BP神经网络隐式法在测井数据处理中的应用

现有神经网络方法对时间向量序列数据的处理是通过单点进行的,割裂了数据间的关联性.为此,利用隐式曲线的构造原理,通过对时间向量序列的变换,提出了一种整体预测时间向量序列的测井数据的方法.神经网络隐式整体预测方法的步骤是:①将数据变换为封闭曲线,构造约束点以简化神经网络的输入与输出;②利用神经网络的隐式方法,通过智能学习和仿真模拟,得到封闭的预测曲线;③经过变换得到最终的预测曲线.实验证明了该方法的有效性.     

平面图像的对称性检测方法研究

1 引言对称性是物体与形状的基本特征之一,在图像分析和计算机视觉等领域是一个重要的研究课题。形状的对称性描述和物体对称性特征检测在机器人识别、检验、抓取和推理中有重要应用。根据物体的对称性,可以迅速确定物体内部相对位置关系,使被遮挡或丢失的部分信息恢复出来,并且还可以获得物体在三维空间的位置、方位和姿态。物体的对称性在图像压     

井模型对数值试井的影响

井模型对计算结果有很大的影响。利用UST数值试井软件研究了井作为内边界与作为源汇的两种处理方法对试井曲线的影响。研究表明,若一个区块只有一口井,peaceman井模型与内边界井模型的计算结果基本相同,几乎没有差别。当存在多井、且邻近的干扰导致测试井周围的流动达不到稳定时,peaceman井模型的适用条件不满足,使用peaceman井模型来计算会带来计算误差。但随着井网格的减小,计算误差会降低。同时利用解析解进行了误差分析。     

PEBI网格划分方法研究

PEBI（perpendicular bisection）网格是数值试井中被广泛采用的网格。PEBI网格划分的难点是如何在边界、断层及井间存在相互干扰下得到高质量的网格。为此,将油藏区域划分为若干个子区域,通过点、线等模块得到各子区域,对每个子区域生成网格点,就可以得到整个油藏区域的网格点。对所得到的网格点作Delaunay剖分,继而生成Voronoi图。本算法可以对存在复杂边界、复杂断层、复杂的井间干扰、复杂的井与断层间干扰的情况生成正确的PEBI网格。     

基于多井试井解释的数值试井方法及其应用

多解性是数值试井应用待解决的难题之一。相对解析试井,数值试井有更多可供调节的参数,多解性强。UST数值试井软件首次用相控建模约束地层的非均质性、用多井的实测压力数据约束解释结果,大大降低了数值试井的多解性,并且提高解释结果的准确性。在论述多井试井解释方法的技术要点的同时,给出了该解释方法的应用实例。     

基于时间序列线性拟合的色谱数据压缩方法

从石油录井色谱数据应用的实际需求出发，提出一种新的时间序列分段拟合算法。该算法通过一次扫描数据，根据中线距离阈值和非单调序列中极值点保持时间段阈值两个约束条件，选择反映序列趋势变化的关键点，然后线性拟合时间序列。实验结果表明该算法能够在保持原始序列主要形态的同时剔除噪音干扰，精确定位单调序列中的突变转折点，发现序列中的尖峰状态。     

圆形剖分下的特殊形式的多元有理样条插值

很多人研究了直线剖分下的多元有理样条,本文给出一种圆形剖分下的多元有理样条。     

LBM的一种新的边界处理方法

近年来,LBM取得了长足的进展,理论和应用方面都有了新的突破,各种新的模型和边界处理方法不断被提出.在这些边界处理方法基础上,本文提出了一种新的边界处理方法,该方法是用邻点和次邻点的宏观值二阶插值得到边界上的宏观值,再用邻点的分布函数的非平衡部分来外推得到边界处的分布函数.此方法可用于压力边界或速度边界,具有二阶精度,采用该处理方法对Poiseuille流、Couette流和Cavity流进行了数值模拟,并与其他几种边界处理作了比较,其结果要好于其他几种边界处理.     

基于径向基函数网络的隐式曲线

将径向基函数网络与隐式曲线构造原理相结合,提出了构造隐式曲线的新方法,即首先由约束点构造神经网络的输入与输出,把描述物体边界曲线的隐式函数转化为显式函数,然后用径向基函数网络对此显式函数进行逼近,最后由神经网络的仿真曲面得到物体边界的拟合曲线．实验表明,基于径向基函数网络的隐式曲线具有很强的物体边界描述能力和缺损修复能力．     

基于三角形中线的数据序列线性拟合算法

从石油测井数据解释的实际应用需求出发,提出一种新的基于三角形中线的数据序列分段算法。在扫描数据的过程中依次计算 3个连续数据形成的三角形中线长度,根据自定义的中线长度阈值选择反映序列趋势变化的关键转折点,实现数据序列的线性拟合。实验结果表明该算法具有良好的拟合质量和较高的效率。