梨树断陷页岩气水平井钻井关键技术

为解决部署在梨树断陷的首口页岩气水平井梨页1HF井存在的井壁失稳风险高、机械钻速低、固井施工难度大、井眼轨迹控制难度大等技术难题。在梨页1HF井施工过程中,通过综合应用油基钻井液、旋转导向地质导向、双凝双密度水泥浆等技术,并进行了钻头优选和钻具组合优化。施工结果表明井眼稳定,井眼轨迹平滑,水平段共完成进尺1 020 m,储层钻遇率92.7%,固井质量优秀。该井实现了安全、高效钻进,实际钻井周期22.56 d,较设计钻井周期缩短了14.94 d,平均机械钻速7.98 m/h,较设计提高了82.19%。该井良好的施工效果,可见对后续梨树断陷页岩气水平井施工具有积极的指导和借鉴作用。     

拟Hermite曲线/曲面及其应用

在代数三角函数空间中构造了一种代数三角基函数,具有类似于Herm ite基函数的性质,称其为拟Herm ite基函数。利用此基函数定义拟Herm ite曲线,结合Bézier曲线的思想,给出了拟Herm ite曲线的另一种定义及张量积拟Herm ite曲面的定义。实验表明,拟Herm ite曲线可以精确表示直线段、正弦线、余弦线、椭圆弧(圆弧)及摆线,Herm ite曲面可以精确表示椭球面(球面)、圆锥面及圆环面等二次曲面。     

基于非负矩阵分解与邻接谱的图像分类

提出了一种非负矩阵分解（non-negative matrix factorization,NMF）和邻接谱相结合的图像分类方法．该方法首先利用图像中的特征点构造邻接矩阵,然后使用邻接谱作为非负矩阵分解迭代规则的初始值,并将经过非负矩阵分解得到的基向量作为图像的分类样本,最后采用概率神经网络（probabilistic neural network,PNN）分类器对图像进行分类．模拟实验和真实实验的比较表明,该方法是可行和有效的,并且进一步提高了图像分类的准确率和稳定性．     

一种反映词语相关度语义库的构建方法

为了反映词语间的语义相关程度.提出了一种基于向量空间模型的构建语义库的新方法.在构建语义库时,对大量语料文本进行迭代式学习,在学习过程中引入淘汰算法,并综合考虑了诸如共同出现次数、平均出现距离、信息熵以及单字语义信息等多种对词语间语义关系产生影响的因素.实验证明,用该方法得到的相关语义库能够较好地反映现实世界中词语之间的相关程度.     

广西暴雨致洪灾害的非线性预测模型研究

选取自1994—2012年来广西共87个暴雨致洪灾害过程,以暴雨时间长度、暴雨过程降水极值、暴雨过程降水均值三个指标作为致灾源因子,以暴雨洪涝造成的直接经济损失作为主要灾情因子,通过对数变换获得更加光滑的灾情因子序列.利用统计学理论建立支持向量回归模型,采用网格搜索法进行SVM的参数寻优,利用选取的致灾源因子对灾情序列进行回归预测.结果表明,基于支持向量机的回归预测模型,其拟合优度、拟合效果均优于传统的逐步回归.该研究为探讨暴雨致灾源因子与灾情因子的非线性关系提供了一条新的途径.     

基于黑洞算法的LSSVM的参数优化

采用黑洞(BH)算法对最小二乘支持向量机(LSSVM)的惩罚系数C及径向基核函数参数σ进行搜索优化,提高LSSVM的预测性能.黑洞算法模拟自然界黑洞,吸引一定范围内的星体向其运行并吸收它们;算法在运行过程中,始终保持黑洞为最优解,通过星体的运行搜索整个空间.通过基于黑洞算法的LSSVM和基于粒子群(PSO)算法的LSSVM实现对二维函数的预测,并对二者进行了仿真研究.仿真结果证实,黑洞算法可以更好地实现LSSVM参数的优化搜索,且基于黑洞算法的LSSVM方法具有更高的预测精度.     

圆模式的Andreev-Thurston定理的能量函数方法证明*

对于一个给定边界标号的加权三角剖分 $(T,\Theta)\ (\Theta\in[0,\frac{\pi}{2}])$, 通过构造$(T,\Theta)$的内部顶点上的能量函数, 推出对应于内部顶点的标号向量是由它的锥向量唯一决定的. 导出一个向量是锥向量当且仅当它 满足锥向量不等式. 通过证明所要求的圆模式决定的相关$(T,\Theta)$所有内部顶点的角总和向量满足锥向量不等式, 得到在复平面上实现该加权三角剖分$(T,\Theta)$的平面 单叶圆模式和有分枝圆模式的存在性和唯一性. 这为圆模式的 存在唯一性定理提供了一种新的证明方法.     

基于最小二乘支持向量机对偶优化问题的核偏最小二乘

提出了一种基于对偶优化的核最小二乘(KPLS)方法,把KPLS用最小二乘支持向量机的形式表示.推导了KPLS对偶优化形式的公式,且使其具有最小二乘支持向量机的风格.在初始空间中构造优化问题,应用核技术在特征空间中解对偶问题,这种解与非线性的KPLS具有相似性.实验验证了这种方法的效果,表明了该方法的有效性和优越性.     

基于nested-loop的大数据集快速离群点检测算法

针对已有的多数离群点检测算法存在扩展性差,不能有效应用于大数据集的问题,在已有的基于距离的离群点检测算法的基础上,设计模信息表存储结构,利用向量内积不等式关系以及合理的存储分配和调度策略,提出一种高效离群点检测算法DBoda.该算法通过在预处理中存储每个点的模信息,减少点间距离的计算量,并对嵌套循环方法进行优化,进一步减少I/O的开销.理论分析和试验结果表明,所提算法具有时间消耗小和适用于处理大数据集的特点,可以有效地解决离群点检测中的算法时间复杂性和算法扩展性问题.     

回归函数的小波支持向量机鲁棒估计法

小波网络具有小波的多尺度特性和神经网络的自学习功能,在回归估计中得到广泛的应用,但其性能受到样本中粗差的严重影响.虽然以M-估计作为目标函数可以解决这个问题,但由于其对应的影响函数由残差绝对值决定,因此如何选择初始参数值成为一个关键问题.为此,提出回归函数的小波支持向量机鲁棒估计方法(小波支持向量回归,WSVR,Wavelet Support Vector Regression).该方法中首先提出并证明了一种新的小波支持向量机(WSVM,Wavelet Support Vector Machine),用于确定初始参数值方法,这种方法能够确定合理的网络结构和合适的初始参数值,保证含有粗差的样本点的残差绝对值较大;然后使用一种构造的M-估计作为目标函数,并提出了自适应确定阈值方法.仿真结果表明,使用这种方法得到的回归模型不仅具有良好的多尺度逼近特性,而且有较好的鲁棒性和较高的推广性能,具有较高的理论和应用价值.