排序方式： 共有42条查询结果，搜索用时 15 毫秒
41.
针对连续油管输送分簇射孔管柱存在下井遇卡的问题,考虑井眼轨迹、井筒约束、工具串变径结构、工具变形及连续油管屈曲效应等作用的影响,采用微元法建立连续油管输送分簇射孔管柱通过能力分析模型,分析连续油管输送1桥塞+2簇射孔枪管柱在井筒中的通过能力。研究表明:作业工具串下入过程不会遇卡,连续油管输送分簇射孔管柱能够下至预定井深3 850 m;直井段越长、水平段越短的井眼轨迹越有利于管柱的下入;射孔分簇数量越少、射孔枪规格越小、连续油管规格越大的管柱通过性更好。该分析方法可为现场连续油管射孔管柱作业参数优选和操作提供技术支持。 相似文献
42.
股票价格预测作为金融预测领域中一项重要的研究方向,准确预测股票价格的涨跌可以帮助投资者盈利或及时止损. 经研究发现,某些因素(如政策、社会突发事件等)会对同板块下的多只股票价格产生影响,导致同板块的多只股票在某个时间段内出现相似的走势,即板块效应. 因此,同板块下多只股票的价格走势对于股票预测具有参考作用. 针对这一现象,提出了一种基于板块效应的深度学习股价走势预测方法. 首先,使用皮尔森(Pearson)相关系数和XGBoost算法对同板块下多只股票的收盘价进行分析,以筛选出与预测股票相关性高的多只股票,并使用自编码器对这些股票的收盘价进行降维,以提取股票的价格走势; 其次,构建了一个基于卷积神经网络(convolutional neural networks,CNN)与长短期记忆(long short-term memory,LSTM)网络的混合深度学习预测模型,使用一维卷积神经网络提取输入数据的特征,使用LSTM网络对股票价格进行预测. 该模型使用银行、医药、酒业、娱乐传媒4个板块的股票作为实验数据集. 为了提高模型的预测效果,通过随机搜索对LSTM网络的神经元个数进行简单的分析,以选择较优的神经元个数. 最后,通过实验分析,基于同板块数据集的深度学习预测模型具有良好的预测效果. 相似文献
