基于机器学习的油气水层随钻识别模型优选

为了解决基于测井数据对油气水层的实时识别这一技术难题,利用计算机科学与现代数学,结合随钻测井技术与机器学习算法进行油气水层的随钻识别。首先,对训练集数据进行相关性分析,剔除弱相关或冗余数据;其次,选择一对多支持向量机、一对一支持向量机以及随机森林算法分别建立油气水层分类识别模型,并使用网格搜索方法及10折交叉验证法对3种分类识别模型参数进行优选;最后,运用参数优选后的各分类识别模型,对随钻测井数据进行油气水层的识别。研究结果表明,3种分类识别模型对研究区块油气水层随钻识别的准确率均达到75%以上。在训练样本较少的情况下,优先选用一对一支持向量机分类识别模型进行油气水层的随钻识别。     

立体视差调整的快速估计方法

立体图像的视差调整多用于会聚调节和视差校正．为准确地计算出立体图像视差调整量的取值范围,建立了立体视差调整的快速估计方法．算法首先将人类立体视觉的Panum融合区应用于立体显示空间,给出计算立体显示屏幕Panum融合区的方法,然后推导出立体显示屏幕Panum融合区对视差调整量的限定,最后通过对立体图像深度线索的稀疏匹配快速估计出Panum融合区限定下视差调整量的适用范围．经实验验证．本方法可以快速、准确地得到视差调整量的适用范围,最大限度地避免立体图像中出现双眼复视的情况．     

结构振动分级控制法

为有效处理结构参数和激励荷载不确定等因素的影响,基于相平面分析,提出了一种分级控制法. 将相平面划分成若干局部网格区域,使与被控质点运动状态对应的任一轨迹点映射到某一局部网格区域. 根据对应的网格区域可判定质点的运动趋势,然后设计出相应的控制力. 通过算例研究了一个底层设有主动拉索系统(ATS)的三层剪切型结构的地震反应控制问题,验证了建议控制律的有效性. 数值结果显示,与无控状况相比,建议算法可以显著减少结构的地震反应,同时其控制性能也要略优于线性二次型定常状态调节器(LQR)控制.     

求解多目标数值优化问题的量子演化算法

为提高多目标数值优化问题解的收敛速度并保持解的多样性,基于多目标优化和量子计算原理,提出了一种量子演化算法.首先,根据多目标优化特点,使用多目标密度比较算子对量子种群进行排序和筛选;然后,应用非均匀变异算子对观测种群进行变异以保持解的收敛性并提高局部搜索的能力;最后,使用多样性保持算子对观测种群进行删减以保持解的多样性. 实验结果表明,与NSGA-II算法相比,文中算法具有更高的收敛速度和更好的种群多样性.     

基于改进型BP算法的外债风险指标预测

利用人工神经网络进行时间序列预测是一种较新的方法,它具有不需建立复杂的数学模型以及非线性映射能力强等优点。采用动量法和学习率自适应调整的改进型BP算法对外债风险的各项指标进行了非线性时间序列的预测。仿真结果表明神经网络模型对外债风险的各项指标预测的结果是准确可靠的。     

基于连续谱特征提取的被动声纳目标识别技术

目标噪声特征提取和目标分类器设计是被动声纳目标识别系统的关键技术 .针对被动声纳目标识别 ,提出了一种新的连续谱特征提取方法 .此外 ,为了训练神经网络目标分类器 ,将遗传算法和 BP算法相结合 ,提出了一种新的自适应遗传 BP算法 .最后 ,对海上实录的三类目标噪声进行了分类识别 .实验结果表明 ,设计的被动声纳目标识别系统具有很好的分类效果     

一种基于小波变换的矢量量化算法

提出了一种基于波变换的矢量量化逄法，算法利用小波变换后各子带间的相关性，合理地构造矢量。采用最优矢量量化器设计原则，给出了小波域的误差竞争学习算法（DCL）。实验表明，这种算法获得的码本优于其它几种算法。     

多阶段均值-绝对偏差投资组合优化研究

建立了具有交易成本和交易量限制的多阶段均值-绝对偏差投资组合模型,并利用离散近似迭代法对其进行求解.离散近似迭代法的基本思路是:将连续型状态变量离散化,根据网络图的构造方法将组合模型转化为多阶段赋权有向图;运用极大代数求出起点至终点的最长路程,获得模型的一个可行解;以可行解为基础,继续迭代直至前后两个可行解非常接近.证明了离散近似迭代法的收敛性、复杂性和线性收敛,并通过实证验证了其算法的有效性.     

TRP激光陀螺温度控制系统的参数辨识

针对全反射棱镜式激光陀螺腔长控制系统的特殊性及其模型参数辨识的必要性，给出TRP激光陀螺温度控制系统的数学模型，并基于最小二乘法从理论上分析推导出3种新型参数辨识法：直接辨识算法、辅助变量法和递推算法。指出3种参数辨识法各自的优缺点及适用场合，并用具体实例证明了该辨识算法的正确性和实用性。     

蚁群算法在WTA中的应用与研究

WTA问题是现代战争中指挥决策最为关键的一个问题,传统的算法无法解决目标数目较多的WTA问题,必须对算法进行改进、优化,甚至提出新的算法以求解WTA问题,随着科学技术的进步,蚁群算法的出现为WTA问题的求解带来了崭新的手段以及解题思路,在WTA问题的研究领域获得了广泛的应用。