钻井模拟中测井信号去噪及低频信息提取技术研究

在钻井模拟过程中,钻井地质特征参数的获得主要依赖于地震、测井资料。融合地震数据和测井数据进行多源信息联合反演可以有效地解决地球物理资料解释或反演中的多解性问题。为了更好地进行地震测井联合反演, 必须首先对测井信号进行预处理,而在此过程中测井信号去噪和测井低频信息提取是非常重要的。为此,采用小波变换进行测井信号去噪并用FIR数字滤波器提取测井低频信息,将该方法应用于准噶尔盆地永字号井,获得了比较理想的效果。     

利用Kriging插值实现测井声波低频分量重构

在钻井模拟过程中，进行地震测井智能联合反演，首要条件是根据已钻井的测井信息，获取待钻井井位的测井信息，而在此过程中测井声波速度低频分量的重构是非常重要的。为此，提出了一种基于Kriging插值的测井声波速度低频分量重构方法，详细介绍了如何利用该法实现测井声波低频分量的重构，并将该方法应用于准噶尔盆地庄1井的测井声波低频分量重构。结果表明，与传统的普通距离反比法和径向基函数插值法比较，该方法灵活、准确，更适合于测井声波速度低频分量的重构。     

特征点LBP信息在表情识别中的应用

提出一种基于特征点LBP信息的表情识别方法。在分析了表情识别中的LBP特征之后,选择含有丰富表情信息的上半脸眼部周围和下半脸嘴部周围的特征点,计算每个特征点邻域的LBP信息作为表情特征进行表情识别。实验表明,基于特征点LBP信息的方法不需要对人脸进行预配准,较传统的LBP特征更有利于表情识别的实现。     

基于记忆的混合高斯背景建模

混合高斯模型(Gaussian mixture model, GMM)可对存在渐变及重复性运动的场景进行建模, 被认为是最好的背景模型之一. 然而, 它不能解决场景中存在的突变, 如门的打开/关闭等. 为解决此类问题, 受人类认知环境方式的启发, 本文将人类记忆机制引入到背景建模, 提出一种基于记忆的混合高斯模型(Memory-based GMM, MGMM). 每个像素都要经过瞬时记忆、短时记忆和长时记忆三个空间的传输和处理. 本文提出的基于记忆的背景模型能够记住曾经出现的背景, 从而能更快地适应场景的变化.     

一种基于共轭梯度法的广义单隐层神经网络

单隐层前馈神经网络是一种高效且结构简单的神经网络,它的一种典型的学习算法就是误差反向传播(error back propagation,BP)算法.这种算法基于最速下降法原理,主要缺点是学习速度过慢.超限学习机(extreme learning machine,ELM)极大地优化了单隐层神经网络的学习速度,却需要更多的隐层单元来达到与BP网络相当的效率,这不可避免地使网络结构冗余、测试时间变长.受到一种结合了ELM和最速下降法思想的USA(upper-layer-solution-aware)算法的启发,提出一种基于共轭梯度法的单隐层神经网络快速算法,并把它应用于不同数据库中.试验结果表明,在相同网络结构情况下,本算法的效率要优于ELM和USA算法.     

行动起来，武装你的本本——浅谈本本周边选购

今年的笔记本电脑正如去年大家所预料的，价格大幅度的下调，万元以下的笔记本电脑品种越来越多，性能也越来越好，很多朋友都圆了自己本本的梦想。拿到本本的第一刻，兴奋的感觉不言而喻，可在使用了一段时间以后，却发现了众多的不方便，总觉得缺少点什么，不错，正如我们购买了数码相机要添置一些常用设备     

基于支持向量机的虚拟测井声波速度重构技术研究

对只有地震层速度的待钻井，为精确推算各种地质参数，可利用已钻井地震层速度和测井资料的映射关系，重构待钻井虚拟测井声波速度。在这个过程中采用支持向量机理论（SVM）解决了已钻井地震层速度和测井资料的非线性映射问题，重构了虚拟测井声波速度。采用该方法在准噶尔盆地永字号井进行了虚拟测井声波速度重构。模拟结果与BP网络方法、RBF网络方法相比，在绝对误差、相对误差、相关系数以及数据方差方面都是较优的。通过该方法可以获得高分辨率虚拟测井声波速度剖面，提高钻井模拟质量和钻井工程设计的水平。     

吾家有女要出嫁——婚礼DC摄影浅谈

婚礼对于一个人来说，一生可能只有一次。所以每个人都希望能够永久的保留这一神圣的时刻。那么这个并不容易完成的任务就交给了婚礼的摄影师，婚礼上的摄影师一般至少有两位，一位是使用摄像机进行动态拍摄的，另一位则是使用照相机抓拍那一激动人心的瞬间的。近几年由于数码设备的介入，使得我们很多普通的     

陇东盆地水资源承载力分析

水是一种在社会经济发展中有限的、不可替代的特殊资源,本文对陇东盆地水资源承载能力进行分析和预测,表明该区域水资源总量较丰富,能够承载近15年内社会经济可持续发展的需求;最后对陇东盆地水资源利用存在的问题提出了建议。     

基于PSO优化的RBF神经网络在地震测井联合反演中的应用

目前,钻井地质特征参数的获得主要依赖于地震、测井资料,对待钻井而言,则只有地震信息.而若缺乏详细的地质信息,利用地震信息很难精确地推算各种地质参数.可首先利用已钻井地震信息和测井信息的映射关系,结合待钻井的地震信息,来预测待钻井的测井信息.采用PSO优化的RBF神经网络算法进行地震测井反演,并将该算法应用于准噶尔盆地永字号井.该算法与最小二乘RBF神经网络算法和梯度下降RBF神经网络算法相比,在平均绝对误差、平均相对误差、最大误差、相关系数、数据方差以及收敛速度等方面都是最优的.