用多元时序分析法预测油水井动态

采用多元时间序列分析的方法,对油水井动态特性进行了分析,建立了油进含水率的多因素预测模型。利用该模型可在已知水井注水量的情况下对相应油井的含水率进行预测。通过对传递函数模型的识别,分析了油水井的地下连通关系及注水对油井含水率的影响。油田应用实例验证了该方法油田开发动态预测方面的可行性。     

川东地区石炭系分布预测

文章利用地震地层学的方法,采用模型正演手段,分析了川东地区大量常规地震剖面上Ⅶ反射层波型变化与石炭系及其邻层组合的地质、地球物理性质变化的关系,建立了不同地质条件下石炭系变化识别的正演模型,提出了利用常规地震剖面预测地腹石炭系薄层分布的定性与定量方法,预测了川东地区石炭系分布。     

基于改进广义回归神经网络的雷达故障预测

针对目前雷达故障预测存在的问题,提出了一种基于遗传算法(GA)的广义回归神经网络(GRNN)模型.该模型以前10个时刻的雷达状态为输入,以下一时刻状态及其变化速度为输出;利用遗传算法对网络平滑因子以及网络结构进行优化,以均方差(MSE)最小构造适应度函数.仿真结果表明,所提出的GRNN模型预测值与计算值的偏差系数2.62%,期望偏差率2.07%.     

油藏数值模拟在剩余油预测中的不确定性分析

油藏数值模拟作为一种定量的剩余油饱和度预测方法 ,在油田开发后期剩余油分布研究中起着越来越重要的作用 ,但其预测精度也不可避免地受到多种因素的影响。对剩余油预测中油藏数值模拟精度的影响因素进行了分析 ,结果表明 ,地层对比的多解性、储层物性参数求取的不确定性以及储层非均质描述的局限性是影响数值模拟精度的主要地质因素。此外 ,相对渗透率曲线的选取、动态数据的获取及数值模拟软件本身都存在较大的不确定性 ,这些都会影响到油藏数值模拟的精度。因此 ,在剩余油研究过程中 ,不能过分依赖油藏数值模拟。应该综合运用地质、地震、测井、油藏工程、油藏数值模拟等多学科知识进行研究 ,以提高剩余油饱和度的预测精度。     

混沌时间序列的LSSVM预测方法

结合相空间重构理论,提出运用最小二乘支持向量机(LSSVM)建立混沌时间序列的预测模型,并用粒子群优化(PSO)解决LSSVM参数寻优的问题.通过与RBF神经网络构建的预测模型相比较,计算预测模型的均方根误差来评价模型的性能.结果表明:采用PSO优化的LSSVM预测模型的预测精度更高.     

基于幅相分离立体匹配的小波立体图像压缩

针对立体图像压缩中视差估计问题，提出了幅度和相位分离的立体匹配方法。在压缩过程中，采用CONCOD立体图像编解码器结构，分别对左右图像进行小波多分辨率分解，并用幅相分离的立体匹配方法对左右图进行视差估计。根据各种补偿残差的大小，自适应调整预测块的大小和编码方案－－帧间视差补偿、帧内预测补偿和帧内自编码。仿真实验证明了该算法在保持较高立体图像质量的同时可获得较高压缩比。     

基于支持向量机的机械设备状态趋势预测研究

提出了用支持向量机对机械设备状态趋势进行预测的新方法,构造了相应的支持向量回归机,并分别用仿真数据和实际数据对其性能进行了验证．将该支持向量回归机应用于某机组振动信号的预测,采用径向基核函数和合适的参数,使该向量回归机对振动量峰峰值的单步预测误差小于2％,24步预测误差小于5％,表明该算法对机械设备的运行状态趋势具有较好的预测能力．     

基于GM（1．1）模型的尾矿坝变形趋势预测

尾矿坝变形趋势预测是矿山尾矿库安全技术管理的重要内容．为了实现对尾矿坝变形趋势的预测,在深入分析尾矿坝变形机理并充分认识尾矿库工程系统及坝体变形数据特性的基础上,采用灰色GM（1．1）模型对尾矿坝的变形进行预测,并结合某金矿尾矿坝变形监测实际数据进行预测．结果表明,模型精度满足要求,灰色GM（1．1）模型用于尾矿坝变形趋势预测具有很好的适用性．     

用人工神经网络模型预测高填方地基工后沉降

以人工神经网络模型(多层BP模型)为研究手段,对九寨黄龙机场元山子沟104 m的高填方地基工后沉降变形特性进行深入研究.认为高填方地基工后沉降包括填筑过程中产生的部分瞬时沉降、加载结束后的主固结和次固结三部分,瞬时沉降速率最高可达20 cm/month,发展时间约为15～40天;主固结速率为0.3～3 cm/month,发展时间为8～14个月;次固结速率小于0.3 cm/month,发展时间为3～5年.且高填方地基最终沉降量为42～44 cm,竣工后半年(2003年4月)工后沉降量完成40%～50%,一年后(2004年4月)可完成70%～80%,两年后(2005年4月)可完成90%～95%.