基于模糊C均值聚类算法的岩屑识别方法研究

在PDC钻井过程中,如何自动、实时、客观地识别岩性是录井工作的一个十分重要的问题。本论文针对这个问题,对岩屑的颜色进行了深入的分析研究,采用代数平均的办法对不同岩性的岩屑图像进行颜色GRB分量提取和分析,提取了反映不同岩屑岩性的特征参数,最后将模糊C均值聚类算法应用到岩屑的识别过程中,取得了较好的识别效果。通过对四川大邑4口天然气井的现场随钻采样实验,结果证明本文算法识别正确率达到90％以上,为快速分析录井现场岩屑的岩性提供了一条有效的途径。     

基于Tamura纹理和广义判别分析的岩屑图像识别算法

自动、快速、客观地对岩屑进行分类是录井过程中一个非常重要的问题.以往在现场主要是靠人工经验的方式对各类岩屑的百分含量进行估测.但该方法受人为因素的影响较大.本文针对这个问题,提出基于Tamura纹理和广义判别分析的岩屑图像识别算法.算法采用Tamura纹理特征对不同岩性的岩屑图像进行纹理提取,然后将提取的Tamura纹理特征带入GDA(Generalized Discriminant Aanalysis)分类器进行岩屑的识别.通过对四川某地气田4口井的现场随钻的实验结果表明本文算法识别算法具有较高的识别率,为快速自动岩屑分类提供了一个有效的方法.     

利用元素录井资料的随钻岩性判别方法

针对综合录井过程中微细岩屑识别岩性困难的问题,利用X射线荧光(XRF)测量的微细岩屑中的元素含量、谱图和测井资料,对随钻录井岩性判别方法进行研究。结果表明:XRF测量的元素含量与岩屑中矿物含量具有相关性,Si、Al、Fe等元素含量与自然伽马测井曲线存在相关性;通过XRF测量数据可计算岩屑中的砂泥质含量,并可用于判别砂泥岩剖面的岩性;相同岩性的XRF谱图具有相似性,利用这种相似性可判别岩性。现场资料验证结果证实了综合判别法可提高岩性判别符合率。     

X射线荧光录井技术在冀东油田的应用分析

元素录井是在钻井现场快速分析岩屑(岩心)样品中元素含量,并根据元素含量及其组合关系的变化进行随钻岩性识别和地层评价的录井技术。在冀东油田上古生界沉积特征分析基础上,通过X射线荧光分析试验,选定对岩石分析的元素种类,研究岩石元素组合特征,并利用其成果及时、准确地识别岩性和判断地层,正确指导钻井生产,形成基于X射线荧光分析的随钻地质解释评价技术。X射线荧光录井的开展,为PDC钻头、空气钻井条件下的岩性识别提供了可靠的技术手段,同时定量的元素分析资料,在复杂岩性的识别、储层评价、地层判别及沉积相的研究等方面,均收到了较好的效果。     

基于颜色特征和纹理特征的岩屑岩性识别

针对现有条件下的岩屑录井中岩屑识别率低、识别速度慢等问题,从特征提取和分类器方面对岩屑岩性识别进行了分析研究.采用二级分类器的思想,首先通过颜色特征和和差直方图特征采用朴素贝叶斯分类器将岩屑粗分为泥岩和砂岩,然后进一步采用贝叶斯分类器,通过颜色特征和和差直方图特征分别将泥岩和砂岩进行进一步的细分.实验结果表明,粗分的识别率、泥岩细分的识别率和砂岩细分的识别率分别能达到94.79%、97.59%和90.28%.这种识别方法更加符合现实的应用需求,有着更高的识别率,为岩屑岩性分析工作提供了可靠的依据.     

PDC钻头钻井时的地质分层方法

使用ＰＤＣ钻头钻井时,岩屑破碎得很细,通过岩屑录井来判断地层岩性十分困难。对ＰＤＣ钻头切削刃进行了受力平衡分析,建立了地层识别因子与钻井操作参数、钻头结构参数的关系模型。根据已钻井的录井、测井、地质资料提取地层变化规律,利用随钻录井数据预测了地层岩性。编制了相应的地质分层软件,并进行了实例预测。预测结果与测井解释结果比较,符合率为６５％～７０％,说明该预测方法具有一定的有效性和实用性。     

石油百科知识：综合录井（二）

岩屑录井 是获取井下地层岩石样品的重要手段。录井时，要随钻井进尺每隔1米左右从返出的钻井液中捞取一包砂样，并洗净晒干，进行岩性观察描述，并挑选出相对应地层的岩样。因砂样中混有上部地层的岩屑，通常是根据砂样中不同岩样的百分含量和最新出现的岩屑成分来确定岩性，并用钻时快慢区分砂岩、泥岩等。若是发现钻时快，     

PDC钻头钻井时的地质分层方法

使用ＰＤＣ钻头钻井时，岩屑破碎得很细，通过岩屑录井来判断地层岩性十分困难。对ＰＤＣ钻头切削刃进行了受力平衡分析，建立了地层识别因子与钻井操作参数、钻头结构参数的关系模型。根据已钻井的录井、测井、地质资料提取地层变化规律，利用随钻录井数据预测了地层岩性。编制了相应的地质分层软件，并进行了实例预测。预测结果与测井解释结果比较，符合率为６５％￣７０％，说明该预测方法具有一定的有效性和实用性。     

利用特征元素随钻确定济阳坳陷下古生界顶界面技术

随钻判断下古生界顶界面,是济阳坳陷下古生界碳酸盐岩油气藏钻井施工中的录井核心工作。济阳坳陷下古生界顶界面的类型分为高位角度不整合、低位角度不整合、断层式、平行不整合四种类型。X射线荧光录井仪可以随钻快速分析1 2种元素。研究发现,对于高位角度不整合、低位角度不整合和断层式界面,钻至下古生界碳酸盐岩Ca、Mg元素含量会大幅度提高;对于平行不整合式界面,上古生界石炭系本溪组灰岩的Al元素含量明显大于下古生界奥陶系八陡组灰岩的。现场使用X射线荧光录井仪随钻分析岩屑,根据特征元素确定济阳坳陷下古生界顶界面,具有准确、快速、低成本的特点,提高了勘探综合效益。     

不同钻井参数、不同磨损期PDC钻头岩屑分析

随着钻井工艺水平的不断提高PDC钻头受到广泛地应用，PDC钻头在提高钻井速度、降低钻井成本、增加经济效益的同时，却由于钻屑细小而给岩屑录井、钻时卡层等带来诸多困难。笔者根据在川西气田十余口井PDC钻头钻井的岩屑录井经验，总结出根据不同钻井参数条件下的PDC钻头使用期法来识别细小真实岩屑，从而提高PDC钻头钻进中的地层剖面恢复符合率。     

基于深度学习的砂岩组分显微图像识别

识别砂岩中的石英、长石和岩屑对判断沉积环境具有重要意义,但传统的人工识别方法存在主观性强、对经验依赖程度高等问题。本文利用深度学习、卷积神经网络等技术构建了一种基于Faster R-CNN目标检测算法的砂岩显微组分图像识别方法,实现了正交偏光下对薄片图像中石英、长石、岩屑三种组分的智能识别,三种组分平均识别准确率为89.28%。为了验证模型的可靠性,实验对比了不同算法和特征提取网络,结果表明：Faster R-CNN目标检测算法的识别效果优于YOLO V3、YOLO V4、YOLO V5s,ResNet50特征提取网络的表现效果优于VGG16。采用ResNet50特征提取网络的Faster R-CNN目标检测模型优势显著,它可以更好满足岩石薄片的识别要求,为传统的人工方法提供智能化技术方案。     

基于随机森林的全波形点云数据分类研究

针对机载全波形数据,本文提出了一种基于随机森林法的点云分类算法,首先通过全波形分解获得振幅,回波次数,以及回波宽度3个特征,再结合本文中提出的特征提取方法,构建一个多维特征向量并进行特征选择,最后利用随机森林法将激光点云分为植被,地面部分以及建筑物三类.对比支持向量机分类方法,实验证明该方法具有很好的稳定性以及高效性,能够在城市区域取得很好的分类精度.     

基于最优特征空间构建的随机森林算法在WorldView-2影像分类中的适用性研究

目前面向对象的分类研究中,对于研究区影像的分割尺度问题多以试验者的多次试验以及主观推断为主,缺乏定量化的评价标准。同时,在对遥感影像分类的算法选择以及在分类过程中,有效特征空间的选取均存在一定程度的主观性。针对遥感影像面向对象分类过程中分割尺度选择盲目及分类空间构造主观性较强的问题,以World View-2遥感影像数据为例,首先利用改进的全局最优分割尺度的方法获取研究区影像的最优分割尺度,在此基础上选取了研究区分割对象的48个特征,利用OOB误分率对各个特征的重要性排序;然后按重要性顺序以5为步长讨论特征数量对分类精度的影响,构建了用于分类的最优特征空间;最后将采用最优特征空间的随机森林算法获得的最佳分类结果,与面向对象的最邻近像元、决策树以及支持向量机分类算法进行了比较。结果表明,用于分类的特征数量与分类精度之间,并不是简单的正相关关系;与面向对象的最邻近像元、决策树以及支持向量机分类算法相比,利用最优特征空间进行随机森林分类的分类精度最高,表明该方法更适合于高分辨率World View-2数据的分类。     

基于多元数据特征和改进随机森林的智能配电网异常数据辨识

智能配电网异常数据的准确辨识对于提高电网安全运行和调度具有重要意义。本文提出一种基于多元数据特征和改进随机森林算法的异常数据辨识方法。首先,在分析异常数据辨识过程的基础上,利用k-means、箱线图法等提取原始数据异常特征;考虑配电网技术需求,挖掘电网运行的衍生特征。然后,针对类不平衡问题提出结合过采样方法的混合Bootstrap抽样和加权投票策略,引入信息增益率优化最优特征选择,增加算法稳定性。最后,仿真分析了决策树数量和衍生特征对算法辨识性能的影响,并与支持向量机、神经网络等算法进行性能比较。实验结果表明本文方法有效、合理,具有优异的辨识性能和效率。     

一种基于弯曲结构的线状要素Morphing方法

提出一种基于弯曲结构的线状要素Morphing方法。对于2个不同比例尺地图上表达的同一线状要素,首先根据其各自形态特征分别利用约束Delaunay三角网提取线状要素的独立弯曲及其层次结构信息,并用弯曲森林和弯曲树来表达线状要素的弯曲结构。然后,通过识别对应独立弯曲,从高层次到低层次对它们的层次弯曲结构进行识别与匹配,从而将两线状要素分割成多对对应线段。在此基础上,借助常用的插值算法进行Morphing。实验证明,提出的基于弯曲结构的Morphing方法要比已有的方法精度高,并有效保持Morphing过程中内插线状要素弯曲特征的一致性。     

基于特征优选的随机森林算法在湿地信息提取中的应用——以湖北洪湖湿地自然保护区为例

以湖北洪湖湿地自然保护区为研究区,采用随机森林算法对研究区内湿地信息提取.以Sentinel-2A遥感影像为数据源提取光谱特征、植被指数、水体指数、红边指数、纹理特征等特征变量,在随机森林算法框架下,对不同特征变量进行特征重要性评估,比较分类后精度并对特征组合进行优选.将基于随机森林算法的分类精度与传统的基于像元的支持向量机分类方法和最大似然分类方法的分类精度相比较,并通过双比例Z检验比较各算法中正确分类像元的比例统计各分类算法之间的分布差异.结果表明： 1) 特征个数为13时,分类精度达到最大,随着特征个数的增多,分类精度呈现波动减小的趋势; 2) 特征变量中蓝光波段重要性得分最高,达到2.85,可见光(B2、B3)与红边指数(IRECI、MCARI)重要性排名靠前,对于提取湖泊湿地信息具有重要意义; 3) 基于特征优选的随机森林方法分类精度优于支持向量机和最大似然法分类后的精度,其总体精度分别高出6.02%和7.57%;经检验, χ2分别达到25.891和38.895,具有显著差异,表明基于特征优选的随机森林算法分类对湿地信息提取发挥重要作用。     

基于非参数分类算法和多源遥感数据的单木树种分类

【目的】通过研究随机森林(random forest, RF)特征筛选对单木树种分类精度的影响,以及多源遥感数据协同下单木树种分类的有效性,分析不同特征对单木树种分类的影响程度。【方法】以东北林业大学帽儿山实验林场中林施业区的两块100 m×100 m样地为研究对象,首先,以机载激光雷达(LiDAR,light detection and ranging)和多光谱遥感CCD(charge coupled device)影像为数据源,分别基于机载LiDAR数据提取高度、强度和树冠大小等共37个特征,基于CCD影像提取光谱和纹理共21个特征;其次,以随机森林方法进行特征筛选,之后以随机森林和支持向量机(support vector machine, SVM)两种非参数分类器,结合不同数据源和特征,采用12种分类方案,利用总体精度(overall accuracy, OA)、用户精度(user’s accuracy, UA)和生产者精度(producer’s accuracy, PA)对分类结果进行对比与精度评价。【结果】经随机森林特征筛选后,分类结果优于未进行特征筛选的结果,总体精度可以平均提高3.47%,使用机载LiDAR和CCD影像协同分类相较于仅使用CCD影像总体精度平均提高6.07%。【结论】随机森林特征筛选可以优化特征,减少特征冗余,提高分类精度;多源数据结合也可以提高分类精度;在多源数据结合时,光谱特征最重要,LiDAR提取的强度特征相较于高度特征更稳定。     

基于短时心电信号的疲劳驾驶检测算法

心率变异性分析是最常用的一种基于心电信号的疲劳驾驶检测方法.然而,该方法需要被检测信号时间足够长,且准确率较低.因此提出一种基于短时心电信号的疲劳驾驶检测算法.首先,按照30s的时长截取短时心电信号序列,利用差分阈值法确定R波位置,根据R-R间期差值大小剔除不合格的噪声样本;然后,计算R-R间期序列的时域/频域特征并与利用ImageNet数据集预训练的深度卷积神经网络模型提取的特征相结合;最后,设计了一种随机森林分类器并基于这些特征进行分类.结果表明,该算法在疲劳驾驶检测上具有良好的分类效果,平均准确率达到91%.因此,相较于心率变异性分析方法,本算法检测所需心电信号更短,且在准确率上具备显著优势.     

液压缸运动精度的概率分析

运用概率论方法,对液压缸负载回路的运动参数进行分析,得出了随机因素对液压缸的力、速度、加速度影响的随机偏差,即力、速度、加速度的方差函数。