煤层开采导水裂隙带发育高度研究综述

导水裂隙带发育高度研究在矿井水灾防治、水体下采煤及保护层开采中具有重要的意义。在系统总结前人研究成果的基础上,分析了导水裂隙带高度不同研究方法的基本原理,对研究方法进行了总结分类。综述了力学解析法、数值模拟法、相似材料模拟实验、统计预测法、非线性预测法、综合确定法及现场实测法的研究现状及进展,分析了不同预测方法的不足和发展趋势。     

基于复杂网络的微吧话题流行度预测研究

微吧是微博平台的贴吧,具有良好的话题主题性,为更好地进行话题流行度预测研究,对电影吧作为研究对象,建立复杂网络模型,并设计自适应差分进化算法对网络进行训练。在算法参数的设计中,通过对算法复杂度边界的推导得到最优参数。对比实验表明,较于神经网络该模型结构更加灵活,较于拟合模型该模型能够对话题特性进行更为全面的描述,并且在话题流行度的预测中具有更高的准确度和稳定性。     

莱北地区新近系明化镇组下段浅水湖盆砂体预测

莱北地区新近系明化镇组下段(以下简称"明下段")浅水湖盆砂体发育规律的认识程度相对较低,由于渤海海域新近系浅层油气藏中,浅水环境下沉积的砂岩储层占较大比重,因此有效预测该区明下段浅水湖盆砂体的发育规律对后期油气勘探显得尤为重要。针对浅水湖盆砂体单层厚度普遍较薄,侧向迁移快,叠置发育的特征,单种方法难以有效预测及研究区钻井资料较少,限制地震反演应用等问题。在充分利用高分辨地震资料基础上,提出一套适合研究区的研究思路。具体思路如下:首先井震联合建立高频层序等时格架,主要含油层段划分11个五级层序。其次在波形分类地震相砂体预测宏观趋势指导下,结合优选的最小振幅属性,对目的层段内浅水湖盆砂体进行精细刻画。砂体预测结果表明,平面上,明下段储集砂体展布具有明显的分带性。纵向上,三级层序控制明下段主要含油层段储集砂体类型及富集段。该预测结果可为渤海海域新近系浅水湖泊沉积体系的深入认识及油气勘探提供科学依据。     

气体钻井地层出水定量预测模型研究

气体钻井地层出水定量准确预测是气体钻井可行性钻前论证的关键。目前,已有的出水量预测方法较少考虑气体钻井井底压差下地层渗流过程与地层应力变化的流固耦合作用对出水量的影响,在渗流力学和岩石力学的基础上,综合考虑地层渗流过程与岩石应力变化的流耦合作用对地层应力、孔隙度、渗透率以及孔隙压力的影响,建立气体钻井孔隙性地层和孔隙-裂缝性地层出水量预测动态流固耦合模型。结合工程实际,通过该模型计算得到气体钻井快速钻穿水层后出水量随时间的变化关系,计算结果与现场监测吻合。研究对于钻前准确预测出水量和筛选气体钻井层位具有重要意义。     

平均模型在致密气井产量预测中的应用

在致密气资产快速评价中应用经验型递减模型能够快速得到气井产量的递减情况;但不同的递减模型在完成历史拟合后,长期产量和累积产量预测结果相差很多。应用GLUE法评价各模型预测结果的不确定性,并引入平均模型的概念,计算各模型权重后建立平均模型。以加拿大致密气田两口致密气井的实际生产数据为例应用平均模型进行累积产量的计算,结果表明GLUE法可进行各模型预测结果的不确定性进行分析,且通过设定筛选标准后,利用满足条件的模型进行聚合得到的平均模型计算结果具有更小的标准差与变异系数。     

一种基于混合模型WRC的流量预测方法

针对当前网络流量预测方法在刻画网络流量多重特性方面存在的准确性及噪声干扰的问题,提出了一种基于混合模型WRC的流量预测方法,该方法利用小波分解将网络流量混沌时间序列分解为流量特性不同的近似时间序列和细节时间序列,并利用RBF神经网络和混沌模型分别对这两种时间序列进行处理,得到预测时间序列后再进行小波重构,得到最终的预测值.仿真实验结果表明模型预测有效,且预测精度较高.     

基于蚁群搜索理论的优化卡尔曼步频预测

为了使智能下肢能够实时地调节膝关节阻尼,使其固有频率与实际步频相符,达到更加接近正常步态的效果,提出了一种基于蚁群搜索理论的卡尔曼步频预测算法.利用蚁群算法在规定的连续域中寻找卡尔曼预测方程中系统误差与测量误差两个参数的最优组合,实现对卡尔曼预测方程的优化.通过获取六组人行走的步频数据进行实验,结果表明:经蚁群算法优化后,卡尔曼预测算法预测得到的步频与后验值之间的误差比跟随方式的误差分别减少了44.10%,43.42%和36.17%,证明了基于蚁群搜索理论的优化卡尔曼步频预测方法在智能下肢控制上具有良好的应用前景.     

基于模板匹配与线性预测的目标跟踪算法

为解决复杂场景中目标遮挡、算法鲁棒性差的问题, 提出基于模板匹配与线性预测的算法。该算法分为模板匹配和线性预测两部分。场景中无遮挡物时, 执行模板匹配算法, 获取目标跟踪信息; 否则, 通过预测算法估计目标的状态, 进而实现目标跟踪。实验结果表明, 在目标有遮挡干扰的情况下, 采用该算法能稳定、准确地实现目标跟踪, 与传统的模板匹配算法相比具有较强的鲁棒性。     

雷64区块砂砾岩储层岩性识别方法研究

在取心、岩石物理实验的基础上,采用统计方法对雷64区的岩性进行研究,将其分为砂质细砾岩和不等粒砂岩两大类.利用直方图法优选出识别这两大类岩性的敏感测井曲线,并且依据优选出来的敏感测井曲线,建立了用于识别砂质细砾岩和不等粒砂岩的测井响应交会图法、决策树模型、系统聚类模型.通过对上述三种模型进行精度分析,发现决策树模型的精度要高于测井响应交会图法和系统聚类模型.同时利用所建立的两种决策树模型对雷71井进行岩性识别,将识别结果与实际取心对比,发现综合判断准确率均大于85%.结果表明,给出的决策树模型可很好地用于该地区砂砾岩储层的岩性识别.     

生态环境数据预测方法研究

大规模生态环境数据的处理和统计分析为环境保护和预测提供重要依据,其分析和预测方法成为数据处理的研究重点。在对海量生态环境数据的分类整理和综合处理基础上,基于时间序列的指数平滑法建立了一种动态二次指数生态环境数据预测模型。该模型针对生态环境的实时变化特征,利用二次指数平滑方法实现了静态参数的动态优化处理。以云南大理生态环境数据为样本,通过实验仿真测试和模型分析,结果验证了该模型的适用性和准确性。