基于可解释神经网络的非常规储层参数建模范式

机器学习在非常规油气储层参数建模中起着越来越重要的作用,然而其特有的“黑盒”结构导致储层参数预测结果缺乏专业领域知识支撑。针对这一问题,提出一种基于可解释神经网络(INN)的储层参数建模范式。该模型以泛函网络结构为框架,通过可视化子网络基函数及其系数,一定程度上能展示模型的可解释性。最后,以松辽盆地青山口组青一段页岩油储层脆性指数建模为例进行模型验证。结果表明,与ELM、SVM、BP等传统的机器学习模型相比,所提出的INN储层参数模型不仅具有可解释性,且预测结果与实际值的均方根误差最小(5.2%～6.31%),相关系数最高(0.75～0.87)。     

JPU—11胶粘剂的试制

<正> 前言聚氨酯胶粘剂是目前的八大合成胶粘剂中重要的一种。由于这类胶粘剂具有一系列的优异性能,特别是柔轫性、耐磨性、抗剥离、良好的低温性能、弹性以及对各种物质表面均有较强的粘附性等特点,越来越广泛地用于建筑、制鞋、汽车、塑料加工、复合材料、纺织,机械紧固和密封,家用粘结等国民经济的各个领域中。正是由于上述特点,聚氨酯胶粘剂的发展非常迅速。以美国为例:1979年产量为55000吨,1985年约72000吨,每年以5～10％的速度增长,且品种达数十种之多。我国的聚氨酯胶粘剂尚处于起步阶段,现在每年最大产量不到900吨,商品化的品种也只有一两种。     

Gdel逻辑系统中公式真度判断方法

通过给出Gdel系统中公式的伪真值函数的概念,得到了判断原子个数比较少的公式真度的一般方法.     

G(o)del逻辑系统中公式真度判断方法

通过给出Godel系统中公式的伪真值函数的概念,得到了判断原子个数比较少的公式真度的一般方法.