基于可解释机器学习的水平井产能预测方法

准确预测致密气藏分段压裂水平井产能是压裂效果评价和优化设计的关键环节。现有的产能预测方法,引入了过多的假设和简化,很难全面反映致密储层流体多尺度的运移机理和复杂物理过程,导致产能预测误差较大。提出一种基于机器学习的致密气藏分段压裂水平井产能预测方法,该方法综合利用已收集的地质、压裂水平井产能及钻完井等多类型数据,通过机器学习算法直接挖掘数据内部规律,建立产能预测模型。此外,为解决常规机器学习模型的“黑盒子”问题,还利用SHAP(SHapley Additive exPlanations)方法对建立的机器学习模型进行全局和局部解释,分析影响产能的主要因素,增加了模型的可信性和透明度。以苏里格气田苏东示范区为例,验证了该方法的有效性和实用性。与油气藏数值方法相比,该方法不仅提高了产能预测的精度,而且缩短了建模周期,加快了计算速度。     

基于特征量融合和支持向量机的滚动轴承故障诊断

为了提高滚动轴承的故障诊断率,提出了一种经验模态分解(empirical mode decomposition, EMD)结合时域分析后使用主成分分析(principal component analysis, PCA)融合特征量的特征提取方法。首先,通过EMD分解得到前5个本征模态函数(intrinsic mode function, IMF)分量的上、下包络值矩阵的奇异值;然后,对轴承原始信号进行时域分析得到各种时域特征参数;最后对奇异值和时域特征参数使用PCA降维融合后输入到多分类支持向量机(support vector machines, SVM)中进行分类。通过实验仿真验证,融合后的特征量诊断准确率达到了98.6%,该方法能充分地提取出轴承故障特征信息,诊断效果良好。     

多视域下基于机器视觉的索力测试

拉索是缆索承重体系桥梁的关键承力或传力构件,在体系构成中的地位至关重要。为解决现有非接触视觉测量存在的测试视场不足、应用场景复杂多变,致使其测试精度与视域范围相互矛盾无法协调统一的技术难题,提出了多视域下基于机器视觉的索力测试新方法。以全息视觉传感器系统获取斜拉索全视域-多视域下的空间几何构型数据,建立了像素映射及图像增强算法计算模型;通过数字空间基准平面的信息转化,对复杂测试场景下视觉传感器光轴射线与被测物体所在承影面非正交情况进行测试参数修正。为避免实测拉索全息性态特征因偏离标准悬链线所导致的索力测量误差,以单一视域下的几何构型拟合降噪后的全息曲线并精确定拉索上下锚固点坐标,进而可由拉索全息性态特征参数精确测算斜拉索索力。试验结果表明：所提方法可在复杂测试场景下量化分析拉索索力计算参数,相较于常规索力测试方法,最大相对误差为9.2%,均方根误差为2.79%,满足工程实践测试精度及稳定性要求,为复杂测试场景下斜拉桥索力监测提供了一种新途径。     

Model evolvement and reuse technology of injection molding machine based on performance knowledge

To illuminate the necessity of model evolvement and reuse, dynamics of injection molding machine＇s product models are analyzed. The performance knowledge is used to support the model evolvement and reuse. The driven factors of mechanical product model are concluded. The dynamic characteristics of reuse. Finally, HT1800X1N series injection molding machines are taken as examples to illuminate that the arithmetic is correct and practical.     

RM-structure alignment based statistical machine translation model

A novel model based on structure alignments is proposed for statistical machine translation in this paper. Meta-structure and sequence of meta-structure for a parse tree are defined. During the translation process, a parse tree is decomposed to deal with the structure divergence and the alignments can be constructed at different levels of recombination of meta-structure （RM）. This method can perform the structure mapping across the sub-tree structure between languages. As a result, we get not only the translation for the target language, but sequence of meta-stmctu .re of its parse tree at the same time. Experiments show that the model in the framework of log-linear model has better generative ability and significantly outperforms Pharaoh, a phrase-based system.     

机械波中能流的成因

分析了机械波中弹性媒质的形变,运用功能关系对机械波中能流的成因给出直观的解释.     

基于后验概率的住房信贷评估SVM模型

针对标准SVM模型在信贷评估中单纯将客户划分为违约或者未违约的不足,提出了利用基于后验概率的SVM用于住房信贷评估的方法.利用商业银行的住房信贷数据进行的实证研究表明,基于后验概率的SVM模型通过将标准SVM的决策值转化为后验概率输出,能够对住房信贷客户的违约概率进行估计,对于商业银行根据客户的违约概率制定相应的信贷政策以及设计相应的住房信贷产品更具有实践意义.     

基于虚拟机的数据中心能耗测量

提出一种基于计算密集型与I/O密集型建立虚拟机动态能耗的数学模型方法.结合了设备运行状态参数,在模型功耗处于计算密集型时引入了虚拟机的CPU使用率与CPU频率,处于I/O密集型时引入了虚拟机的硬盘读写总字节数与内存读写总字节数计算功耗,并对功耗进行积分得出数据中心能耗.与常规方法相比该方法进一步细化了测量粒度,且在使用Wordcount运行任务与Sort运行任务进行节点能耗测试时,得出能耗的平均误差为0.062 5.实验结果在粒度细化的同时保证了常规方法的同级别测量精度.     

RV摆线轮专用镗床几何误差分析

针对普通摆线轮镗孔设备存在效率低、精度低等问题,提出了一种摆线轮坐标孔专用镗床,并确定了专用镗床的整体结构。为提高专用镗床的加工精度,需要明确各几何误差元素对专机加工精度的影响程度,并重点控制影响程度较大的几何误差元素。首先分析了专用镗床的几何误差元素,基于多体系统理论和齐次坐标变换建立了专用镗床的几何误差模型,对比分析了模型计算结果与三角关系法计算结果,验证了误差模型的正确性;利用灵敏度分析法建立了各个几何误差元素的灵敏度方程,通过归一化处理确定了各个几何误差元素的灵敏度系数,得到了对专机加工精度影响最大的几何误差元素,并基于灵敏度分析结果,对专机关键部件进行选型。     

能源需求的支持向量机预测

对灰色、神经网络和支持向量机的三个预测模型进行了研究,以某城市的1999-2006年能源需求为例,对能源需求进行了预测.经过比较,支持向量机的预测方法精度较高.