基于机器学习的裂纹识别研究现状及发展趋势

裂纹识别一直是机器视觉领域的重要研究内容,尤其是与之相关的自动检测算法在近年来备受关注.深度学习作为机器学习的一个分支,其在裂纹识别方面已显现出强大的功能和灵活性.本文对基于机器学习的裂纹识别技术的发展情况、研究现状以及典型方法进行详细介绍:首先介绍了多种机器学习方法在裂纹识别领域的应用,并从特征提取算法和应用对象等方...     

基于机器学习的油气水层随钻识别模型优选

为了解决基于测井数据对油气水层的实时识别这一技术难题,利用计算机科学与现代数学,结合随钻测井技术与机器学习算法进行油气水层的随钻识别。首先,对训练集数据进行相关性分析,剔除弱相关或冗余数据;其次,选择一对多支持向量机、一对一支持向量机以及随机森林算法分别建立油气水层分类识别模型,并使用网格搜索方法及10折交叉验证法对3种分类识别模型参数进行优选;最后,运用参数优选后的各分类识别模型,对随钻测井数据进行油气水层的识别。研究结果表明,3种分类识别模型对研究区块油气水层随钻识别的准确率均达到75%以上。在训练样本较少的情况下,优先选用一对一支持向量机分类识别模型进行油气水层的随钻识别。     

基于深度学习与传统机器学习的人脸表情识别综述

现有的人脸表情识别技术基本局限于传统的机器学习算法,在光照强弱、有遮挡物、姿态变换等情况下,传统的机器学习算法鲁棒性差,难以运用到实际生活中。随着计算机GPU等硬件条件的发展、大数据时代的到来,深度学习在计算机视觉领域备受关注。本文从图像预处理、特征提取、特征分类等方面介绍了传统机器学习算法及其优缺点;从DBN、CNN等主流算法、发展方向、常用开发框架介绍了深度学习算法。最后总结和展望了传统机器学习与深度学习在人脸表情识别上的发展问题与趋势以及后续研究方向。     

随钻超声井眼成像技术进展

随钻超声井眼成像技术是当前随钻测控领域的前沿技术，可以在随钻工况下实时生成高分辨率的井眼图像，能够准确反映井眼形状，识别裂缝、孔隙、层理等特征，在监测井眼工程状况和质量方面发挥着重要作用。阐述了随钻超声井眼成像系统的成像原理及构成要素，综述了发展历程及现状，分析了国外最新研发的随钻超声井眼成像系统的技术特点，总结了随钻超声井眼成像技术未来发展趋势，探讨了随钻超声井眼成像领域在仪器设计及发展的方向。     

大数据生物特征识别技术研究进展

随着机器学习领域研究的持续发展,特别是深度学习方面的进步及图像处理器(GPU)等算力的持续提高,利用生物特征大数据的识别技术获得广泛关注,并在人证比对、智能监控以及疫情防控等多个领域取得了很好的应用.分析了大数据生物特征识别技术的发展态势,总结了生物特征类型以及大数据驱动的生物特征识别技术发展与应用,探讨了大数据生物特征识别技术的未来发展趋势.     

大数据生物特征识别技术研究进展

随着机器学习领域研究的持续发展,特别是深度学习方面的进步及图像处理器(GPU)等算力的持续提高,利用生物特征大数据的识别技术获得广泛关注,并在人证比对、智能监控以及疫情防控等多个领域取得了很好的应用.分析了大数据生物特征识别技术的发展态势,总结了生物特征类型以及大数据驱动的生物特征识别技术发展与应用,探讨了大数据生物特征识别技术的未来发展趋势.     

机器学习技术在软件测试领域的应用

系统介绍了近年来机器学习技术在软件测试领域的应用和发展概况。首先通过筛选对多篇文献的研究主题进行了分类,讨论了每个分类的研究重点,然后从实验数据集选择、特征提取和选择方法、处理类别不平衡方法、机器学习算法、评估准则等方面对研究文献进行了分析和讨论,最后总结了利用机器学习技术在软件测试领域的研究热点和对未来研究的展望。     

POI数据研究热点与趋势分析

目前,POI数据无论从概念内涵与信息纵深,还是应用的广度与深度,都有着长足发展,国内学者对POI数据的研究热度持续高涨。该文阶段性梳理总结近年来POI领域研究情况,摸清其研究热点与薄弱环节,挖掘其应用潜力与发展趋势,为进一步研究POI数据提供参照。该文以文献计量学为理论依据,使用CiteSpace软件,对检索得到的563篇文献数据,生成关键词共现知识图谱,以可视化方式进行分析。结果表明：（1）POI应用领域多围绕城市主题的应用;（2）与其他多源异构数据的融合利用,可进一步拓展应用范围,并深度挖掘目标影响因素,支撑科学决策与实施优化调整;（3）与其各类机器学习算法的紧密结合,对识别城市边界、智能推荐等有着新的启示;（4）对数据结构的统一性以及质量保证能力提升等POI数据本身方面的研究是目前该领域的研究洼地。     

利用元素录井资料的随钻岩性判别方法

针对综合录井过程中微细岩屑识别岩性困难的问题,利用X射线荧光(XRF)测量的微细岩屑中的元素含量、谱图和测井资料,对随钻录井岩性判别方法进行研究。结果表明:XRF测量的元素含量与岩屑中矿物含量具有相关性,Si、Al、Fe等元素含量与自然伽马测井曲线存在相关性;通过XRF测量数据可计算岩屑中的砂泥质含量,并可用于判别砂泥岩剖面的岩性;相同岩性的XRF谱图具有相似性,利用这种相似性可判别岩性。现场资料验证结果证实了综合判别法可提高岩性判别符合率。     

浅谈随钻地层测试技术的应用与发展

随钻地层测试技术是应用在采集地层压力数据中的一项新技术。本文通过介绍随钻地层测试仪器的种类和运行原理对其应用和发展进行了研究,对随钻地层测试技术的发展前景进行了阐述。主要通过我国吉林石油探区的随钻地层测试技术的现状、发展技术的方向以及应对注意的问题进行了简单介绍。笔者认为随钻地层测试的发展方向应当是双封隔器模式结构具有流体取样和流体实时分析功能。我国在发展随钻地层测试技术时还要不断借鉴国外的先进技术,联合科研单位进行理论研究,发展我国自己的随钻地层测试仪器。     

X射线荧光录井技术在冀东油田的应用分析

元素录井是在钻井现场快速分析岩屑(岩心)样品中元素含量,并根据元素含量及其组合关系的变化进行随钻岩性识别和地层评价的录井技术。在冀东油田上古生界沉积特征分析基础上,通过X射线荧光分析试验,选定对岩石分析的元素种类,研究岩石元素组合特征,并利用其成果及时、准确地识别岩性和判断地层,正确指导钻井生产,形成基于X射线荧光分析的随钻地质解释评价技术。X射线荧光录井的开展,为PDC钻头、空气钻井条件下的岩性识别提供了可靠的技术手段,同时定量的元素分析资料,在复杂岩性的识别、储层评价、地层判别及沉积相的研究等方面,均收到了较好的效果。     

演化动态优化中的机器学习策略述评

综述了结合机器学习策略的演化动态优化研究,从数据、预测最优解位置、改进演化算法搜索等方面讨论分析了该领域的研究现状和关键技术,并总结了该领域目前存在问题和挑战。     

基于改进随机森林的火山岩测井岩性识别

准噶尔盆地石炭系火山岩岩性复杂,在某种岩性薄片、岩心等资料数量明显少于其他岩性时,常规方法划分岩性存在困难。为了解决上述问题,提高火山岩岩性识别精度,运用SMOTE算法增加少数岩性类别样本数量,解决数据不均衡问题；通过网格搜索和K折交叉验证法确定最优参数组合,开展基于改进随机森林的火山岩岩性识别研究。通过分析火山岩岩心、薄片、测井响应特征等资料,建立了岩性交会图版,确定了研究区对岩性敏感的测井参数重要性程度。实例资料应用表明,改进的随机森林算法有效的解决了传统随机森林算法受岩性样本类型不均衡及数据量较小的影响,火山岩岩性识别准确率由87%提升到了94%,为不均衡样本情况下火山岩岩性识别提供借鉴。     

基于深度学习的面部表情识别方法综述

人脸表情识别就是让计算机按照人类的思维理解表情,是人机交互的重要组成,然而随着深度学习的迅速发展,深度学习技术在人脸表情领域的研究也成为研究热点,所以对深度学习技术在表情识别中的应用及取得的成果进行分析。首先总结了几种常用表情数据集;然后从特征提取和特征分类两方面对基于深度学习的表情识别方法进行了分类,并从网络改进方面分析了基于深度学习的表情识别中的几种网络改进方法;最后阐述了表情识别这一领域中面临的挑战和未来发展。     

碳酸盐岩分析仪在塔河油田地质卡层中的应用

针对塔河油田在钻进中广泛使用PDC钻头加螺杆,导致钻时变快、岩屑细小,影响岩性鉴定、地层划分及层位卡取的情况,现场充分利用碳酸盐岩分析仪采集的碳酸钙质量分数变化情况来进行岩性的鉴定,通过多口井的地质卡层,证实了碳酸盐岩分析仪在塔河油田钻井中的实用性、可靠性,提高了地层划分及层位卡取的准确性,对录井新技术的应用与发展起到很好的促进作用。     

宽带约束地震反演在兰尕地区储层预测中的应用

兰尕背斜带处于塔河油田南部,具有发育非背斜圈闭的条件,勘探程度较低,适用于宽带约束地震反演技术进行储层预测.作者介绍了宽带约束稀疏脉冲反演技术的基本原理、实现方法以及反演流程,并在兰尕地区首次利用约束稀疏脉冲反演技术进行了储层预测,反演过程中运用了9口井进行约束.将反演结果与井真实情况相对比,上油组、中油组与钻井、测井解释储层吻合较好,下油组顶面吻合较好,内部及底部与钻井有一定差异.根据反演结果圈定了砂体发育带,确定了岩性圈闭,并最终落实了钻井目标.该方法在勘探程度比较低的地方可以较准确地预测储层岩性和展布规律,对油田的进一步勘探开发,以及降低勘探开发风险有一定的指导意义.     

机器视觉技术的农业应用研究进展

 机器视觉技术已广泛应用到农业生产的诸多领域。综合国内外优秀研究成果,阐述了现阶段机器视觉在农业方面应用的主要形式,介绍了机器视觉在农作物精选与质量检测、植物生长信息监测、农田视觉导航等应用方向的研究成果,通过分析其创新性的图像处理算法、机器视觉系统的组成,提出了当前机器视觉农业应用仍存在可靠性差、成本高、智能化水平不高等问题。结合当前机器视觉在各种领域的研究和应用情况,对未来机器视觉在农业应用的发展方向进行展望,认为基于嵌入式处理模块和多技术融合的机器视觉系统将成为未来主要发展趋势,以卷积神经网络为代表的深度学习模型也将成为未来图像识别的核心技术,并将极大改善目前机器视觉在农业应用存在的诸多问题。     

电成像测井资料在砂砾岩油气藏岩性识别中的应用

徐家围子断陷深层砂砾岩段是该区重要的目的储层,该类储层非均质性强、岩性复杂,常规测井响应曲线规律性差,难以准确识别储层岩性。本文利用地层微电阻率成像测井(FMI)资料,并充分结合岩心、薄片等信息,将研究区砂砾岩体典型岩石的FMI图像作为模板,总结相应的FMI图像特征,建立各种岩性在FMI图像上的识别模式,以此定性分析法指导其它井段的岩性识别。在实际应用中,利用砂砾岩体各种岩性的FMI图像识别模式,对研究区几口井目的层段进行了岩性识别,识别结果与岩心、薄片定名资料的符合率达82.4%。     

管道式对话系统研究进展及其在医疗领域应用

随着人工智能技术的快速发展,任务型对话系统成为了人机交互领域的热点研究方向。管道式方法是其一种经典的设计框架,在任务型对话系统的研究和应用中扮演着重要角色。本文对管道式任务型对话系统的研究进展进行了综述,并重点探讨了其在医疗领域的应用。首先介绍管道式对话系统各模块的基本原理、评价指标以及常用的数据集。然后,梳理了近年来深度学习技术在管道式对话系统研究中取得的重要进展,并进一步归纳了所用模型的优缺点。接着,重点关注了管道式对话系统在医疗领域的应用,并讨论了医疗对话系统的需求和挑战。最后,对全文进行总结并展望了未来的研究方向和发展趋势。