基于水体退化函数补偿方法的水下傅里叶单像素成像

水下光学成像的探测环境相对复杂。前向散射、后向散射和吸收极大地降低了水下光学成像的成像质量。单像素成像因其较高的抗噪声性而被认为是一种适合于水下光学成像的技术。对于水下单像素成像系统,目前存在的问题是需要采用结构光进行照明,当散斑在水下传播时,前向散射会使预先生成的散斑发生畸变。因此,重建结果的分辨率降低,重建结果模糊不清。为了减小前向散射对单像素成像系统的影响,对傅里叶单像素成像的重建过程进行改进。在空间谱域傅里叶单像素成像系统的水下退化函数进行估计,然后根据估计的退化函数实现目标空间谱反演。最后利用傅里叶变换对反演后的目标空间谱进行变换,最终获得目标的强度图像。理论分析和实验结果证明了该方法的有效性。利用该方法,能够有效地减小前向散射对成像质量的影响,提高了水下傅里叶单像元成像的重建结果质量。     

关于人工智能方法用于钻井机械钻速预测的探讨

人工智能方法被广泛地用于预测钻井过程中的机械钻速,虽预测精度都能超过80%,但以前的算法大多仅选取一口井或一个开次的数据进行预测和检验,缺乏对邻井或整个区块推广和预测的研究,泛化能力有待检验。针对上述问题,讨论了相关性分析在机械钻速预测中对钻井参数选取的影响以及训练数据选取对人工智能模型泛用能力问题。引入地层参数、钻头参数及钻井参数作为输入参数,选取四川盆地某区块的实际钻井数据进行训练,评价了随机森林、支持向量机、梯度提升树、人工神经网络4种人工智能算法对整个区块机械钻速预测的精度。结果显示,随机森林算法对区块内各单井数据的预测精度能达到90%,对整个区块数据预测的准确度能达到88%,且使用区块数据训练的随机森林模型具有较好的泛化能力,认为该方法能够推广至整个区块,有利于指导该区块的钻井工程技术优化。