新型水驱效果评价图版建立及应用

国内油气田大部分属于陆相碎屑岩沉积,天然能量普遍不发育,油田开发过程中常采取注水开发。因此,水驱开发效果评价成为油田生产的一项重点工作。由于简单、便捷,童氏图版被地质油藏工程师广泛应用,其理论基础为一维水驱油,而油田受储层非均质性、开发井网等因素影响,导致在实际生产过程中不会出现一维水驱的理想情况。针对童氏图版修正范围仅局限在储层条件、相渗变化、水驱常数等方面的问题,文中考虑了储层非均质性和开发井网的影响,将甲型曲线的半对数线性关系转换成更加符合实际的全对数关系,并利用公式推导,建立了新型水驱规律图版。通过与实际油田数据拟合发现,新图版相比童氏图版误差较小,更具实用性、推广性。     

5×× × 合金双级均匀化热处理工艺研究及工业化验证

通过DSC分析测试,初步制定了5×××合金双级均匀化热处理工艺,开展不同温度下的均热处理方案,并进行组织分析对比,验证了双级均匀化热处理工艺的有效性,然后采用制定的均热工艺开展了工业化试制和铸锭的解剖分析。实验结果表明,该工艺能够保证5×××铝合金大规格铸锭从表层到心部均取得理想的均匀化效果。     

基于神经网络的红外焦平面光学非均匀性校正改进算法

基于场景的非均匀校正依然是红外领域的一个研究热门。神经网络算法是一种较为典型的场景校正算法。本文主要针对神经网络算法本身不能校正光学引入的非均匀性问题,提出了新的改进算法,通过对神经网络输入层的预处理,消除图像的低频噪声,此外,为了消除预处理对图像对比度的影响,本文增加了神经网络的层数,使用双层神经网络对算法进行更新,从而消除了图像对比度下降的现象。实验结果表明,改进的神经网络算法能够有效的改善图像质量,消除图像中光学引入的非均匀性。     

基于BLMD和NSDFB算法的红外与可见光图像融合方法

针对传统图像融合方法容易导致融合图像出现细节不明显和目标信息不完整的问题,本文提出一种基于二维局部均值分解(Bidimensional Local Mean Decomposition,BLMD)和非下采样方向滤波器组(Nonsubsampled Directional Filter Banks,NSDFB)算法的红外与可见光图像融合方法(基于方向滤波的二维局部均值分解法,BidimensionalLocalMeanDecompositionbasedDirectionalFilteringAnalysis,BLMDDFA)。首先,计算两幅原始图片的熵值,同时提取熵值较大的图片的残余分量,该残余分量与另一张原始图片有着较强的相关性。然后,通过BLMD和NSDFB算法将残余分量和熵值较小的原始图片分解成低频子带和一系列不同尺度的高频方向子带,并使用不同的融合规则分别对低频子带和高频子带进行融合。最后,通过相应的逆变换运算获得融合图像。实验结果表明,本文方法的融合性能在对比度、细节信息展示和目标突出方面均高于经典的融合算法,在信息熵、标准差、空间频率和平均梯度方面较Laplacian方法中各指标分别提高了5.6%、28.9%、37.4%和47.6%,信噪比较Laplacian方法降低了8.5%。     

一种非平衡数据分类的过采样随机森林算法

在灾害天气、故障诊断、网络攻击和金融欺诈等领域经常存在不平衡的数据集。针对随机森林算法在非平衡数据集上表现的分类性能差的问题,提出一种新的过采样方法:SCSMOTE(Seed Center Synthetic Minority Over-sampling Technique)算法。该算法的关键是在数据集的少数类样本中找出合适的候选样本,计算出候选样本的中心,在候选样本与样本中心之间产生新的少数类样本,实现了对合成少数类样本质量的控制。结合SCSMOTE算法与随机森林算法来处理非平衡数据集,通过在UCI数据集上对比实验结果表明,该算法有效提高了随机森林在非平衡数据集上的分类性能。