用井筒完整性技术与标准一体化管理页岩气作业

在介绍中国页岩气资源量与产量基础上,论述了页岩气开发在地质和钻井、完井、采气、压裂、测试、监管、维护等作业中的难点及“工厂化”页岩气作业的特点,以及单独压裂、拉链式压裂和同步压裂的特点,介绍了全通径可控无限极滑套完井方法与工具的研究与使用现状。详细论述了用井筒完整性标准一体化管理页岩气一口井全生命周期内各种作业的理念,给出了页岩气开发的水平井井筒屏障示意图,用图解及文字说明页岩气在井筒全生命周期内多种作业的井筒完整性和井筒屏障的设计、运行、管理内容及特点与难点。     

塔里木盆地英买力地区白垩系舒善河组相对湖平面变化

塔里木盆地英买力地区下白垩统舒善河组是岩性油气藏勘探的有利层位。然而,该区发育的浅水三角洲与滩坝沉积常相互交织叠加、难以区分,相对湖平面变化研究有助于确定该区沉积相类型及揭示其分布规律。依据高分辨率层序地层学理论,利用岩心、录井、测井等资料,通过结合定性层序划分与定量测井小波变换分析,对塔北隆起英买力地区白垩系舒善河组进行层序地层划分,定量划分出4个长期、8个中期、13个短期及84个超短期层序。基于超短期旋回的Fischer图解分析表明,舒善河组相对湖平面整体上为一次大规模湖侵到湖退,且在沉积中期湖平面缓慢上升至最大规模。舒善河组内部划分的4个长期旋回的湖平面分别对应一次完整的湖侵到湖退的变化过程。通过与前人的研究成果对比可以看出,取得的相对湖平面升降曲线与前人成果的整体趋势较吻合,其内部更精细的多次小规模湖平面变化可作为该区后续地质研究的理论基础。     

基于PointNet++的工井点云语义分割模型研究

受地下工井空间狭窄,环境复杂的影响,采集的工井点云数据存在在空间中分布不规则且不均匀、数据量大,难以实现多目标高效地语义分割等问题,本文提出了基于PointNet++的工井点云语义分割模型研究。首先采集了地下工井点云数据并加入语义标签制作模型训练需要的数据集;其次,为提高点云分割任务的性能,引入一种基于深度学习的PointNet++网络模型,并利用多分辨率分组（Multi-scale grouping,MSG)和随机输入（Random Input Dropout,DP）策略,实现地下工井地面、顶、爬梯、墙、电缆线和支架等的语义分割。最后,分割类别采用精确度、召回率、交并比,F1分数作为评价指标,结果表明,与PointNet网络模型相比,本文模型评价指标均展现出了显著的提升,在地面、井顶、井墙和电缆线等类别评价指标均超过80%,目标分割的性能良好,有利于地下电缆工井场景的多目标快速精准分割,为地下工程精细化管理奠定基础。     

基于多层次语义特征的建筑立面点云提取方法

建筑立面信息是指建筑物与外部空间接触面的空间分布及属性信息,如何从点云数据中提取建筑立面信息是点云数据处理中的热点和难点.为解决传统格网密度算法在建筑立面点云提取时评价标准单一、适应性不强的问题,综合分析建筑区各类典型地物点云的高程分布、投影密度、法向量分布等局部及整体空间特征,构建由点云单点语义、格网语义及区域语义组...     

基于点击数据的图像识别

随着细粒度图像分类研究的不断深入,用户点击数据逐渐被人们当成可靠的语义特征。由于用户点击数据集规模巨大且存在大量冗余,直接使用点击特征进行识别也存在诸多挑战。该文提出利用文本聚类降低文本空间并优化原始点击特征,从而建立精简的文本空间来表征图像,该方法能更好地合并语义相近的文本。在微软发布的Clickture-Dog大数据集上进行的大量实验表明,点击向量特征优于传统图像的视觉特征,图像识别任务中的准确率也更高;基于视觉相似度的传播算法能帮助提高点击特征的表征能力;在大规模文本聚类中,基于稀疏编码的聚类方式识别率达到了58.24%。     

结合多尺度特征和注意力机制的公路裂缝检测

由于航拍公路裂缝数据缺乏并且裂缝图像存在目标小、分布复杂的特点,导致语义分割模型在航拍公路裂缝检测中效果差,影响模型在实际场景的应用,为此提出基于改进DeeplabV3+的公路裂缝检测方法。构建语义分割模型,选定DeeplabV3+模型并作如下优化：由于低级特征包含更多裂缝细节信息,增加了提取低级特征的路径,从ASPP模块输出的特征为高级特征,高级特征包含更多语义信息,将两者信息进行融合能保证模型不丢失裂缝的细节信息;在网络中嵌入SCSE注意力模块抑制对其他无关信息的响应,改善模型在裂缝数据集检测效果差的问题。实验结果表明,改进DeeplabV3+算法可以有效解决模型对小目标裂缝分割时效果差的问题,模型的检测精度提高了2.59%,具有较强的应用价值,可以为实际公路裂缝检测提供参考。     

基于事件流的近似语义通信中间件技术研究

针对通信中间件在数据处理中出现的耦合问题,在原有时间、空间和控制流耦合的基础上,为了解决如今的异构网络数据和动态网络环境下所出现的事件流匹配延迟问题,引入近似语义因子,提出了一种基于事件流的近似语义匹配模型,该模型可有效解决语义耦合,加快匹配速度。仿真实验结果表明,该通信中间件处理模型可有效改善事件流匹配中的耦合问题,提高异构数据解析后事件流的匹配速度,减少事件流之间的中间状态的内存消耗,同时,具有良好的扩展性,可广泛应用于移动互联网和物联网中。     

基于语义技术的任务-设备映射机制设计

在分布式传感网络(DSN)上提供一个基于语义技术的任务-设备映射机制设计,有利于设备发现和任务匹配。其映射模式包括任务和设备匹配用的共享规范集合以及各个元素之间的关系。基于四元组,重用SSN,Onto Sensor,AWS等现有的面向领域的本体,扩展匹配机制中的元素,形成本体知识库。以森林火灾防测为目标领域,利用Jena API等工具进行了样机开发,实现了能力断言和设备匹配功能,并从逻辑功能、响应时间、主客观评测等方面对本体知识库和样机进行了参数评估,从参数结果验证了提出的匹配机制和框架结构的可行性。     

RDFReactor在基于本体软件开发中的应用研究

RDFReactor能根据本体文件自动生成JavaAPI，程序员无需知道RDF和本体就可以使用这些API开发基于语义的应用程序。并详细介绍RDFReactor的实现原理和应用。     

基于分等级对象语义图模型的复杂目标自动识别方法研究

目标自动识别是图像处理领域的研究热点。针对现有方法的不足,该文提出一种新的基于分等级对象语义图模型的复杂目标自动识别方法。该方法通过构建分等级对象语义图模型增强对目标与背景间、目标部件间语义约束的利用,引入置信对象网络统计局部特性,利用消息机制传递对象间相互影响,实现概率语义分析。训练中还将产生式和判别式方法结合,提高了目标识别的准确度。在自然和遥感部分目标类别数据集上的测试结果表明,该方法能完成对多种类型和复杂结构目标的识别和提取,具有一定的实用价值。