基于压裂层位选择的模糊优化模型研究

压裂是提高采收率的一种有效方法,已在油田得到广泛的应用．而压裂的效果取决于对目标井和目标区域选择的准确程度．以往选择目标井和目标层位都是通过人工手段,是不准确的,导致压裂不能起到很好的增产作用．为了优化选择压裂层位以增强压裂作业的效果,将模糊理论应用到压裂作业中,提出了一种优化选择压裂目标井和目标区的模糊方法。     

基于级连式支持向量机的文本自动分类算法

为了解决文本自动分类问题,从解决支持向量机模式支持限制问题入手,以级连概念为指导思想,构造了多层级连式支持向量机模型,提出一种文本自动分类算法,以便处理多个模式的分类问题。由于支持向量机本质上是一种非线性数据处理工具,对于复杂的两类模式分类问题已表现出良好的适应性,而且支持向量机用于模式识别不存在局部极小值问题,且不需进行网络迭代训练,求解速度明显高于神经网络。通过以CNKI文档数据为例进行算法实践,试验结果表明支持向量机用于模式分类的实现步骤比较简单,不需要长时间的训练过程,只需根据初始样本在空间的分布特性求解最优超平面(即找出支持向量),进而确定决策函数,然后即可泛化推广识别其他待识别的同类样本。     

基于过程神经网络和量子遗传算法的油藏采收率参量逆向求解

对于多输入多输出系统，针对如何根据系统模型和期望输出反求系统输入的问题，提出了一种基于过程神经网络和量子遗传算法相结合的方法，并给出了具体的实现方法。首先根据实际系统的领域知识和学习样本集，建立满足系统实际输入输出映射关系的正向过程神经网络；然后按照系统在过程区间的某一期望输出，用过程神经网络的输出误差构造适应度函数，用量子遗传算法逆向确定系统的过程输入信号，使该输入信号满足已建立的正向过程映射关系，从而完成系统的逆向过程控制。油藏采收率参量的逆向求解结果证明了该方法的有效性。     

基于过程神经网络和量子遗传算法的油藏采收率参量逆向求解

对于多输入多输出系统,针对如何根据系统模型和期望输出反求系统输入的问题,提出了一种基于过程神经网络和量子遗传算法相结合的方法,并给出了具体的实现方法.首先根据实际系统的领域知识和学习样本集,建立满足系统实际输入输出映射关系的正向过程神经网络;然后按照系统在过程区间的某一期望输出,用过程神经网络的输出误差构造适应度函数,用量子遗传算法逆向确定系统的过程输入信号,使该输入信号满足已建立的正向过程映射关系,从而完成系统的逆向过程控制.油藏采收率参量的逆向求解结果证明了该方法的有效性.     

复合酶制剂对奶牛生产性能的影响

】　介绍复合酶应用于泌乳奶牛的情况,对照组和实验组相比较,可使日产奶量增加5.2%,并可提高奶牛抗热应激能力,对食欲不振,消化不良的奶牛有明显的保健作用,这样直接和间接地提高了经济效益。