地震剖面分割的模式识别方法

在初步了解，地质解释人员人工解释的方法，经验和前人所做的计算机解释系统的基础上，以地震地层学的理论知识为背景，利用模式识别和图象分析，提出了在计算机上对迭后地震剖面进行自动分割的一种新方案。     

随钻地震的钻头震源研究

对随钻地震技术中的钻头震源进行了理论研究,重点分析了钻头冲击井底岩石产生的张性波和体波．纵波主要沿着井轴传播;横波主要沿着垂直于井轴的平面传播．现场考察了各种波（包括次生波）在随钻地震剖面上的特征．这些由钻头产生的波具有不同的延迟时间,它是井口偏移距和钻头深度的函数,建立了时距曲线方程．研究这些波的类型可为随钻地震技术的野外井场施工提供一定的依据,对钻头产生波场解释是很有必要的．     

由地震记录辅助推断沉积相──模式识别在地震勘探中应用的探讨

本文概述了国外在模式识别用于地震勘探方面的进展，提出了一种由地震道分类以别沉积相的方法，在此基础上着重讨论了地震道的分类识别问题，其中包括数据获取，特征抽取以及分类方法，文中并给出了相应的实验结果。     

基于多点扩散的地震层位全局追踪方法

为同时追踪所有地震层位并处理层间关系,使层位在整体上贴合地震数据,提出了基于走向长线段扩散连接的层位全局自动追踪方法。按照不同剖面方向跨多个地震道追踪趋势形成局部层位走向,结合已有层位调整后,将局部层位走向连接形成层位,达到局部区域走向的贴合。从多个位置起始将走向线段扩散连接,并通过平滑处理深度分歧和层间关系,形成全局层位。进一步基于地震数据相似性随机调整走向线段以整体上贴合地震数据。结果表明：所提方法识别层位趋势更为准确,减少了误差累积和深度分歧的影响,整体调整后更贴近真实地震数据走向,为地震解释初始全局层位的建立提供了技术支持。     

基于同相轴优化追踪的多次波匹配衰减方法

提出基于同相轴优化追踪的多次波匹配衰减方法,首先利用SRME预测得到的多次波记录生成多次波速度谱,然后应用同相轴追踪技术提取多次波同相轴旅行时信息,再通过同相轴优化追踪实现对多次波预测误差的校正,最后应用短时窗的FK滤波对多次波予以压制。该方法仅根据多次波同相轴旅行时信息进行匹配衰减,降低对多次波预测精度的要求,并且能够显著提高多次波压制的精度。理论模型实验与野外资料处理实验结果均表明,该方法的多次波剔除效果明显优于常规的多道维纳滤波方法与抛物线拉冬域蒙版滤波法。     

地震剖面层状构造的特征抽取和描述方法

文本探讨了描述地震剖面层状连续构造的一种特征抽取方法。其特点是利用横向构造连续性的限制条件同时对多道等价强反射系数进行估计。为了消除噪声的影响，在进行计算时，选择某些集团重心位置作为迭代过程中的等价强反射层位置。在人工合成数据上的实验结果说明了方法的有效性。最后讨论了用多道等价强反射系数作为特征来描述地震剖面层状构造的方法。     

基于神经网络的地震剖面反褶积新方法

地震剖面的反褶积经常是地震勘探资料处理阶段的一个重要步骤，它是公认的提高剖面分辨率的有效方法．常规的反褶积方法已经很多，但如何在提高剖面分辨率的同时又有效地抑制噪声，提高剖面的信噪比，始终是困扰人们的问题．针对这一问题，提出了一种基于反馈神经网络及其衍生物（ＴＨ网络）的地震剖面反褶积方法．实验结果表明，本方法效果明显，尤其在地震剖面中存在一些相隔较远的反射层时有很好的效果，充分显示了神经网络方法处理地震剖面反褶积问题的有效性．     

一种局域连接前向人工神经网络结构的研究

双隐层标准前馈（ＢＰ）网络只要其隐层节点数足够多就能解决任何形式的分类问题．应用标准（ＢＰ）网络识别多模式类分类问题时存在以下缺陷：（１）对不同模式类均使用相同数目的隐层元；（２）增加新模式类后，网络要重新学习；（３）网络识别的机理研究困难．笔者提出了一种局域连接前馈神经网络（ＬＣＮＮ）结构，其隐层神经元与输出神经元之间为局域连接，学习算法与ＢＰ算法类似．ＬＣＮＮ具有以下特点：（１）便于自构网络结构，提高网络的推广能力；（２）便于提取各模式类的不变特性；（３）具有较强的记忆能力，便于实现追加学习．以五种海底沉积层介质类型的分类识别为例，分别利用标准前馈（ＢＰ）网络与ＬＣＮＮ网络进行分类识别，结果表明：ＬＣＮＮ便于自构网络结构，具有追加学习的能力．     

基于ART神经网络的地震剖面反褶积新方法

提出一种基于ＡＲＴ神经网络（及其改型）从地震剖面中识别子波的新方法．发挥神经网络在模式识别和优化计算两方面的优势，先以无教师学习算法从剖面中识别出子波，再通过ＴＨ神经网络作反褶积．实验结果表明，本文提出的方法有明显的效果，特别在地震剖面中存在一些相隔较远的反射层时有很好的效果．     

基于层控蚁群层位自动追踪的Wheeler转换方法及其应用

对地震数据进行预处理,增强同相轴的连续性,然后引入支持向量机技术对地震剖面上的点进行分类处理,同时以地震振幅、瞬时相位、层位倾角、信息素浓度等信息作为蚁群层位追踪的评价函数,提出改进蚁群搜索的地震层位对比和自动追踪算法。在此基础上,将时深域沉积旋回韵律体对比追踪结果转换到Wheeler域,实现时间域和Wheeler域的同步解释,从而有效揭示沉积组合的空间关系,突出缺失和叠加模式,使在年代地层域中提取时间切片成为可能,对沉积、侵蚀和沉积时间有更深刻的理解。实际地震资料的应用结果验证了方法的有效性。     

机敏结构和材料及其在石油工业中的应用探讨

简要介绍了机敏结构和材料的概念及其在国内外的研究动态；从复合材料、机敏结构和材料及其基础技术在石油工业中的应用实例及潜力等方面探讨了机敏结构和材料在这一工业领域中应用的广阔前景，以期为我国石油工业部门研究和应用起到抛砖引玉的作用．     

基于神经网络自动测量服装接缝皱褶学习方法

以服装表面皱褶客观评价的自动化为目标,针对服装表面皱褶客观评价中客观参数绝对值受影响而无法标定的难题,提出了一种基于神经网络的服装接缝皱褶在线检测及评价的方法。应用激光扫描的方法获得服装表面信号,提取了3个皱褶特征信号:皱褶幅值、皱褶的不等曲率以及皱褶的总频谱能量。依据这3个与主观等级线性较好的特征信号,应用神经网络,采用自动学习的方法,建立了主观等级与客观参数间的模型,从而使服装接缝皱褶等级的在线客观评价成为可能。     

自适应软件应用平台模型的研究

传统的软件应用平台一般是以静态、确定的方法支持应用软件的开发,它缺乏由应用环境反馈的信息来提高和改善其系统性能的能力．为克服传统软件应用平台的缺陷,在传统的软件应用平台中引入相应的感知与学习机制,形成一个智能化的自适应软件应用平台模型ＡＳＡＰ,使得应用平台在建立应用系统的方法、控制模式和平台的学习方法上有较高的自适应性。该模型可通过利用由应用环境和开发人员反馈的信息来自我改善和调整其性能,并可通过与应用环境的交互学习获取应用软件开发的知识,从而提高和改善应用平台支持应用软件开发的能力．     

CCD暗电流自动抑制的一种方法

分析了背照式CCD的暗电流组成成份及其温度特性,以及暗电流对CCD随机噪声、固定图案噪声(fixed pattern noise,FPN)等性能的影响。提出了根据暗像元信号大小实时自动调整CCD驱动电路的偏压和时序以抑制和稳定暗电流的方法。实验结果表明,该方法在53℃时使暗电流和FPN降低了一个数量级,噪声减小了近50%;在25~53℃的温度范围内维持暗电流变化不超过400e-,CCD噪声变化不超过5e-,FPN的变化不超过150e-,在较高温度下CCD的图像质量得到明显改善。     

模式识别在测井相分析中的应用

在测井相分析过程中,提取了与岩相有关的测井响应特征,进行了模糊聚类分析,形成其测井相模式。该模式通过岩－电关系库,应用模式识别技术,实现向岩相的转化,形成岩性的系统剖面。     

Vague集相似度量及其在模式识别中的应用

Vague集自提出以来,由于它在各个领域中的广泛应用而引起众多学者的注意,而相似度量是其中的关键技术．目前虽有多种相似度量的方法被提出,但还没有一个相应的相似度量约束条件标准．在Li(2003)的相关工作之上提出一种改进的Vague集相似度量公理化定义,指出一个相似度量必须满足的约束条件．然后引入两种新Vague集相似度量方法,并证明它们满足这些公理化条件,最后给出一个它们在模式识别的应用实例．     

模式识别技术在扬声器故障诊断中的应用

针对目前扬声器检测普遍采用人耳监听的现状，提出一种基于模式识别技术进行扬声器故障检测的方法．首先，对87个类型已知的各类扬声器进行数据采集和数据处理，并计算不同类型扬声器的类标准频谱图；然后，测试其他已知类型的扬声器，进行数据处理，计算其频谱与类标准频谱图之间的欧氏距离、相似度和二维相关系数三种指标，并根据其对扬声器进行识别．试验结果表明，利用频谱图及多指标的模式识别技术能够提高故障诊断精度．     

模式识别理论和技术在语音识别研究中的应用

语音识别是让机器听懂人的说话,并准确地识别出语音的内容和执行相应操作的技术．该文介绍了语音识别发展的过程,语音识别系统的结构和识别过程,模式识别理论和技术在语音识别研究中的应用以及语音识别中的关键技术和面临的问题．最后讨论了语音识别技术存在的优点和不足,并展望了其应用研究的前景．