的高级像差、矫正第三、四级的高级像差、彗差、球差、三叶草6种情况下的CSF曲线图,定量地分析了在不同频率处CSF的变化规律.结果表明：RMS值与CSF曲线的变化趋势是呈负相关的;在空间频率为7 cpd和13 cpd时,高级像差、矫正第三级的高级像差、矫正第三、四级的高级像差后的CSF值分别为62和24.58、64.5和25.97、67.29和29.39,说明三、四级高级像差对CSF的递减变化都起到一定的积极作用,且第四级影响较大;彗差、球差、三叶草对CSF的影响不容忽视,在空间频率为7 cpd和13 cpd时,彗差、球差、三叶草的CSF值分别为82.03和34.81、85.64和35.85、85.96和36.18.     

基于虚拟三面体的摄像机与二维激光测距仪外参数最小解标定新算法

摄像机与激光测距仪(Camera and laser rangefinder, LRF)被广泛应用于机器人、移动道路测量车、无人驾驶等领域. 其中, 外参数标定是实现图像与LIDAR数据融合的第一步, 也是至关重要的一步. 本文提出一种新的基于最小解(Minimal solution) 外参数标定算法, 即摄像机与激光仅需对标定棋盘格采集三次数据. 本文首次提出虚拟三面体概念, 并以之构造透视三点问题(Perspective-three-point, P3P)用以计算激光与摄像机之间的坐标转换关系.相对于文献在对偶三维空间(Dual 3D space) 中构造的P3P问题, 本文直接在原始三维空间中构造P3P问题, 具有更直观的几何意义, 更利于对P3P问题进行求解与分析. 针对P3P问题多达八组解的问题, 本文还首次提出一种平面物成像区域约束方法从多解中获取真解, 使得最小解标定法具有更大的实用性与灵活性. 实验中分别利用模拟数据与真实数据对算法进行测试.算法结果表明, 在同等输入的条件下, 本文算法性能超过文献中的算法. 本文所提的平面物成像区域约束方法能从多解中计算出真解, 大大提高了最小解算法的实用性与灵活性.     

基于高斯过程回归的上市股价预测模型

在新股上市价格的科学优化预测问题的研究中,由于金融数据复杂,特别是新股价格存在极强的无序性。传统股票价格预测方法只能采用线性变化规律进行准确预测,无法对非线性股票价格进行有效建模,降低股价预测精度。为了提高股票价格预测精度,提出一种高斯过程回归的新股上市价格预测模型,通过提取影响新股上市价格形成的指标因素,用其训练纳斯达克(NASDAQ)新股上市价格的历史数据,以粒子群算法优化高斯过程的超参数来预测新股上市价格。将8家公司的上市股票作为实例进行分析,预测结果表明,高斯过程回归的方法提高股票价格预测精度,能够有效地适用于新股上市价格预测。     

一种有监督的LPP算法及其在人脸识别中的应用

为了提高局部保持投影算法(Locality Preserving Projections,LPP)对光照、姿态等外部因素的鲁棒性,该文对传统的LPP算法进行改进,提出了一种有监督的LPP(SLPP)方法。首先对LPP子空间进行判别分析,然后选择主要反应类内差异的基向量来构造子空间,最后在子空间上进行识别。通过Havard人脸库和Umist人脸库上的实验,结果表明该方法能够对光照和姿态的变化具有一定的鲁棒性和较高的识别率,比传统的LPP方法和其它子空间分析法识别率提高了10%以上。     

应用BP神经网络方法区分油水层

测井解释是一项主要任务是区分油气水层，目前采用的方法主要是基于统计学理论的经验公式，因而或多或少存在一些不足，而人工神经网络方法具有高度自学、自适应和抗干扰等特点，能够有效地区分油水导。文章根据油水层物理特性，进行了BP算法改进，实际应用表明，其识别率远高于传统方法，效果令人满意。     

一种改进的LS-SVM算法及其应用

 为了避免LS-SVM算法中存在的矩阵求逆问题，提出一种改进的LS-SVM算法，即利用改进PSO算法对LS-SVM算法中线性方程组进行迭代优化求解，这样既能加快算法训练速度和节省内存，又总能得到最小二乘解，提高计算精度。将此改进算法应用到长庆气田C井目的层井段进行气层识别，并与BP神经网络算法、经典的SVM算法和传统的LS-SVM算法比较，结果表明此算法识别精度高，收敛速度快，与试气结果吻合，效果显著。     

阵列声波测井仪及新的数据处理方法

目前代表声波测井水平的方法是全波声波测井，代表性的仪器有阵列声测井仪。文中介绍了斯伦贝谢公司的陈列声波测井仪；论述了一种高精度快速的CT算法—ART3法。用该法进行数据处理，能估计出所处时窗内的非色散波的时差。     

融合多策略的鸟群算法及油层识别ELM模型优化

为了改进鸟群算法易陷入局部最优、收敛速度慢以及种群多样性不足的缺点,提出融合多策略的鸟群算法.引入混沌权重和对称切线混沌加速系数以及高斯扰动策略,增强算法跳出局部最优的能力;引入混合多步选择和自适应步长因子策略,加快算法的收敛速度;引入小波变异策略,丰富算法的种群多样性.实验采用10个基准测试函数,将改进的算法与另外5...