埕岛油田测井多并分析技术及其处理效果

针对埕岛油田的实际情况，提出了测井多并分析技术，主要包括对测井数据进行标准化处理，以测井曲线为基础进行岩心的深度归位及测井曲线校正．通过油田１０多口井资料的分析和处理，并以埕北１０２、２０１和斜２井计算的孔隙度、渗透率、泥质含量和含水饱和度数值与岩心分析值相对比，说明了上述分析方法和处理技术的有效性和实用价值．     

融合卷积神经网络和流形学习的肺结节检测

U-net是常用的医学图像分割网络,但仍存在卷积神经网络中泛化能力差、容易过拟合的缺点.针对其缺点,研究全卷积肺结节分割网络,引入随机失活层,采用新的激活函、损失函数、优化器等改进网络结构,改进后的网络具有更高的查全率.然后融合改进重构权值的局部线性嵌入算法对特征进行提取,最后采用XGBoost分类器进行最后的筛选分类.通过实验验证表明,得到实融合以上两种算法的肺结节检测具有更高的准确率更高的准确率和更好的泛化性,可以应用于肺结节检测.     

带钢表面检测中压缩感知图像去噪方法

带钢表面图像中存在高斯噪声、椒盐噪声,以及信号的稀疏性问题,为此研究一种压缩感知图像去噪方法,建立基于分段正则化OMP算法的图像去噪模型,经过边裂、孔洞、辊印三种典型缺陷图像去噪处理的仿真实验和对比分析,结果表明在信号稀疏度未知的情况下仍然能够有效可靠地重构信号,保证全局优化的同时提高了算法的运算速度;特别是峰值信噪比(PSNR)值较高,可以有效的滤除噪声污染,改善图像质量,并能满足图像实时处理要求。     

鲸鱼优化算法及断路器触头弹簧小型化设计

为了克服低压断路器体积大、分断性能差等缺陷,结合弹簧约束条件构建触头弹簧小型化数学模型,提出一种改进的鲸鱼优化算法(CA-WOA)进行优化求解,即在标准鲸鱼优化算法(whale optimization algorithm,WOA)的基础上,结合云模型与自适应权重策略改进鲸鱼优化算法,引入云模型加强算法的全局与局部搜索能力,避免陷入局部极值;再引入自适应权重策略,提高算法的收敛速度与精度;通过经典测试函数仿真和对比分析,表明其改进算法具有更好的性能.进而,采用改进的鲸鱼优化对所构建的触头弹簧数学模型进行迭代寻优,实验结果表明其改进算法能够有效地减小触头弹簧质量与体积,实现低压断路器小型化目标.     

利用灰色理论进行多井储层评价

在用灰色理论对油气储层进行精细评价解释的基础上,研究了哈南油田夫特构造砾岩储层和福山凹陷流三段储层的综合评价和多井解释。以关键井分析计算储层参数,利用岩性、物性及含油气变化进行参数集总和归纳,绘制出相应层段储层厚度、孔隙度、渗透率、饱和度等参数分布图,建立了客观反映储层地质特性的分析方法和解释模型。研究了油气储层的基本形态、几何特征及其空间分布规律。从而较好地预测各层段中储油物性好、含油饱和度高的部位,提供了进一步钻探评价位置和范围。     

露天矿矿石品位波动模型

以本钢南芬矿采矿过程为背景，论述了成品矿石形成过程中的随机干扰。运用系统辨识、多元分布以及线性模型等工具，研究和探讨了矿石品位波动规律，建立了数学模型。     

根据重力扰动位系数探讨异常源质量分布

本文根据Ｒａｐｐ８１地球重力场模型的２到３６阶扰动位系数，利用８／Ｎ法和振幅谱法两种球谐滤波方法，具体对中国及邻区重力异常源的质量分布作了较细致研究．揭示了重力扰动位系数与异常源质量分布的内在联系和规律，并为人们探讨深部地质构造提供了新的线索和资料．     

采用内点法的基追踪算法测井数据恢复

实际测井数据由于数据规模大、维数高等特点,在采集、传输、存储中很有可能会发生数据的缺失或损坏。为了提高数据质量,采用压缩感知中的基追踪算法对测井中的缺失数据进行恢复。先使用过完备字典对原始数据进行稀疏分解,采用基追踪算法将L0范数优化问题转化为L1范数问题;然后采用线性规划算法——内点法求解,从而实现数据恢复。通过实验与对比分析,结果表明基于基追踪的测井数据恢复方法精度高;且优于基于正交匹配追踪的数据恢复方法。     

花朵授粉算法及其在断路器优化设计中的应用

为了解决花朵授粉算法(flower pollination algorithm,FPA)在寻优过程中容易陷入局部最优解、后期收敛速度慢等问题,提出一种结合鲶鱼效应和均匀变异算子的改进FPA算法.首先,引入鲶鱼效应可以来避免算法陷入局部最优解;其次,加入均匀变异算子使其后期收敛速度加快,并通过经典测试函数验证改进的FPA算法性能优于其他算法;最后,将改进的FPA算法应用到断路器优化设计中,对两种不同类型的万能式断路器的能耗模型进行优化仿真,并计算出对应的断路器参数.结果 表明,采用改进的FPA算法设计的断路器参数更加合理,能耗值更低,可以有效提高能耗参数的设计精度和设计效率.     

一种改进的Grover量子搜索算法

经分析发现,Grover量子搜索算法及Long的改进算法均无法达到100%成功概率的搜索结果,为此在Long的改进算法基础上提出了一种新的搜索算法.它主要将相位取反替换成具有自适应调整特点的、与目标数据量和数据总量有关的相位旋转,当目标数据量为数据总量的1/2时,将数据总量扩展2倍,这样算法的搜索可以做到100%的成功概率.通过对背包问题的仿真研究表明,所提算法优于Grover算法和Long的改进算法,其求解速度快、准确率高,在带有数据误差的实际问题求解中进行相位匹配能够得到满意的效果.