多项式拟合曲线在土粒比重试验中的应用

用多项式拟合温度与瓶、水总质量曲线,通过所得到的多项式方程计算每个比重瓶在不同温度下的瓶、水总质量,更快捷准确。经现场对比试验验证,该方法满足准确性要求,提高了工作效率。     

曲线自动拟合法在多井试井分析中的应用

本文从渗流方程的反问题出发,提出一种用于多井试井解释的通用方法——曲线自动拟合法。该方法通过一个非线性最小二乘参数估计,使实测数据与油藏数学模型的理论曲线自动拟合。为了判断各井之间地层明显异性的情况,文中提出了一种新的多井试井方法(即多井激动、一井观察试井法),并研制了相应的多井试井软件。矿场实测和虚拟测试的分析结果表明,这种新方法既可以一次性地解释同一油藏中各激动井与观测井之间的不同渗透率,又节省了测试时间和少用了测试仪器。     

试井解释图版拟合分析的神经网络方法

图版拟合是现代试井分析的主要方法,由于图版上典型曲线分辨率的限制,使得典型曲线图版拟合分析不可避免地存在误差。除此之外,复杂试井问题的图版分析常常同时需要多幅图版,因而限制了典型曲线图版拟合分析方法的应用。利用前馈神经网络的函数逼近性质,建立了神经网络典型曲线图版,并给出了相应的解释方法。所建立的神经网络图版包含了全部理论曲线的信息,克服了传统典型曲线图版的不足,使得任意的实测曲线都能在神经网络典型曲线图版上直接得到精确拟合。同时,该图版大大简化了传统图版的拟合分析过程,使图版拟合分析更易实现。神经网络图版的研制成功,使实现图版拟合分析的智能化成为可能;另外,利用神经网络的函数映射能力,建立的神经网络图版可以包含更多信息,从而可以解释出更多的参数值。图3参4(邓远忠摘)     

样条曲线的构造方法

本文简明的从数学与图学两方面，论述了关于样条曲线的构造方法。     

时频域零炮检距地震道拟合技术在高分辨率资料处理中的应用

在地震资料处理中，水平叠加的作用是压制随机噪声和消除多次波，但伴随的缺点是降低了地震资料分辨率，且模糊了振幅特征。为了提高地震资料分辨率和振幅保真，许多学者提出了多种拟合方法代替水平叠加。然而，这些拟合方法也有其自身的弱点，如在提高信噪比方面的能力较弱等。本文从应用角度出发，讨论了时频域零炮检距拟合方法的特点及在海上高分辨率地震资料处理中应用叠前消除各种线性干扰和多次波的必要性。实际资料处理结果表明，只要在叠前做好去噪工作，应用时频域零炮检距地震道拟合方法代替水平叠加有利于改善地震资料的分辨率和振幅保真。     

合肥近地面折射率结构常数C_n~2分布特征及分析

本文通过对合肥郊区中科院安光所气象观测场1995年1～3月近地面层折射率结构常数C2n的统计分析，得到了C2n的日变化特征、概率分布等，同时对C2n和近地面气象要素的关系作了讨论。     

双基阵被动定位位置估计算法研究

根据双基阵被动定位的特点，分别论述了仅利用方位测量信息的交叉测向法定位原理和利用方位及时延差测量信息的测向测时差法定位原理，并在相同的仿真条件下，对两种方法的定位性能进行了比较。介绍了可提高被动定位精度的数据预处理和最小二乘拟合方法。通过蒙特卡洛仿真分析比较了基阵位置、基阵间距及各种测量参数改变对定位性能的影响。仿真结果表明，基于纯方位测量信息和方位—时延差测量信息的双基阵被动定位方法，避免了观测平台的机动，具有较好的可观测性，经过必要的改进，可用于对海上机动目标的无源定位。     

EMLK-2D：传统经验最大概似克立格（Kriging）法支持下的计算机空间数据判别软件

研究人员利用Fortran-90语言成功地开发出一种传统经验最大概似克立格法支持下的计算机空间数据判别软件。该软件已成功地解决了“高斯域”（利用实验数据中正态分布的数据）中的空间数据判别问题，其中，简单克市格法判别等价于最大概似法判别，其结果与期望值相吻合。通过经验概率分布函数，使得数据发生正态转换。研究人员利用贝叶斯函数，结合后验分布的平均值，     

一种新的非稳态油水相对渗透率曲线计算方法

油水相对渗透率曲线是一项重要的油田开发基础数据,实验室中常通过分析岩心非稳态驱替数据获得,其分析方法存在一定不足.为此,通过改进计算公式得到了一种非稳态法处理油水相对渗透率曲线的新计算方法,该方法能够克服前人有关数据拟合的过于简单或多项式拟合非单调性的缺点,且计算结果与相关参考文献的图解结果具有良好的一致性,易于编程求解,提高了计算的合理性和准确性.     

5A06铝合金高精度唯象本构模型的快速构建

以5A06铝合金为例，探索高精度唯象本构模型的快速建立方法。针对唯象本构模型中的数学本构模型，开发了可对热压缩实验数据进行自动拟合，并包含摩擦补偿、温度补偿和应变补偿的Arrhenius本构模型程序，其可在20 min内实现包含1600次补偿计算在内的Arrhenius修正本构模型建立与反向求解对比；而手动进行10次这样的补偿计算需耗时5 h。对唯象本构模型中的统计本构模型开发了嵌有随机搜索、交叉验证、余弦退火调整学习率和附加动量法的神经网络模型，可对学习率、隐藏层神经元个数以及批大小等超参数进行寻优，寻优迭代至1000次时结果收敛，总寻优时长为3 h。综合考虑相关性参数r、均方根误差e_RMSE、平均绝对误差e_AARE、相对误差和计算时间t,可知，手动计算耗时最长、精度最低，修正Arrhenius本构模型程序耗时最短、精度合理，神经网络模型耗时合理、精度最高。