【摘 要】
：
常规储层预测方法对地震属性之间的隐含关系挖掘不充分、地震属性种类繁多难以选择.针对以上问题,为提高储层岩性的分类预测精度,提出一种结合特征选择与神经网络的储层预测方法.以DenseNet与SENet为基础,使用正则惩罚项进行网络输入层稀疏化,得到每个输入节点权重,进一步使用ReLU激活函数构建特征选择层,实现地震属性的筛选.实验使用胜利油田的地震属性数据与钻井岩性数据,结果表明,该方法对储层岩性分类效果具有明显的提升,分类准确率超过70％,验证了神经网络模型与该特征选择方法的有效性.
【机 构】
：
中国石油大学(华东)计算机与通信工程学院 山东 青岛266580;中国石化胜利油田分公司 山东 东营257022
论文部分内容阅读
常规储层预测方法对地震属性之间的隐含关系挖掘不充分、地震属性种类繁多难以选择.针对以上问题,为提高储层岩性的分类预测精度,提出一种结合特征选择与神经网络的储层预测方法.以DenseNet与SENet为基础,使用正则惩罚项进行网络输入层稀疏化,得到每个输入节点权重,进一步使用ReLU激活函数构建特征选择层,实现地震属性的筛选.实验使用胜利油田的地震属性数据与钻井岩性数据,结果表明,该方法对储层岩性分类效果具有明显的提升,分类准确率超过70％,验证了神经网络模型与该特征选择方法的有效性.
其他文献
基于洛氏硬度无损检测技术,对常用H型钢构件的洛氏硬度与其强度关系开展了研究.依据规范对8种截面厚度共80个试件开展了洛氏硬度和单向拉伸试验,通过回归分析法,建立了Q355级钢材洛氏硬度与其抗拉强度、屈服强度的拟合关系式,并与规范的转换关系进行了对比分析.结果 表明:Q355型钢的洛氏硬度值通常在80～84之间;在相同的洛氏硬度下,规范换算的抗拉强度比试验结果小,但随着硬度的增大,两者差距越来越小;钢材屈服强度试验结果的离散性较大,洛氏硬度与屈服强度换算关系的准确性不如洛氏硬度与抗拉强度换算关系的准确性高.
基于某预应力混凝土实心方桩工程存在较大比例严重缺陷桩的低应变检测初判结果,采用拔桩和桩顶、桩底复测法对随机选取的1190#桩进行缺陷验证.拔桩和对比复测表明,验证桩桩长与施工桩长相符,初判认定的缺陷反射实为因超高异常波速造成的桩底反射.通过对该工程用桩生产厂家的调研,发现该批初判缺陷桩在原材料、配比、制桩工艺等方面均与初判完整桩相同,不同之处在于其蒸养时间比正常生产工艺需要的蒸养时间高274％,由此推断,蒸养时间过长会使预应力实心方桩出现超高异常波速现象.本次拔桩验证还发现了一个问题,即桩侧和桩端土阻力的
系统基于Hadoop框架,利用MapReduce编程模型,采用K-means聚类算法,结合实际舆情处置工作流程,将舆情监测、处理、分析、上传下达等功能融为一体.面向应急管理服务,针对主要灾害及政务类网络信息开展全天候监测,第一时间获取事件与灾害“原生态”舆情数据,并实现热点话题的快速识别与跟踪处理.通过省-市-区三级用户协同管理,在事件发生后快速发现相关信息与可能存在的网络舆论危机,分析网络舆论倾向,提供分级处置接口,为及时、有效、全面掌握与处理突发事件网络舆情提供技术支撑.
目前,市场上存在多种类型的防盗井盖,但设计大同小异,均是采取加装定位装置进行简易位置跟踪,不能实时监测井盖撬动、移位等异常状态,属于被动防护措施,井盖丢失现象无法杜绝.基于SSM框架和B/S架构,接入百度地图API,采用数据库、云服务器等技术设计了功能井智能锁管理Web端系统.根据内置ID和3D地图全方位监控井盖状态,并在Web端动态显示.结合最新的NB-IoT网络优势对井盖盗窃等异常情况实时报警.该系统还可实现智能锁授权接入、工作信息统计、数据可视化分析等功能.
为降低协同试验数据处理的复杂程度,设计和实现基于开源数据SQLite的协同试验数据处理软件.该软件总体功能包含单元平均值计算、单元离散度计算、曼德尔检验、柯克伦检验、格拉布斯检验、回归方程管理、报告管理以及检验数据管理等.详细分析软件核心功能模块以及SQLite数据库构建方法.经过应用验证,该软件提高了精密度数据处理效率,保障了数据处理的准确性.
以制备自支撑FAU沸石为目标,通过水热处理偏高岭土基地聚合物原位合成自支撑沸石块体.采用强度试验结合X射线衍射(XRD)、扫描电子显微分析(SEM)、Brunauer-Emmet-Teller(BET)吸附等一系列表征方法,研究水热碱度、温度和时间等水热条件对块体强度、FAU晶体形成和演变的影响.结果 表明:地聚合物试块在2M的NaOH溶液中90℃下水热处理24 h可以获得结晶度高、形貌规则以及抗压强度高的自支撑八面沸石块体,其抗压强度为11.7 MPa,比表面积达到80.36 m2/g,微孔面积达19.
语义数据流推理需要对实时高速的RDF数据进行高效推理.针对目前语义数据流处理中推理效率低、查询延迟高等难题,提出一种基于多级索引的前向实时推理机制.基于规则依赖建立推理规则触发顺序;针对开销最大的传递规则进行优化;构建基于传递规则的结果集子图索引;建立基于变量位置的三元组索引消除中间结果;通过查询条件依赖关系进行连接操作得到满足条件的集合.使用LUBM数据集对该方法进行验证,实验结果表明,基于多级索引的实时推理方法在查询时延和吞吐量上对比目前的实时推理引擎具有明显的优势.
面对业务系统的规模不断扩大,传统的RBAC(Role-Based Access Control)权限控制变得越来越复杂,不仅增加了企业运维难度,也越来越容易因为权限分配不合理而出现安全事故.为解决以上问题,在对RBAC层次模型研究的基础上,进一步将权限治理分为可靠性、复杂性、权限修正策略三部分,从不同维度进行权限管理.在RBAC的基础上,进一步将RBAC 1、RBAC2、RBAC3引入治理策略中.将RBAC分层与可靠性计算、复杂性计算、权限修正策略相结合,设计实现了基于RBAC的权限控制模型.实验表明,该
传统的语义数据流推理使用前向或后向链式推理产生确定性的答案,但是在复杂的传递规则推理中效率不高,无法满足实时数据流处理场景对答案的及时性要求.因此,提出一种基于联合嵌入模型的知识表示方法,并应用于语义数据流处理中.将规则与事实三元组联合嵌入并利用深度学习模型进行训练,在推理阶段,根据查询中涉及的规则建立推理模板,利用深度学习模型对推理模板产生的三元组进行预测和分类,将结果作为查询和推理答案输出.实验表明,对于复杂规则推理,基于知识表示学习的实时语义数据流推理能够在保障较好推理准确性和命中率的前提下有效地降
子序列匹配是时间序列挖掘的经典课题,旨在发现大型数据集中的相似数据序列.很多文献关注固定时间段的序列的查询.但对于多种不同时间段的查询的问题仍然未解决好.基于时间段的查询含义是有时间窗口限制的查询.为了满足多时间段上的查询,简单地为每个时间段的子序列构建索引既耗时又耗存储空间.从目前的文献来看,已有的索引无法满足具有不同窗口限制的大量查询.提出一种基于聚类的轻量级的可变窗口索引方法(CBI),通过压缩不同窗口的索引来减少索引时间和空间开销.实验结果表明,该索引不仅节省了时间和空间开销,同时在支持多种类型的