基于云模型和灰关联的油气圈闭多域信息评价

云模型是在传统模糊数学和概率统计的基础上提出的定性、定量转换模型.为了建立油气藏与圈闭面积、圈闭闭合幅度、油气运移通道、地层孔隙度、烃源生油与圈闭形成时间、空间匹配性等因素的定性定量关系,传统的多域信息评价方法多采用因素硬化值构建定性定量关系模型,这很大程度受制于专家的知识和经验.结合云模型和灰关联分析,考虑油气圈闭评价因素的模糊性、随机性和小样本不确定性,实现圈闭多域信息的定性与定量间的转换,提出了一种油气圈闭多域信息评价新方法.对中国西北顺托果勒某地区提取的圈闭进行评价,分别划分出了Ⅰ、Ⅱ和Ⅲ类圈闭,其中Ⅰ类圈闭占圈闭总数的37.5%;Ⅱ类圈闭占圈闭总数的37.5%;Ⅲ类圈闭占圈闭总数的25%,与实际开发评价结果吻合.     

基于特征通道和空间位置注意力的三维点云特征学习网络

点云模型的分类与部件分割是三维点云数据处理的基本任务,其核心在于获取可以有效表示三维模型的点云特征。提出一个引入注意力机制的三维点云特征学习网络。该网络采用多层次点云特征提取方法,首先使用特征通道注意力模块获取各通道间的关联,增强关键通道信息; 接着引入空间位置注意力机制,基于点的空间位置信息获取各点的注意力权重;然后结合以上2种注意力机制获取增强的点云特征;最后基于该特征继续进行多层次特征提取,获得面向下游任务的点云特征。分别在ModelNet40和ShapeNet数据集上进行形状分类与部件分割实验,结果表明,使用所提方法可以实现高精度、具有鲁棒性的三维点云形状分类与分割。     

基于RBF核函数的油气化探异常圈闭评价

油气化探异常圈闭评价在油气资源勘探中发挥着重要作用。作者提出基于RBF（高斯径向基核函数）的油气化探异常圈闭评价法，应用于油气化探异常检测和评价，克服了综合油气化探异常解释中化探信息分散，异常信息层次不明显，尤其是多化探信息融合权值难以确定的问题。将该方法应用于塔北雅克拉测区的油田综合化探异常检测和分析，结果表明该方法具有提取的综合油气化探信息异常特征明显、层次分明，异常形态清晰，异常走向明晰等特点。     

一种基于MLP的高效高精度三维视线估计方法

随着卷积神经网络(CNN)在计算机视觉领域的广泛应用，以及大量三维视线数据集的公开，基于表观和深度学习相结合的三维视线估计研究受到越来越多的关注。由于CNN结构复杂，这类方法在实时性要求较高的应用场景中还有待进一步改进。近来兴起的研究表明，网络结构更为简单的多层感知机(MLP)模型能够取得与当前最佳CNN、Transformer模型相当的性能。受此启发，提出了一种基于MLP的高效高精度三维视线估计方法，利用MLP模型对双眼、人脸图像提取特征，之后融合推导出三维视线。实验结果表明，对MPIIFaceGaze数据集和EyeDiap数据集中包含的31位不同相貌的受试者，使用提出的方法UM-Net进行视线估计，视线估计精度比肩基于CNN的，并且在视线估计速度上具有明显优势，在实时性要求较高的领域也有较好的应用前景。