局部和整体视角相结合的测井曲线跟踪算法

为提高测井曲线自动跟踪技术的准确率,提出一种局部搜索和整体择优相结合、辅以曲线预测的实线自动跟踪算法.采用局部搜索来跟踪未受干扰的曲线,同时预测即将出现的曲线特征,以检验下一步的跟踪结果的正确性,并提出一种基于加权投票机制的整体择优算法以便从干扰所引起的多个分支中选择合适的分支.实验表明算法识别效果较好,速度快,且抗干扰性能较好,尤其是对于带有坐标网格的图纸,无需对图像进行去网格等预处理,可以节约预处理时间.     

地图扫描数字化系统中断裂线自动跟踪方法

通过研究真实扫描图像中断裂曲线的连接性问题,得出决定断裂曲线是否相连的主要因素为曲线的走势、曲线像元对背景像元的干扰度、断裂线两断点之间的距离,并根据地图扫描图像的特点归纳出用于判定地图断裂曲线在断点处是否相连的公式.为了缩短在曲线断点处搜索另一断点的时间,设计了一种新的算法———活动矩形算法.实验结果表明:运用断裂曲线自动跟踪方法能够提高断裂曲线连接程度,解决一般曲线扫描图像在平缓处存在微小断裂的两断点间的自动连接问题.     

基于BP神经网络的水稻害虫自动识别

针对水稻害虫自动识别问题,对害虫图像采用基于骨架的形态特征提取方法,自动提取害虫的骨架点的分支数、骨架累计长、横轴纵轴比、圆形性,以此作为BP神经网络的输入因子,并以从20种害虫图像提取的特征值,训练网络,较好地解决了这一问题.     

数字图像处理在测井曲线矢量化中的应用

针对测井曲线的矢量化问题，在讨论频域和空域的测井曲线图像预处理优缺点的基础上，采用了矢量跟踪的方法来处理测井曲线、对不同油田的20多种测井图纸样本进行了测试，实验表明矢量化的精度可达98％。     

古叙矿区煤体及其组合的测井曲线识别技术

不同测井曲线对于煤体结构识别具有多解性。为提高判识精度,通过对古叙矿区石宝矿段煤储层特征和常规测井响应特征分析,提取了对煤体结构反应敏感的8条测井曲线,包括自然伽马、井径Ⅰ、井径Ⅱ、深侧向电阻率、浅侧向电阻率、补偿密度、补偿中子、补偿声波,采用BP(back propagation)神经网络算法,通过MTALAB软件,建立了神经元数量为100、训练函数为TRAINLM,适应学习函数为LEARNGDM、误差分析为MSE的二层BP神经网络煤体结构定量识别模型,预测结果与矿区其他井岩心进行对比,结果表明,基于BP神经网络的煤体结构测井识别方法精确度达89%,效果好于传统的测井判识方法。     

基于MATLAB的相似度-遗传神经网络在储层物性预测中的应用

由于储层的非均匀性,传统的方法很难得到真实反映储层特性的结果。采用了遗传算法与BP神经网络相结合,利用遗传算法的全局寻优特点,优化神经网络的连接权值和阀值,从而提高网络的训练精度和预测精度。将相似度的概念引入到测井中,定义了相似度在测井中的计算公式,提出了相似度与遗传神经网络相结合的方法。根据取心井段储层物性与测井信息的关系,选取相应的测井曲线,运用MATLAB中神经网络工具箱建立神经网络模型并训练。实例研究表明,预测准确性较高,且可以有效地控制预测精度,避免了因储层差别大而造成的预测精度降低的现象。     

高性能测井曲线自动处理集群的研究与实现

针对目前基于单服务器的测井曲线自动处理系统的缺陷，研究了高性能测井曲线自动处理集群架构与实现。该集群通过高速以太网连接，节点采用对等结构构件系统，通过分布式哈希表进行数据发布、负栽均衡及系统自动扩容。该系统采用分布式处理技术提高了计算能力，采用反馈神经网络进行计算参数选优，又提高了数据处理的准确性。现场实践表明，该系统能够提高系统整体容量与处理能力。     

神经网络法在测井曲线自动分层问题中的应用

在地球物理勘探中需要利用测井资料了解地下地质情况,其中测井曲线分层是首先要完成的基础工作。神经网络法建立测井曲线自动分层模型,计算方便,结果客观性较强,分层结果精确。     

对感应测井曲线进行分层、环境校正的方法

本文介绍一种利用活度函数对感应测井曲线进行分层,根据趋肤效应几何因子理论对分层后的感应测井曲线进行围岩、层厚及侵入校正的算法。文中给出了按这种算法在 APPLE-Ⅱ微机上处理实际测井曲线的例子,证实该算法比手工校正方法计算精确,效率高,使用方便。这种算法的处理程序可作为测井解释系统预处理部分的一个模块,并能用子计算机自动逐层分析和岩相分析。     

小波变换和沃尔什变换在测井曲线分层中的联合应用

在分析单独利用小波变换或沃尔什变换进行测井曲线自动分层所存在的优势及弊端的基础上,依据沃尔什方法能适用多测井曲线分层和小波方法更能表征信号突变点的特点,提出了一种小波变换和沃尔什变换联合的测井曲线自动分层方法,该方法能有效地结合两者在测井曲线分层中的优势并弥补各自的不足.实际测井资料的处理结果表明,与小波变换分层方法和沃尔什变换分层方法相比,该联合方法简单、快速、有效,更适合实际测井资料的处理.     

BP神经网络技术在声波测井曲线重构中的运用

基于神经网络的曲线重构法是提高声波测井曲线质量的有效方法。该方法通过神经网络技术的非线性算法,在声波曲线与自然电位、电阻率、自然伽马等多条测井曲线之间建立一种非线性关系。运用BP神经网络技术综合了自然电位、电阻率、自然伽马等多条曲线的信息对声波曲线进行重构,以此增加曲线重构的信息量,为曲线重构的准确性提供了保障。通过在准噶尔盆地石南地区的运用,证明该方法能大大提高受井壁垮塌影响的声波测井曲线的质量。     

基于深度学习的气象资料迹线识别

气象历史资料数字化是中国气象局“气候变化应对工程”的重要建设内容之一。气象历史资料数字化主要内容是完成珍贵纸质气象资料中字符和迹线信息的数字化处理,建立历史长序列气象资料数据集。气象自记纸记录的迹线信息是气象历史资料的重要内容,气象资料迹线信息的准确跟踪和提取是实现气象历史资料数字化的重要环节。然而,由于纸质气象资料存放时间长,气象迹线识别面临迹线记录模糊或迹线晕染等问题。传统的图像分割和迹线提取算法依赖局部或单一的图像特征,无法有效识别复杂背景中的气象迹线信息,特别是变化的、模糊的、晕染的迹线。为了解决上述问题,本文提出了一种基于深度学习模型的气象资料迹线自动识别方法。该方法结合传统算法和U-network (U-net)语义分割网络自动提取不同尺度的光谱和空间特征,实现气象迹线的高精度识别。本文以达因型风自记纸为例,以《地面气象观测规范》为依据,对不同台站、不同年份的3200多张达因风自记纸进行迹线识别验证,风向迹线平均识别正确率达95%,风速迹线平均识别正确率达95.5%。 结果表明该方法能够准确识别迹线,高度还原了气象迹线信息。该方法适用于风、气压、温度、湿度等气象资料迹线自动识别业务化处理,能够大大减少工作量和降低人工成本,为气象预报预测业务和科研工作提供基础数据支撑。     

工程记录曲线的自动提取和数字恢复

工程记录曲线的数字化对实现这些资源的数字存储、利用以及共享和交流具有非常重要的意义.作者采用图像处理和模式识别的理论与技术,提出一种新方法实现坐标纸绘制曲线的自动提取和数字恢复.这种方法包括基于中轴变换的交叉曲线分离的方法,基于空域-频域信息融合的种子复原和二阶导数的间断曲线的提取方法.该方法的优点是速度快,自动化和智能化程度高.     

利用常规测井方法识别划分水淹层

根据测井曲线的水淹特征,分别对砂泥岩剖面和下套管的老井水淹层段进行分析,阐述了自然电位、电阻率、双频介电测井、人工激发极化电位、声波时差、中子伽马、自然伽马、热中子寿命及碳氧比等测井曲线识别划分水淹层的方法、技术及特点,指出提高水淹层测井解释方法实用效果的进一步实验研究工作.     

基于BP神经网络的脱机手写混排字符集的识别方法

脱机手写字符自动识别是计算机光学字符识别(OCR)领域的一个活跃课题,有着十分广泛的应用前景.文中提出了基于BP神经网络的脱机手写中英文和数字混合字符集的识别方法,给出一种特征提取方法,通过实验说明如何选取网络隐含层神经元个数,以及如何选取网络连接权值的初值.对由不同人手写的中英文字符的混合字符集做识别实验,结果表明文中所设计的神经网络分类器,不仅能保证识别精度和识别速度,而且能有效的识别混合字符集.     

基于BP神经网络的皮肤病诊断方法

自动诊断系统是当前人工智能研究中的一个重要课题，有着十分广泛的应用前景。本文提出了基于BP神经网络的皮肤病诊断方法，讨论了网络隐含层神经元数选取问题、网络输入矢量的标准化处理问题以及网络连接权值的初值选取问题。对366名皮肤病患者的数据做了自动诊断识别实验，实验结果表明，文中所设计的神经网络诊断方法比常用的最近邻方法更有效地降低了诊断错误率。     

一种可提高试井模式识别准确度的改进HT-BP方法

在用BP神经网络进行试井问题模式识别的过程中 ,若将现场试井数据简单地以点对的方式送入BP神经网络进行识别 ,则与训练模式无法对应 ;若在用BP神经网络学习和识别曲线之前进行归一化处理 ,则会引起曲线的尺度变化和空间位移。结合试井问题对Hough变换进行了改进 ,提出了与改进Hough变换相应的比例变换和空间压缩方法。用比例变换和空间压缩方法及改进Hough变换法对试井曲线进行预处理后再送入BP神经网络 ,可以大大改善识别能力。实例说明 ,改进Hough变换与BP神经网络相结合的方法 (MHT BP)对试井模式识别的准确性较高。     

基于配线法的BP神经网络求解Theis模型

利用非稳定流抽水试验资料确定含水层水文地质参数的配线法在具体应用中存在较大的随意性,用一种改进的反向传播(BP)神经网络方法来进行承压完整井非稳定地下水运动Theis公式中的水文地质参数识别,在一定程度上解决了现有的BP神经网络方法求解含水层参数中存在训练区间选择、网络拓扑结构复杂、网络泛化性能较低和过度拟合等问题.实例计算结果表明,提出的基于配线法的BP神经网络是求解水文地质参数的一种高效方法,对其他水文地质问题求解具有推广应用价值.