【摘 要】
：
针对油井分层注水流量调度问题,依据油井注水层段流量以及压力关系,建立双层注水流量调度模型,并提出求解的免疫粒子群优化算法.算法设计中,将免疫优化中浓度调节机制引入到粒子群优化中,增强种群的多样性;通过设计动态调节惯性权重和学习率因子的规则,增强粒子的全局开采能力.数值实验结果表明,所建立的双层注水流量调度模型是有效的;获得的算法能根据油井注水层段配注量的需求,较为准确地计算油井层段水嘴的开度值,使注水偏差量较小及注水量能达到配注的要求;该模型和算法对油井智能注水具有一定的应用潜力.
【机 构】
：
贵州大学大数据与信息工程学院,贵阳550025;贵州大学贵州省系统优化与科学计算特色重点实验室,贵阳550025
论文部分内容阅读
针对油井分层注水流量调度问题,依据油井注水层段流量以及压力关系,建立双层注水流量调度模型,并提出求解的免疫粒子群优化算法.算法设计中,将免疫优化中浓度调节机制引入到粒子群优化中,增强种群的多样性;通过设计动态调节惯性权重和学习率因子的规则,增强粒子的全局开采能力.数值实验结果表明,所建立的双层注水流量调度模型是有效的;获得的算法能根据油井注水层段配注量的需求,较为准确地计算油井层段水嘴的开度值,使注水偏差量较小及注水量能达到配注的要求;该模型和算法对油井智能注水具有一定的应用潜力.
其他文献
基于物理信息的神经网络(Physics-informed Neural Networks,PINN),是一类用于解决有监督学习任务的神经网络,它不仅尽力遵循训练数据样本的分布规律,而且遵守由偏微分方程描述的物理定律.与纯数据驱动的神经网络学习相比,PINN在训练过程中施加了物理信息约束,因此能用更少的数据样本学习得到更具泛化能力的模型.近年来,PINN已逐渐成为机器学习和计算数学交叉学科的研究热点,并在理论和应用方面都获得了相对深入的研究,取得了可观的进展.但PINN独特的网络结构在实际应用中也存在训练缓
学习是一种复杂的事件.个体的学习效果受多方面因素的影响,且不同个体有不同的学习习惯,学生通常难以根据自身学习特点合理规划学习时间表.虽然目前有关任务管理方面的研究提出了一些具有通用性的理论管理策略,但其忽略了个体间的差异性;另外,现有研究不能提供一种计算方法来形成具体的任务管理方案.针对上述问题,文中通过数据分析找出学习效率与时间因素的关联性,从而理解学生的学习特征,量化出个性化的学习效率;使用二分图的方法构建学习任务分配场景,根据不同的学习目标设计自适应效用函数,并基于此提出了一种基于迁移学习的动态分配
金属材料在其物理及化学性质方面研究时,常需要显微图像作为数据来源.由于金属表面光线反射及显微成像原理等因素,图像极易引入散斑及高斯噪声,造成后续数据分析及应用精确度的下降.针对图像模糊原因,提出一种使图像清晰并降噪的改进SRAD-DWT算法模型,在降噪清晰的过程中既保留了图像细节信息又使图像得到合理的降噪处理.实验结果表明,提出算法在高低噪声情况下均展现良好的降噪性能及鲁棒性,使用有参考图像评价指标(PSNR与SSIM)评价模拟降噪情况,相较于传统降噪方式至少提升了 3.7％.应用于显微图像时,无参考图像
随着数据应用对数据质量要求的提高,时序数据清洗问题得到研究领域和应用领域的更多关注.在数据清洗过程中,错误数据检测和修复是两个关键步骤.近年来,研究人员在这两方面进行了诸多研究与探索.本文从时序数据质量问题、错误数据检测,以及错误数据修复步骤对当前研究技术等进展情况进行介绍,分析了当前时序数据清洗所存在的难点与不足.
在中国北方,冬季楼宇集中供暖采用的策略通常为气候补偿器,但是该策略严重依赖人工经验,调节相对粗放,如何优化供热控制策略对于保持楼宇室温的稳定舒适十分重要.对此,提出了一种基于深度学习的供热策略优化方法,通过学习历史真实数据信息从而对原始控制策略进行优化.首先以学习室内温度变化的热力学规律为目标,提出了一种深度多时差分网络MTDN(Multiple Time Difference Network)来对下一时刻的室温进行预测,该网络不仅准确率高,而且符合物理规律;然后将MTDN当成模拟器,以表征人体热反应的评
为了提高文本分类的准确性和运行效率,提出一种Word2Vec文本表征和改进注意力机制AlexNet-2的文本分类方法.首先,利用Word2Vec对文本词特征进行嵌入表示,并训练词向量,将文本表示成分布式向量的形式;然后,利用改进的AlexNet-2对长距离词相依性进行有效编码,同时对模型添加注意力机制,以高效学习目标词的上下文嵌入语义,并根据词向量的输入与最终预测结果的相关性,进行词权重的调整.实验在3个公开数据集中进行评估,分析了大量样本标注和少量样本标注的情形.实验结果表明,与已有的优秀方法相比,所提
发挥逻辑Petri网对批处理和传值不确定性的建模优势,融合多主体博弈过程的相关博弈要素,为多主体决策问题建模,解决多主体动态博弈决策优化问题,文中提出了逻辑博弈决策Petri网.首先,定义每个token的属性为理性人并为其定义效用函数值以及状态概率转移函数.其次,引入决策变迁,依据token效用函数值对比确定最优决策变迁的引发并给出相关算法.最后,基于逻辑博弈决策Petri网对突发事件的动态博弈应急决策过程进行建模与分析,并依据可达标识构建可达图,对动态博弈过程进行分析,针对可达图的生成进行算法描述,并探
目前手势生成的工作多用于从语音或文本中产生协同的手势以及实现手势数据增强.前者作为非语言信号辅助交流,却难以单独表达语义.对于后者,大多数都是将骨骼关节点当作图像的一个像素,整体当作图像处理,而没有考虑到关节点间丰富的人体结构信息,从而可能导致生成的结果是扭曲的、不自然的.本文提出了基于图卷积的生成式模型,以有效地编码结构信息到手势生成中.研究中将本文的方法与基于全连接神经网络以及基于卷积神经网络的方法进行了对比,实验结果表明,本文生成的手势在定量和定性结果上有了明显的改善.图卷积在手势骨架生成上的成功应
为了提高对连续帧变换下动态手势的识别能力,本文提出一种基于融合视觉不变矩参数表征的动态手势识别方法.采用图像处理和视觉融合分析技术进行特征采集和信息预处理,通过匹配滤波检测方法,实现动态手势图像的增强和滤波检测,去除干扰分量,提高图像的空间分辨率.根据图像信息融合分布检测,建立动态手势特征分析模型,采用高分辨的特征变换和模糊度检测方法,实现动态手势特征参数检测分析,提取动态手势图像的模糊特征分量;采用空间轮换变换方法,实现动态手势的不变矩特征检测,融合视觉不变矩参数表征方法,实现动态手势的参数检测和识别.
对镁合金AZ31B/钛合金TA15异种材料电阻点焊拉剪接头进行了恒幅疲劳测试,并使用扫描电镜观察了疲劳断口特征.在实验中观察到,在不同的载荷水平下,试件有两种失效模式.在实验结果的基础上,对点焊试件建立有限元模型,分析了焊点附近的弹塑性应力应变.进而分别应用缺口应力法和局部应力应变法预测点焊接头的疲劳寿命,并与实验寿命进行比较,同时也对其他论文中的相关数据进行了探讨.有限元分析及疲劳寿命预测结果表明:应力、应变集中主要位于焊核周围的缺口根部的镁合金一侧;试件表面的电极压痕深度对于疲劳预测结果影响不大;缺口