基于动量自适应学习率PSO-BP神经网络的钻速预测模型研究

机械钻速(rate of penetration, ROP)是钻井作业优化和减少成本的关键因素,钻井时有效地预测ROP是提升钻进效率的关键。由于井下钻进时复杂多变的情况和地层的非均质性,通过传统的ROP方程和回归分析方法来预测钻速受到了一定的限制。为了实现对钻速的高精度预测,对现有BP (back propagation)神经网络进行优化,提出了一种新的神经网络模型,即动态自适应学习率的粒子群优化BP神经网络,利用录井数据建立目标井预测模型来对钻速进行预测。在训练过程中对BP神经网络进行优化,利用启发式算法,即附加动量法和自适应学习率,将两种方法结合起来形成动态自适应学习率的BP改进算法,提高了BP神经网络的训练速度和拟合精度,获得了更好的泛化性能。将BP神经网络与遗传优化算法(genetic algorithm, GA)和粒子群优化算法(particle swarm optimization, PSO)结合,得到优化后的动态自适应学习率BP神经网络。研究利用XX8-1-2井的录井数据进行实验,对比BP神经网络、PSO-BP神经网络、GA-BP神经网络3种不同的改进后神经网络的预测结果...     

基于遗传算法优化随机森林模型的机械钻速分类预测方法

为准确预测东部某油田机械钻速,在针对该油田某井机械钻速影响因素分析的基础上,根据现场经验对不同直径PDC钻头的机械钻速进行分级,运用随机森林算法、K近邻算法、支持向量机算法建立机械钻速分类预测模型,并运用遗传算法优化模型参数,得到了满足施工设计及现场作业需要的机械钻速分类预测方法。结果表明,运用遗传算法优化后的随机森林模型预测机械钻速分类准确率为82.1%,明显高于K近邻算法和支持向量机算法,该方法可指导该区块钻井施工参数优化,以提高钻井施工效益。     

驾驶员模型参数与PIO易感性关系研究

分析了驾驶员模型参数对人-机闭环系统特性的影响。用时域Neal-Smith(Time Domain Neal-Smith,TDNS)准则评估PIO易感性,分析驾驶员模型参数的改变对PIO易感性的影响。TDNS准则使用了序列二次规划(Sequential Quadratic Program-ming,SQP)算法确定驾驶员模型参数。以某型机为算例,采用TDNS准则,对其PIO易感性进行评估,并分析驾驶员模型参数对PIO易感性的影响。结果表明,驾驶员模型参数对PIO易感性影响很大,在评估过程中需要合理选择参数。     

成本约束下影响力最大化问题研究

企业希望在社交网络信息传播过程中影响到更多的用户,以便其在有限成本约束下达到营销目标。依据此背景,定义了一个新的社交网络影响力最大化问题:成本约束下的影响力最大化问题,即在有限成本条件下选择一个初始节点集传播信息使得最终状态下全网被影响到的范围最大化。基于网络中用户的网络拓扑结构和用户交互信息衡量用户激活成本,并在独立级联模型下使用遗传算法求解上述问题,最后通过不同数据集上的实验验证遗传算法在最终影响范围和运行时间上都获得较好的效果。     

基于非泊松分布的不可修备件优化配置模型

 针对已有备件配置模型的局限性,研究需求服从非泊松分布的不可修备件优化配置模型.通过分析两级库存系统不可修备件的保障特点,将需求服从泊松分布的假设放宽,建立需求服从非泊松分布的不可修备件满足率通用模型,在此基础上构建以备件配置费用最小为优化目标,以系统备件配置满足率为约束条件的两级库存系统不可修备件配置优化模型,并通过遗传算法给出最优配置方案.结合案例的优化及验证结果显示,该优化配置模型适用于正态分布等需求服从非泊松过程的备件配置问题,其配置方案在保证系统备件配置总费用最低的前提下,使备件满足率达到95.02%,与Opus 10 软件的计算结果一致,表明优化配置模型的可行性和可靠性.     

基于叶绿体DNA单倍型的银杏遗传多样性格局研究

对中国7个潜在野生银杏（GinkgobilabaL．）种群的叶绿体DNAmatK基因区进行测序,得到总长度为1588bp的碱基序列,共出现3个多态位点,物种水平的核苷酸多态性很低（0．136％）;3种单倍型（HI,HII,HIII）,出现频率分别为92％、2％、6％．总体遗传多样性格局为：祖先单倍型H1分布范围广泛;而另外两种单倍型分别局限在天目山种群和金佛山种群．金佛山种群有一半以上个体为同一特有单倍型,揭示了该银杏群体在遗传资源方面应该优先保护,同时也为该地区是银杏冰期避难所之一提供了有力证据．     

基于航班离场成本的离场航空器滑行策略优化

针对大型枢纽机场日益严重的场面拥堵及由此导致的航班延误问题,推出率控制策略可利用机位等待代替滑行道及跑道口等待,控制场面离场航班的滑行数量,缓解场面拥挤.基于推出率控制策略同时结合场面滑行路径优化,提出了基于航班离场成本的离场航空器滑行策略.首先,构建了基于推出率控制策略的航班离场成本计算模型;然后,提出离场航空器滑行策略优化方法;最后,以航班离场成本最小为目标,采用遗传算法开展算例仿真,并选取三种策略进行对比分析.结果表明:基于航班离场成本的滑行策略不仅能减少离场航班的总滑行时间,提高场面运行效率,还能减少燃油消耗和气体排放量,具有一定的环保性.     

基于遗传优化获取微阵列最佳分类规则

基于遗传编程(GP)提出一种最优规则遗传算法(BRGA)对分类规则进行优化的方法,获取最佳分类规则集,此算法可以调整分类器模型的相关参数,在适当增加迭代基础上大幅提高分类的精确度,具有相当的灵活性和可理解性.利用6个基因数据集检验了算法的性能.仿真结果表明,本文提出的算法与其他文献的方法相比,在具有较高分类精确度和稳定性前提下大幅降低了计算复杂度及冗余.     

Fortran与C#混合编程在地震属性分析中的应用

充分利用现有的Fortran程序,通过混编方式,将其移植到.NET平台下,实现了地震属性分析中C#可视化程序调用Fortran语言的混合编程。改造现有的Fortran源码,一方面可以达到两种语言优势互补的目的,另一方面可以利用前人留下的大量的Fortran程序,避免重复的编程,大大节约了科学研究时间。     

应急管理征用物资补偿机制设计

征用物资是应急资源的重要来源之一,征用物资的补偿对于应急处置过程具有很大的支持作用。但是,实际的征用补偿还存在补偿方式模糊、公平性难以保证等问题。本文旨在设计具有可操作性的应急征用物资补偿机制,首先分析国外关于征用补偿的应用现状,主要是相关法律的规定,然后从物资征用的概述起,研究征用物资补偿的补偿标准,并在该标准之上建立补偿的目标规划模型。最后介绍了征用补偿的方式选择与实施流程。