前磁曲线数据数字化预处理

本文结合前磁曲线的特点，提出了一种结合空间分布信息的大津阈值方法，克服了传统预处理过程中的缺陷，很好地解决了那些类似于照片纸张扫描的灰度图中背景与目标曲线的灰度非常接近的问题，并在实际应用中取得了良好的效果。     

改进约束三角网在沉积相带图中的应用研究

针对在沉积相带追踪中,常规三角剖分算法构造的三角网无法自动解决河道砂体跨井排不连通问题,提出了一种相带边界线自动识别方法。该方法的关键步骤是采用逐点插入法先生成无约束三角网;再根据河道砂体连通情况插入虚拟井,并通过该虚拟井建立跨井排井的连通线,将这两条线作为约束边插入第一步生成的三角网中,将三角网部分重构,形成最终约束三角网,对该三角网进行相带边界追踪。系统前端采用。 NET网页框架和Applet网页嵌入技术,核心绘图功能采用Java 2D绘图技术,效果良好。     

基于双链量子遗传算法的过程神经元网络训练

基于函数正交基展开的过程神经元网络训练,由于参数较多BP算法不易收敛。针对这一问题,本文提出了一种基于双链量子遗传算法的解决方案。首先按权值参数的个数确定染色体上的基因数,完成种群编码,然后通过染色体评估获得当前最优染色体,以该染色体为目标,用量子旋转门完成种群中个体的更新,用量子非门实现个体变异增加种群多样性。在该方法中,每条染色体携带两条基因链,因此可扩展对解空间的遍历性,加速优化进程。以两组二维三角函数的模式分类问题为例,仿真结果表明该方法不仅收敛速度快,而且寻优能力强。     

基于目标导向的采油射孔培训考试系统研究

为了提高采油射孔培训效率,增强工人培训兴趣,解决现有射孔工序操作培训目标不清晰、培训方式单一等弊端问题。根据目标导向的层次目标特点,开发了基于目标导向的射孔培训考试系统。根据不同阶段的不同目标,制定不同的实现方法。系统经现场试用,效果显著,实现了目标设定合理、考试结果反馈及时以及培训效果突出等优点,极大地提高了工人的培训效率。     

基于改进LSTM神经网络的测井曲线重构方法

地球物理测井过程中,由于仪器测量或者井眼原因等经常会造成部分测井曲线失真或缺失的情况,针对失真或缺失部分测井曲线的补全与生成问题,对测井领域知识和长短期记忆神经网络(LSTM)进行了研究,提出联合领域知识与深度学习的测井曲线重构模型(DK-LSTM)。利用测井领域知识中的地层岩性特征指数筛选数据得到高质量的训练样本,并将其作为深度学习重构测井曲线的依据;构建并训练带有领域知识约束层的长短期记忆神经网络模型;基于测井曲线间的强依赖关系在重构模型中引入注意力机制,进而生成并补全测井曲线中失真或缺失的信息。实验结果表明DK-LSTM测井曲线重构模型较标准长短期记忆神经网络和串级长短期记忆神经网络具有更准确的预测效果,为测井曲线重构提供了一种新思路。     

基于自寻优和交叉寻优的量子优化算法

为提高群智能优化算法的搜索能力,提出了一种量子优化算法。该算法基于量子位Bloch坐标,将种群分为最优个体和普通个体两部分并进行不同处理,对于最优个体,通过使所有量子比特在Bloch球面上绕着坐标轴多次旋转,生成多个新个体,并采用贪婪搜索策略选择最优个体;对于普通个体,将当前个体的量子比特向着随机交叉确定的目标位置旋转,生成新个体,并在当前个体和新个体之间通过贪婪选择以实现当前个体的交叉寻优。函数极值优化的仿真结果表明,所提算法在优化能力上,优于简单量子遗传算法、普通遗传算法和人工鱼群算法,从而验证了算法的有效性。该算法在高维能很好地避免陷入局部最优值,具有快速收敛性和良好的全局搜索能力,实验结果揭示出采用量子计算设计优化算法进而提升搜索能力的研究思路是可行的。     

一种增强的多粒度特征融合语义匹配模型

语义匹配作为自然语言处理任务中重要的一环,直接制约问答系统、信息检索等任务的效率。针对现有语义模型大多只以词为基本语义单元进行注意力交互,较少考虑中文中的词边界模糊和字符信息获取不足而带来的语言颗粒度对整体建模忽略的问题,提出一种增强的多粒度特征融合语义匹配模型EMGFM。首先结合BERT模型和word2vec以获得增强的字符向量表示,然后从字、词、句三种粒度进行注意力的交互,并对交互结果进行加权融合,以突出不同交互信息对整体建模的贡献。为减少交互过程中产生的信息损失,通过构造差异性来对交互信息进行信息增强。最后通过最大池化、平均池化两种方式获得文本的最终语义表示以进行匹配度的计算。该模型在CCKS问句匹配大赛中文数据集上达到了87%的正确率,相比于一些语义匹配的经典模型准确率均有提升,证明该方法确实能有效提升问句语义匹配的准确性。     

量子行为引力搜索算法

为提高引力搜索算法的优化能力, 通过在原始算法中融合量子计算, 提出一种量子行为引力搜索算法. 该算法采用类似量子行为粒子群优化的寻优机制, 在每步迭代中, 计算个体适应度, 根据适应度计算个体质量, 取前K 个质量最大的个体作为候选集. 采用轮盘赌方法在候选集中选择一个作为Delta 势阱的中心, 调整其他个体向该中心移动完成一步优化, 在优化过程中使K 值单调下降, 以期达到探索和开发的平衡. 标准函数极值优化的实验表明, 所提出的算法比原算法在优化能力和优化效率两方面都有明显提高.

     

基于AHP的油田产能建设项目后评价模型研究

为了提高油田产能建设项目的投资效益以及决策、管理水平,在详细分析油田产能建设项目后评价工作程序、工作内容的基础上,针对油田产能建设项目不确定因素多、风险高、投资大等特点,提出建立以计算机技术支持的基于AHP油田产能建设项目后评价辅助系统的设计方案。运用层次分析法（ AHP）合理地确定了评价指标的权重,得到项目综合评分;根据实际需求研究并开发了以满足工程技术人员及项目管理决策需求的智能系统。该系统应用于油田产能建设项目后评价工作中,更为客观地对产能建设项目进行高效的评价,使产能建设项目投资决策更加科学化。     

前馈神经网络在水泥胶结识别中的应用

为了解决石油测井中水泥胶结质量识别误差较大的问题,采用八扇区水泥胶结测井仪进行声幅测量。仪器灵敏度变化以及泥浆对声信号的衰减所引起的误差可以综合利用首波幅度信息对其消除。通过对非线性连接权的神经网络方法的研究和阐述,克服了传统的BP学习算法过程中难以跳出局部极小值与收敛速度慢的缺点,使其具有3层BP网络的功能且提高了运行速度,优于统计识别方法。实验表明,前馈神经网络方法的应用可识别水泥胶结质量,识别正确率远高于相对幅度法,效果显著。