基于计算机图形学的化工污水流量检测方法

化工企业的污水治理存在的主要问题是由于化工污水的含油特性导致传统方法不能有效检测流量等信息。提出了一种非接触、低成本、高稳定性的污水流量检测方法,研究内容包括污水流量在计算机图形学中的表达、污水流量检测模型和水体目标识别算法3个部分：构造双坐标系建立污水流量与摄像机图像在计算机图形学中的数学表达并证明污水流量检测可行性;构建污水流量与水域面积之间的数学模型,利用自然光下水体目标和墙壁等其他目标纹理特征差异性,实现自然图像污水水体目标识别;利用构建的数学模型和水体的识别结果计算出实际的污水流量。基于该方法开发了鲁棒的污水流量检测系统,并在真实场景中进行了实验,结果表明：在不同的天气状况下拍摄的图像,系统依然可以保证95%以上的流量检测精确度;非接触式的检测模式,减少了设备与化工污水之间的接触,增加了设备的使用寿命;文中实验硬件配置下,系统单幅图像的识别平均时间低于100 ms。     

基于数据驱动的地下储气库地层压力预测

地层压力是制定注采井工作制度和监测储气库运行的重要参数,鉴于数值模拟认识地层压力涉及到复杂的地质建模和高质量的历史拟合,提出一种数据驱动的储气库地层压力预测方法．引入注采气量比重数值加权最优规整路径筛选压力监测井,采用3种机器学习算法建立监督学习地层压力预测模型,即极端梯度提升（extreme gradient boosting, XGBoost）、支持向量回归（support vector regression, SVR）和长短期记忆网络（long short-term memory network, LSTM）．实验结果发现,3种预测模型的预测性能从高到低排序为SVR、XGBoost和LSTM,其中,SVR模型的预测性能最稳定;引入注采气量比重数值筛选压力监测井,提升了预测模型的预测性能．研究表明,依靠纯数据驱动方法,将常规地面监测数据直接用来解释为地下储气库的地层压力,非常适合地下储气库的现场应用．