基于增量稀疏核极限学习机的发动机状态在线预测

针对发动机状态在线预测中样本累积、预测模型膨胀和在线更新速度慢等问题,提出了基于增量稀疏核极限学习机的在线预测方法.该方法定义了KELM核函数矩阵的稀疏测量矩阵,并根据矩阵原子相干最小化和自信息量最大化的样本信息度量准则实现在线样本前向稀疏与后向删减,提高了样本稀疏化效率.利用有效样本对测量矩阵在最佳阶数内进行在线扩充与修剪,限制了预测模型膨胀.利用改进的增量建模方法对模型的核权重矩阵进行递推更新,从而建立规模有限且结构稀疏的在线预测模型,提高了在线建模速度.仿真数据和发动机状态参数在线预测实验结果表明,与现有在线预测方法相比,ISKELM具有更高的样本稀疏化和在线建模效率.对发动机排气温度进行120步预测时,预测速度分别提高了80.50%和31.72%,预测精度分别提高了48.56%和15.81%.      

附加法向信息的三维网格预测编码

为提升三维网格的压缩性能,提出了一种网格法向与几何帧内-帧间预测编码方法.该方法充分利用法向数据内部分量间（帧内）及几何与法向数据间（帧间）的相关性,实现附加法向信息的三维网格压缩,有效保持解码后三维网格的几何特性.实验结果表明,提出的预测编码方法相比分别压缩三维网格法向与几何数据,能够显著提高附加法向信息三维网格的压缩效率.      

一种Femtocell网络中的负载预测方法

在未来的5G移动通信系统中,Femtocell等小功率基站将承担起海量的数据通信业务。通过对Femtocell做出负载预测,进而完成小基站的休眠策略和对流量的管控等,但现有的研究中未出现此类探索方向。为了进一步实现移动通信系统的绿色通信和预知其对未来负载的发展态势,在Femtocell下提出了一种基于混沌特性和改进径向基函数(radial basis function,RBF)神经网络的预测方案。采用了C-C(Catmall-Clark)算法和G-P(Grassberger-Procaccia)算法计算时间序列的延迟时间和维度,BF进行优化、学习和预测。通过对比仿真实验的结果表明,该方案预测效果较好,可以应用到实际的预测工作中。     

利用卷积神经网络的显著性区域预测方法

针对神经网络的显著性区域预测存在数据采集代价大、处理繁琐等问题,提出2种卷积神经网络,即从头开始训练的浅层卷积神经网络,以及前三层源自另一个网络的深层卷积神经网络。其中,浅层网络结构简单,可避免过拟合问题;深层网络可以充分利用最底层的模型参数,收敛更快,效果更好。所提卷积神经网络应用于回归问题,均没有直接训练特征图的线性模型,而是在迁移层上训练了一堆新的卷积层。从端到端的角度解决显著性预测,将学习过程演化为损失函数的最小化问题。测试和训练在SALICON,SUN和MIT300数据集上进行,实验结果验证了所提方法的有效性。其中,深层网络和浅层网络在SALICON和SUN数据上的结果相似,深层网络在MIT300上的结果更优,与其他方法相比,所提方法具有不错的表现,而且具有跨数据集的鲁棒性。     

古城地区鹰山组储层特征及成岩孔隙演化

针对古城地区鹰山组孔隙在成岩历史中演化的问题,基于岩芯描述、薄片鉴定、阴极发光、测井资料以及地球化学数据分析,对目的层岩石学特征、成岩作用和储层特征几个方面进行了研究。结果表明,古城地区鹰山组储层岩石类型以石灰岩与白云岩为主,其中,白云岩多分布于鹰山组下部,且细晶自形-半自形白云岩和中-粗晶它形白云岩表现出相对较好的孔渗性,储集空间以晶间孔隙、晶间溶孔及裂缝为主,形成的主要储层类性为裂缝型、孔隙型和裂缝-孔洞型。研究区成岩作用对储层储集性能影响较大,其中,早期胶结作用、压实压溶作用、硅化作用以及热液矿物的充填对原生孔隙起破坏作用,浅埋藏白云石化作用、破裂作用、热液溶蚀作用为建设性成岩作用。由于过渡白云石化作用的影响,白云岩晶间孔隙发育程度较低,热液溶蚀作用对优质储层的形成起关键性作用。     

金坛盐穴储气库腔体偏溶特征分析

国内可用于盐穴储气库建设的盐矿以层状盐岩为主,造腔过程中普遍存在腔体偏溶现象,研究其特征及成因对国内以后盐穴储气库的建设具有一定的借鉴作用。以国内第一个盐穴储气库金坛储气库为研究对象,基于声呐测腔数据,提出了以偏溶系数,即腔体最大半径与同一平面最小半径的比值,来定量表征腔体的偏溶程度,最大半径方向即为腔体偏溶方向。统计结果表明,金坛储气库腔体偏溶系数1.13~11.88,偏溶方向以北东南西向为主。结合夹层、可造腔盐层厚度和地应力数据,分析了腔体偏溶发生的原因,认为造腔过程中夹层的不均匀垮塌可促使腔体发生偏溶;可造腔盐层厚度越大,腔体发生偏溶的可能性就越大,偏溶程度就越严重;地应力方向对腔体的偏溶方向具有重要影响。     

咸化湖盆过渡相组沉积控储作用浅析

咸化湖盆过渡相组（三角洲前缘与浅湖亚相）沉积特征与淡水湖盆存在显著差异,尤其在骨架砂体微相类型、分布等方面。研究其沉积控储机制,既是对湖盆沉积学理论的重要发展,也对中国陆相盆地碎屑岩油气勘探开发具有实际指导意义。应用大量岩芯、测录井及铸体薄片资料,分析了柴达木盆地英东地区下油砂山组（N₂¹）与上油砂山组（N₂²）三角洲前缘浅湖沉积特征及优质储层形成主控因素。研究表明,咸化湖盆三角洲前缘浅湖主要发育水下分流河道与滩坝两种储集砂体沉积微相类型。两者在沉积构造、粒度分布、微观组构及测井曲线叠加样式等方面存在显著差异。沉积微相是优质储层形成的物质基础,与湖盆水体咸化程度共同控制了优质储层的分布。咸化湖盆碎屑岩储层整体成分成熟度偏低,以原生孔隙为主,溶蚀作用较弱,次生孔隙相对欠发育。强烈的早成岩期碳酸盐胶结作用增加了岩石的抗压能力。储层物性主要受控于岩石粒度与胶结物含量。     

弱电网下模型预测并网逆变器控制策略

针对有限控制集模型预测控制系统在弱电网并网时存在电网阻抗无法忽略、电网电压突变、系统有延时、电流跟踪精度低的问题,提出了利用参考电流矢量角补偿的方法加以开关权重系数约束方式。首先搭建传统三相并网逆变器有限控制集模型预测电流控制模型;其次运用参考电流矢量角补偿方法,对预测电流参考值存在误差进行补偿来弥补因电网阻抗与系统电流波动产生的误差,并加入开关函数优化权重系数,使得系统具备两目标兼顾优化的特点,同时在电网电压发生突变时,系统符合并网要求,动态电流跟踪精度准确;最后通过Matlab/Simulink仿真验证了方法的合理性以及有效性。     

基于特征曲线重构的波阻抗反演在复杂储层预测中的应用

在目前储层预测方法中,基于测井约束的波阻抗反演作为一项关键技术,应用效果较为良好。对于其反演效果的优劣,声波测井资料品质具有显著影响。当声波特征曲线对有效储层与围岩差异的敏感性较低时,常规测井约束反演的结果对储层刻画能力会有所不足,而测井特征曲线重构技术则可以有效改善储层预测效果,提高砂体边界刻画的精度。本文在研究区实际地质特征分析的基础上,依据现有地震、测井资料,并结合储层预测需要,从声波测井资料的特点出发,通过特征曲线重构方法,将自然伽马、自然电位、电阻率等对岩性较为敏感的特征曲线与声波资料融合,最终在重构后的声波曲线基础上,通过测井约束波阻抗反演来表征储层。实际应用结果表明砂、泥岩得到良好区分,储层描述明显改善,为后续生产开发提供了有效指导。     

基于叠前反演的神经网络孔隙度预测技术——以南川地区为例

孔隙度是海相页岩气富集高产一个重要因素,获取孔隙度平面特征是优选页岩储层"甜点"的一个关键环节。应用叠前反演技术及概率神经网络技术定量预测南川地区孔隙度,首先在叠前反演过程中,做好道集预处理、地震标定、子波提取,低频模型建立关键技术质量控制,获取高精度叠前反演成果;其次在概率神经网络学习训练过程中,做好交叉验证分析,优选地震属性。通过两种技术方法的结合,有效预测了南川地区孔隙度发育特征,为页岩水平井部署、钻探及区域综合评价提供资料基础。