济阳坳陷陡坡带砂砾岩体储层测井识别及描述技术

陆相断陷湖盆陡坡带发育各种成围的砂砾岩扇体,其储集性能具有极强的非均质性,已成为高成熟勘探区重要的勘探目标,钻前对有利沉积相带的预测以及钻后对储集性能的分析,已成为提高勘探开发效益的关键．针对胜利油田济阳坳陷陡坡带发育的各种成围的砂砾岩扇体,综合应用测井相、多种测井咱应交会法、储层参数的测井定量解释、含油渗透层的测井判识等多种技术和方法,有效地对砂砾岩扇体的成围类型和储层岩性进行了判识,建立了孔隙度、渗透卑等储层参数解释的理论模型并进行了定量解释,划分了有效渗透层,取得了明显的勘探开发效果．这些新技术的综合运用为其他类似地区砂砾岩扇体的勘探与开发提供了技术支持．     

模糊聚类支持向量机的区域空气PM_(2.5)浓度预报

在分析模糊C均值聚类算法与支持向量机回归的特点后,将二者结合,提出了模糊聚类支持向量机回归(FCM-SVR)算法,对空气中颗粒物浓度PM2.5进行预测.该方法首先利用模糊C均值聚类算法把一个复杂的数据集分成多个群体,再在每个群体上建立支持向量机回归(SVR)模型,然后进行集成,对区域空气的PM2.5浓度进行预测.预测结果分别与自组织竞争神经网络支持向量机回归(SOM-SVR)模型和单一的支持向量机回归(SVR)的结果进行比较.结果表明,FCM-SVR模型的预报准确率高于SOM-SVR模型和SVR模型.     

基于相关向量机的多类蛋白质折叠识别

蛋白质折叠的识别是一种不依赖于序列相似性的蛋白质结构研究方法.本文将相关向量机应用于蛋白质折叠的识别,将两类相关向量机推广到多分类情况,对多类蛋白质折叠进行识别.与支持向量机相比较,相关向量机无需调整多余的参数,核函数不需要满足mercer条件,实际数据集上的测试结果表明,相关向量机可以得到更加稀疏的模型,在交叉检验中获得了更高的精度,表明相关向量机是一种有效的识别蛋白质折叠的方法.     

一种提高凝灰质储层渗透率解释精度的方法——以南贝尔油田为例

为有效解决凝灰质储层渗透率精细解释的问题,以南贝尔油田为例,利用取心井岩心分析孔隙度、渗透率资料,利用流动单元指数FZI值进行流动单元划分,并建立了各类流动单元的渗透率精细解释模型。将优选反映储层变化的测井变量及运用判别分析法建立流动单元的判别方程应用于非取心井段。结果表明,分流动单元计算的渗透率其模型解释精度明显提高,为凝灰质储层渗透率解释提供了一种新的有效方法。     

一种提高凝灰质储层渗透率解释精度的方法——以南贝尔油田为例

为有效解决凝灰质储层渗透率精细解释的问题,以南贝尔油田为例,利用取心井岩心分析孔隙度、渗透率资料,利用流动单元指数FZI值进行流动单元划分,并建立了各类流动单元的渗透率精细解释模型。将优选反映储层变化的测井变量及运用判别分析法建立流动单元的判别方程应用于非取心井段。结果表明,分流动单元计算的渗透率其模型解释精度明显提高,为凝灰质储层渗透率解释提供了一种新的有效方法。     

基于IFOA-FSVM的WRF模式台风期阵风精细化预报

为提高天气预报模式(Weather Research and Forecasting Model, WRF)输出中台风期阵风的预测精度,将WRF模式输出与某观测站实况数据相结合,提出一种台风期阵风精细化预报方法.针对影响台风风速的因素众多,而传统依据人工经验预判的风速存在较大误差的现状,该方法构建了台风期阵风预测的模糊支持向量回归模型,同时为解决模糊支持向量回归模型中惩罚因子C和核参数g难于确定的问题,将果蝇优化算法(Fruit Fly Optimization Algorithm, FOA)引入到模糊支持向量机(FuzzySupportVectorMachine,FSVM)的参数寻优中,并根据风速回归的特点,把果蝇优化算法引入到三维空间,结合增强因子γ以提高传统果蝇优化算法的全局寻优能力.实验结果表明,本文构建的模型预测风速与实际风速基本一致,相关性达到99%,不仅提高了WRF模式风速的适用性,而且风速预测精度明显优于传统FOA-FSVM和FOA-SVM方法,具有更强的泛化能力.     

考虑含水饱和度的产量劈分方法及应用

为掌握油井分层动用状况在多层油藏精细开发过程中的作用,在常规产量劈分基础上,建立了新的产量劈分方法.该法将小层含水饱和度作为一项重要影响因素,通过相渗曲线将油相相对渗透率以及水相相对渗透率与小层含水饱和度相结合,将油水相相对渗透率看作小层含水饱和度的函数.综合考虑小层渗透率、有效厚度、小层含水饱和度对产量的影响以及相关增产资料,并结合剖面测试资料对劈分结果进行修正.应用该法进行产量劈分,精确度高、适用性强,可满足实际应用需要.     

基于工作电流分析的回转副摩擦状态识别实验研究

回转副摩擦状态的变化对机械设备的运行有着重要影响. 针对回转副摩擦状态的识别问题, 设计了以回转副工作电流为摩擦特征来源的实验方案. 通过采集摩擦过程的回转副驱动电机工作电流信号, 分析实验信号的频域和时频域特征, 建立工作电流的摩擦特征库, 用于训练多分类支持向量机分类器, 并在分类器上完成摩擦状态的识别. 实验结果表明, 经特征提取与降维处理后建立的多分类支持向量机分类器具有近90%的识别正确率, 所提出的实验方案有利于实现远距离信号的采集, 适用实际生产加工.     

面向非平衡数据处理的样例惩罚支持向量机

支持向量机在处理非平衡数据集时常常不能取得良好的效果,因为其分类性能只考虑了总体分类精度,而忽略了不同类别样例之间的精度权衡.本文提出了一种基于样例分布的样例惩罚支持向量机,可以针对每一个样例根据其相应的分布特性选取惩罚以获得高敏感度的分类面.实验表明,该模型比标准支持向量机在非平衡数据上具有更好的性能.     

面向微博图文关系识别的统一特征空间映射方法

针对图文微博中图像、文本和社交数据的异构性,在提取图像、文本和社交等多模态特征的基础上,本文提出了面向微博图文关系识别的统一特征空间映射方法.该方法首先选择图像特征空间为统一特征空间,然后基于遗传算法求解映射矩阵,将文本特征和社交特征映射至统一特征空间,最后利用支持向量机在统一特征空间中建立图文关系识别模型.采用统一特征空间映射方法前后的对比实验结果表明,在总正确率上,面向微博图文关系识别的统一特征空间映射方法是有效的.     

支持向量机在小样本识别中的应用

针对癌症细胞诊断过程中样本采集困难，数目偏少的实际情况，在癌症的早期诊断中引入了一种新的模式识别方法——支持向量机．该方法基于统计学习理论的原理，较好地解决了小样本的学习分类问题，通过对具有不同性状的癌前增生细胞进行分类识别验证，支持向量机取得了较传统分类方法更好的识别效果。     

一种基于核主元分析的支持向量机识别方法

核主元分析具有能较好地提取非线性特征的优势;支持向量机具有的非线性映射能力,且泛化能力强.它们在分类与识别中应用时都各有自己的优点,结合核主元分析和支持向量机的特点,提出一种基于核主元分析的支持向量机识别方法,用该方法分别对 ORL 人脸库和iris数据集中的数据进行分类与识别,结果表明:如果根据设计好的核函数的参数,可以得到极高的识别率.     

一种新的支持向量回归机TSVR

标准的支持向量回归机对于参数的选取有很强的依赖性.当选取的参数不恰当,或当数据受到噪声的污染时,回归的效果将受到较大的影响.笔者将训练点被正确划分的程度引入到支持向量回归机模型中,通过理论推导,提出了一种新的支持向量回归机TSVR,并给出了TSVR算法收敛的相关证明.同时,通过大量的数值实验,证明了TSVR具有较好的回归效果,其回归结果对参数的选取较不敏感,具有比标准的支持向量回归机更好的性质.     

基于支持向量机的字符编码识别系统

基于支持向量机设计了一种产品字符编码识别系统,该系统通过CCD视觉传感器采集图像信息,经过目标提取、字符分割、编码识别过程,最后输出识别结果.其中,识别过程采用支持向量机作为判别函数分类器,该方法能较好的解决小样本、非线性、高维数等实际问题,并且较传统的神经网络识别方法训练速度更快.实验结果表明,该方法识别率高,可以达到98.3%,并且具有较高的实时性.     

基于BP神经网络与多分类支持向量机的水质识别与分类

介绍BP神经网络与多分类支持向量机等分类模型的基本原理,并基于这两种方法对水质识别与分类的准确度进行实例比较研究,随机抽取了南昌市内2010-2013年水域水质的300组数据为样本,选取了pH,氨氮,Cl-,SO2-3,总硬度,硝酸盐氮为评价的主要特征。通过把训练后的模型在测试集中进行的检验对得到的模型进行评估,表明了BP神经网络和多分类支持向量机均可以较好地解决水质识别与分类过程中存在的复杂性,多变量,非线性等问题,相比较而言多分类支持向量机有较强的鲁棒性,预测结果更为精确稳定,将其应用到水质评价中具有一定的可行性。更多还原     

基于SVM土壤重金属污染评价的训练数据集构建

支持向量机(support vector machine,SVM)用于土壤重金属污染评价时,其训练数据集的构建对模型准确性影响重大。本文对依据土壤环境质量国家标准生成数据集的方法(国标法)进行改进,提出实际测量数据集生成方法(实测法),并在实测法样本中添加国标法样本扩大训练数据集,进一步提高模型分类准确率。结果表明:对同一组实测样本进行分类,国标法模型准确率(53. 33%)低于实测法模型准确率(75. 56%);扩大后的数据集训练所得模型与实测法模型相比,分类60个实测样本时,准确率由88. 33%提高至98. 33%,分类45个实测样本时,准确率由75. 56%提高至82. 22%。     

基于支持向量机相关性分析的波浪能发电电力负荷预测

以支持向量机的相关分析为基础,对波浪能发电负荷预测进行了研究。基于电力负荷值和电流值的电力负荷预测对于发电站而言非常重要。本文讨论了基于支持向量机方法的不同负荷预测中需要考虑的环境因素,并建立了负荷预测的详细过程。实证分析表明,基于支持向量机的负荷预测方法在短期负荷预测中具有良好的应用效果,具有预测误差小,精度较高的特点。实验结果表明,本文所提出的支持向量机算法能显著提高电力负荷预测的整体性能。     

基于CPSO-RVM的蒸发过程在线预测模型

针对密闭、长流程的蒸发过程由于待浓缩溶液黏度高或腐蚀性强、设备易结垢、工况变化复杂等原因引起的在线预测模型难以建立的问题,提出了一种基于混沌粒子群优化相关向量机(CPSO-RVM)的预测模型。基于贝叶斯学习框架构建了蒸发过程相关向量机预测模型,克服模型对核函数类型的限制和数据敏感性,在此基础上利用混沌粒子群算法对预测模型的核函数进行优化,获得计算量小、泛化性能优的在线预测模型。某厂实际蒸发过程生产数据的算例表明,在存在新蒸汽和原液干扰、设备结垢的整个清洗周期内,CPSO-RVM模型都能获得很好的预测效果,并且比偏最小二乘回归模型(PLSR)和最小二乘支持向量机模型(LSSVM)精度更高,能为实际蒸发过程的在线控制提供参考。     

最小二乘支持向量机的一种改进算法

最小二乘支持向量机相比传统的支持向量机，丧失了解的稀疏性，影响了二次学习的效率。对原有的最小二乘支持向量机在稀疏性上进行了改进，并通过实验，对改进后的摄小二乘支持向量机的分类效果进行了验证。     

基于三元矩阵的层次分析多分类模型

针对支持向量机解决多分类问题时二分类向多分类扩展过程中的效率降低和数据集倾斜问题,提出了一种基于三元矩阵和层次分析的多分类模型的构造方法,优化支持向量机的多分类效果和效率,弥补1vs1、ECOC等主流算法的不足。该模型通过建立一种简单有效的获取样本集线性可分性构造分类器,从而减少支持向量机在处理多分类时的运算复杂程度。采用了UCI标准数据库中的Iris,Breast Tissue和Statlog等数据集对模型进行训练测试,测试结果表明所提出模型是有效的,尤其在大量数据下多分类的有效性。 更多还原