一种基于BP网络的测井曲线自动提取方法

由于测井曲线图纸图像存在大量背景网格与曲线或曲线与曲线交织,致使曲线跟踪中断,需要手工连接,自动曲线提取非常困难.为此,提出一种利用BP神经网络进行曲线自动提取的方法.这种方法先提取曲线段的宽度、走向、分支特征,然后利用BP神经网络识别跟踪曲线交织处的分支,正确预测曲线的下一段.理论分析和实验表明,采用本方法,提高了曲线提取的正确率,抗干扰效果较好,几乎不要手工连接.该方法已经用于实际的石油测井曲线图纸图像的曲线自动提取中.     

适用于光伏多峰功率跟踪的改进型粒子群优化算法

针对在自然环境下光伏阵列上时常发生的局部阴影而引起P-V曲线由单峰转变成多峰状态,从而导致常规最大功率跟踪算法失效的问题,在研究传统粒子群算法的基础上,提出了一种改进型控制算法。该算法采用全局模式和局部模式两种运行手段定位最大峰值点,在对粒子群优化的速度更新方式上,去除了大量的随机变量干扰,使结构优化非常明显。改进后粒子群优化算法能够使功率跟踪避免陷入局部最优,使之找到真正的最大功率点。通过与传统粒子群算法对比仿真及试验,结果表明,在光伏阵列局部遮荫的情况下,改进后的粒子群优化算法可以快速准确地搜索到最大功率点,追踪精度高达95%,并且比传统的粒子群算法在搜索效率上提升28%,较好地避免了陷入局部最优。     

基于混合微粒群算法的网格服务工作流调度

采用微粒群优化的种群搜索方式,融合了局部搜索和全局搜索,引入了模拟退火算法和遗传算法思想,利用模拟退火随机概率来避免陷入局部最优,提出了一种混合微粒群优化算法,以便更好地满足用户期望的服务质量,解决网格服务工作流调度问题.网格仿真试验结果显示:对于具有全局QoS约束条件的Web服务选择,在执行效率上混合微粒群优化算法明显优于其他混合遗传算法,可在较短时间内获得较好的解,是求解多目标网格服务工作流调度问题的有效方法.     

面向空调管路布置的空间向量搜索算法

针对构型要求复杂且经验类规则难以量化的空调压缩机管路布置问题,文章提出一种基于逃逸法的向量搜索管路布置算法。该算法分为预处理和搜索2个过程。在预处理过程中,使用三维网格记录管路布置空间信息,根据管路直径确定网格大小。对于有无构型要求的2种管路,采用不同形状的单元格来划分网格,保证单元格精度满足要求,减少算法运算量。在搜索过程中,有构型要求管路采用竖直向量圆周搜索,无构型要求管路采用竖直水平向量交替搜索,确保走管路径符合空调管路布置规范要求。通过算例分析验证了该算法的有效性,可为突破复杂约束条件下空调器管路自动布管技术提供算法支撑。     

3步光伏最大功率点跟踪算法

光伏阵列的P-U特性曲线在局部阴影的情况下会呈现多个极值点,传统算法容易陷于局部极值,智能算法追踪耗时过多.在研究两类算法的基础上,提出一种基于扰动观察法和粒子群算法的3步最大功率点跟踪(MPPT)算法.该算法采用大步长扰动观察法缩小搜索范围并确定粒子数目;采用改进粒子群算法实现全局搜索寻找最优局部;采用逐步逼近的扰动观察法在最优局部内搜索最大功率点.仿真结果表明:该算法在均匀光照和局部遮阴情况下均能准确迅速地跟踪到最大功率点,相比于粒子群算法,追踪时间缩短35%,以上.     

光伏系统模糊PSO的MPPT控制

在局部阴影条件下,光伏阵列的功率–电压特性曲线呈现多峰状,传统最大功率点跟踪方法出现搜索精度低和收敛速度慢的问题.针对此问题提出一种基于模糊控制的粒子群优化算法,采用模糊控制器对粒子群优化算法的惯性权重ω进行优化,实时调整参数,使光伏阵列在光照强度变化时有较好的动态特性和稳态性能.分别采用常规PSO算法和模糊PSO算法在相同条件下对系统进行仿真,结果表明所提出的算法在局部阴影条件下能快速跟踪外部环境变化,且准确地工作在最大功率点.     

基于局部背景特征点的目标定位和跟踪

针对存在多个与目标相似的区域以及摄像头经常运动的跟踪问题,提出一种基于局部背景特征点的目标定位和跟踪方法。首先,根据相邻匹配的局部背景特征点与目标的位置关系对目标进行定位,然后,以定位得到的预测位置作为搜索起点,结合粒子滤波和均值偏移方法获取目标的候选区域,最后,根据候选区域和预测位置的距离对候选区域的相似度加权,将加权后相似度最高的候选区域作为跟踪结果。研究结果表明:该算法能够避免周围相似物体的干扰并准确跟踪目标,具有较好的鲁棒性和实时性。     

空间板壳结构的有限元网格自动生成

本文对空间板壳结构的有限元网格自动生成进行了研究,讨论了结构整体网格的拼合及可展曲面的网格自动生成等问题,并提出了一个新的二维三角形网格自动生成算法,算法具有精确拟合边界、多连通域处理及局部网格加密等功能.     

基于改进粒子群-蚁群融合算法的网格资源分配方法

为有效解决网格计算中的资源分配和任务调度问题,提出一种改进粒子群-蚁群融合算法.该算法通过改进的离散粒子群算法对信息进行优化调度,产生优选的调度列表,并通过该列表产生改进蚁群算法的初始信息素,有效克服了粒子群算法后期局部搜索能力差和蚁群算法前期盲目搜索的缺陷.理论分析和仿真实验表明本文算法具有较好的性能.     

基于局部稀疏表示的目标跟踪算法

根据局部稀疏表示的特点,文章提出了一种基于局部稀疏表示的目标跟踪算法,该算法利用图像的局部稀疏系数作为训练样本,在贝叶斯分类器的框架下完成跟踪任务。首先,使用字典来提取局部图像块的稀疏系数,作为图像特征;然后通过训练简单的贝叶斯分类器来区分目标与背景;最后使用两步搜索策略对目标进行准确跟踪;此外,该算法还使用了一种能够去除遮挡干扰的鲁棒性更新策略。对比实验结果表明,该算法具有较为稳定的跟踪效果。     

基于人工神经网络的负荷数据预处理

对历史负荷数据进行处理是提高电力系统负荷预测精度首先要解决的问题。脏数据处理的过程就是对于含有脏数据的负荷曲线模式的辨识过程。首先利用自适应共振网络(ART网)对日负荷曲线进行分类,确定出每一类负荷曲线的特征曲线;然后用超圆神经网络(CC网)对特征曲线进行脏数据辨识;最后利用扩展短期负荷预测方法对脏数据进行修正。对某市2002年8月份的数据进行脏数据辨识,结果证明所提出的模型对脏数据的平均检测率为92.11%,效果令人满意。采用该处理过的历史数据对某市2002年8月14日的负荷进行预测,结果表明,利用该方法处理后的数据进行负荷预测提高了负荷预测的精度。     

水泵性能实验的计算机处理

根据最小二乘法曲线拟合理论及利用微机的绘图程序,对水泵实验得到的原始数据进行处理,得到误差最小的曲线拟合方程,并自动绘出水泵的性能曲线。该程序可有效地消除人为因素干扰,使绘出的曲线直观而精确。     

Sedimentary Micro-phase Automatic Recognition Based on BP Neural Network

IntroductionDuringthedevelopmentofprospectingofthegeologyofpetroleum,itisimportanttoforecastthedistributionofgritstone,mastertheregulationofphysicalparameterinthereservesmasslevel.Especially,itismoreimportanttorecognizetorockphaseandsedimentarycircumstance.Thetraditionalmethodisusuallyqualitativeanalysisbyfetchingrockcoreandreceivingdataaboutrockcoreandrockcrumb.Asthedevelopmentofmeasurementtogeologicwell,theplentifuldataaboutgeologicwellhasbecomeatoolasresearchthesedimentaryfeatures.Combined…     

一种新型水驱特征曲线及应用

水驱特征曲线是水驱开发油田固有的特征曲线,对于水驱油田的预测具有重要意义。本文针对甲、乙、丙、丁水驱特征曲线单独使用时预测偏高或偏低的问题,在其基础上,提出了即简单又分别综合了甲型和乙型,丙型和丁型的新型水驱特征曲线,从而扩大了他们的应用范围,提高了预测准确程度。实例计算表明,所建立的新型水驱特征曲线与实践数据拟合相关性更强,结果更可靠。     

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％。     

油水相对渗透率曲线预测模型建立及应用

油水相对渗透率曲线是油藏数值模拟中提高历史拟合精度和准确预测开发指标的关键参数。数值模拟中不同储层物性采用不同的相对渗透率曲线是十分必要的。以目标油田具有代表性的52条非稳态油水相对渗透率曲线为样本,利用交替条件期望方法,建立了束缚水饱和度、残余油饱和度、束缚水下油相渗透率和残余油下水相渗透率等端点值模型,结合油藏归一化平均相对渗透率曲线,形成了油水相对渗透率曲线预测模型。基于所建立的预测模型,可以得到目标油田不同储层物性对应的相对渗透率曲线,并应用于历史拟合过程中。历史拟合结果表明,历史拟合精度尤其是含水率急剧变化段的拟合精度有明显提高。该预测模型可广泛应用于相渗资料丰富的老油田的历史拟合和指标预测过程中,同时也为相对渗透率曲线网格化奠定了基础。     

频率计算中推求统计参数的一种新方法

提出了在洪水频率计算时适线法中最小二乘方的一种新的求解方法。并对其特性进行分析。该方法具有略去了绘制频率曲线的繁杂过程，而且保证了较高的计算精度，可实现计算机自力求解统计参数，计算手段十分方便。     

水平集方法中曲线跟踪算法的改进

水平集算法是一种解决曲线演化问题的有效方法，它能够解决一般方法难以处理的拓扑结构变化问题。在水平集算法中，跟踪曲线经过一步演化后的当前位置是一个很重要的步骤，它直接关系到下一次演化计算的精确程度，以往采用的跟踪算法一般是步进方格（Marching Square）算法，这种算法中存在计算重复问题。本文根据图像中曲线跟踪的特点，改进了步进方格算法，减少了其中的重复计算。实验表明，这种改进的算法具有简单实用的特点。     

电气设备曲线数据库的自动生成

提出了一种利用VBA技术自动生成曲线数据库的新方法 ,使用该数据库可以方便地生成目标曲线的拟合函数 ,用于电气设备设计和优化中 ,使一些曲线数据的查询和保存更为快捷准确     

改进的KNN实时校正方法在山区中小流域的应用

为提高山区中小流域实时洪水预报精度,提出了一种基于历史洪水学习的KNN实时校正方法(KNN-H法),并选择陕北黄土高原地区2个山区中小流域为研究区域,将其与传统KNN法和AR法进行对比,验证该方法的校正效果。结果表明:KNN法和KNN-H法的校正精度总体高于AR法；KNN法和AR法不能有效降低预报结果的峰现时间误差,而KNN-H法校正结果峰现时间误差比校正前有明显降低；KNN-H法通过对历史洪水预报误差的学习,可有效解决KNN法在实时校正中因为预热期资料不足导致的校正精度不高问题；当预报洪水过程处于涨洪或退水阶段时,KNN-H法能够快速定位到历史洪水的相同阶段,分析历史预报误差后迅速对当前预报值做出校正；总体上KNN-H法校正精度高于传统KNN法。