【摘 要】
：
采用量子自组织网络方法,解决油田测井解释中的水淹层识别问题.首先,构造储层特征指标集,包括测井曲线的序列指标和单个数值指标.对序列指标先采用离散Walsh滤波方法去除噪声
【机 构】
：
东北石油大学计算机与信息技术学院,中国石油吉林油田公司
【基金项目】
：
国家自然科学基金(批准号:61702093),东北石油大学引导性创新项目基金(批准号:2018YDL-20)
论文部分内容阅读
采用量子自组织网络方法,解决油田测井解释中的水淹层识别问题.首先,构造储层特征指标集,包括测井曲线的序列指标和单个数值指标.对序列指标先采用离散Walsh滤波方法去除噪声,然后取均值,再与其他单个数值指标一起构造储层特征向量.其次,将储层特征向量转化为量子态描述,提交量子自组织网络实施聚类.最后将聚类收敛后的网络作为水淹层识别的数学模型,应用于油田相似区块的水淹层识别中.仿真实验结果表明,该方法正确识别率比传统自组织聚类方法高6%.
其他文献
针对目前图像基本颜色特征单一、可提取信息不足的问题,提出将图像进行HSV颜色空间转换,先用均衡化直方图增强空间颜色互转后的图像空间颜色像素,再用融入rgb2ind的K-means均值聚类算法提亮均衡图像,以增强图像颜色特征的提取目标和数量.实验结果表明,该方法优于普通空间颜色图像进行特征提取的效果,实现了为颜色特征识别提供更多的检索信息.
针对传统随机行走算法加速策略在处理大规模电源网络时存在局限性的问题,提出一种基于变步长的随机行走加速算法.首先,基于不同节点数目和阈值大小的实验对比,分析传统随机行
考虑具有对称增益和耗散的四体耦合腔阵列,分析该体系的PT相变及单光子传输.结果表明:根据不同参数范围,该系统可处于PT对称相及PT对称破缺相,光子局域在不同腔中;单光子传输
为提高采用k-匿名模型进行a-多样性大数据延迟调度的自适应性和控制准确性,提出一种基于小波分析的a-多样性k-匿名大数据自适应延迟调度算法.首先采用小波分析方法对数据进行
为提高人工智能辅助诊断心音识别的准确率,根据心音信号的周期性特点,提出以快速主成分分析算法对心音信号降维和提取特征,同时基于单形进化算法,优化BP神经网络学习算法的输
针对传统目标轮廓识别算法对图像目标轮廓识别精度较低、效果较差的问题,提出一种基于深度学习的二值图像目标轮廓识别算法.首先,选取深度学习算法中的深度卷积网络算法识别二值图像目标轮廓,将二值图像划分为不重叠的、大小相同的子块图像输入深度卷积网络第一层;其次,卷积网络中的滤波器(卷积核)采用传统神经网络算法优化的代价函数对输入子块图像实施卷积滤波,并将卷积滤波后下采样图像发送至第二层,第二层经过相同处理
首先,在句子组织信息之间的结合度及基于规则、词性和词序对句法分析系统影响的基础上,提出一种基于规则的语句分析识别算法,能在大量文本中快速识别出正确句式;其次,在基于
针对传统自整合信息检索方法在对图书自整合信息进行检索时,存在检索结果不准确和效率低的问题,提出一种基于Top-k查询算法的图书自整合信息快速检索方法.首先利用Top-k查询
设{Xn,n≥1}为同分布的两两NQD(negatively quadrant dependent)序列,均值为0.在适当的条件下,利用两两NQD序列的中心极限定理和矩不等式等工具,给出两两NQD序列部分和一般对
针对特定运行模式下粗粒度数据存在计算效率较低的问题,提出一种基于卷积神经网络的数据分布式算法.首先构建用于粗粒度数据处理的卷积神经网络模型,给出模型基础连接层神经