疏松砂岩油藏大孔道定性识别新方法研究

疏松砂岩油藏在长期注水开发过程中,往往伴随着大孔道的出现,这严重影响了油藏水驱开发效果,制约了采出程度的进一步提高,因此,大孔道识别及有效封堵成为该类油藏急需解决的关键问题.通过研究分析,确定了影响大孔道从形成到发展的7种主要静态因素,以及标志大孔道形成的6种主要动态因素.将层次分析法及灰色关联法相结合,分别计算静态及动态因素的权重,建立了全新的大孔道定性识别模型.示踪剂监测结果验证了该方法的实用性和有效性.     

Subset threshold autoregression

We develop in this paper an efficient way to select the best subset threshold autoregressive model. The proposed method uses a stochastic search idea. Differing from most conventional approaches, our method does not require us to fix the delay or the threshold parameters in advance. By adopting the Markov chain Monte Carlo techniques, we can identify the best subset model from a very large of number of possible models, and at the same time estimate the unknown parameters. A simulation experiment shows that the method is very effective. In its application to the US unemployment rate, the stochastic search method successfully selects lag one as the time delay and five best models from more than 4000 choices. Copyright © 2003 John Wiley & Sons, Ltd.     

PP K-MEAN CLUSTERING

In this paper, we propose a dimension-reducing, K-mean clustering procedureby Projection Pursuit (PP) technique so as to explore the clustering structure of data inhigh-dimensional space in terms of low-dimensional projective points of data, and we obtainthe a.s. consistence of the estimates of the cluster centers and projection orientations.     

煤与瓦斯突出预报的模糊聚类关联分析法

首先采用模糊聚类分析对煤与瓦斯突出的样本集合进行分类，建立不同突出程度的模糊模式。然后用关联分析确定待预报样本与模式的关联程度，以此预测预报样本的煤与瓦斯突出危险程度。这种预报方法相对于模糊聚类分类后，将模式与待预报样本组成新的样本集合，再进行聚类分析，以此分类结果进行预报法。不仅可靠程度高，而且能定量描述待报样本与模式的亲和程度。     

Comments on “aggregation of equivalence relations” by P. C. Fishburn and A. Rubinstein

The theorem of the paper Aggregation of Equivalence Relations, by Fishburn and Rubinstein, states a result already known. This theorem improves a result from Mirkin (1975) and appears as a corollary occurring in Leclerc (1984).

---

Resume L'unique théorème de l'article Aggregation of Equivalence Relations de Fishburn et Rubinstein est déja connu. Il améliore, en fait, un résultat de Mirkin (1975) et apparait en tant que corollaire dans Leclerc (1984).

     

土茯苓种苗质量分级标准研究

探究土茯苓(Smilax glabra)种苗质量分级标准,为土茯苓人工种植规范化发展奠定基础。本研究随机选取50株土茯苓种苗进行调查,首先应用相关分析确定苗木分级指标,然后通过逐步聚类分析法修正分级,最终计算出土茯苓种苗的苗木分级标准。结果表明,根数和球茎数为土茯苓种苗的质量分级指标。土茯苓种苗分级标准为Ⅰ级种苗：根数≥37.4,球茎数≥6.8;Ⅱ级种苗：28.3≤根数<37.4,4.2≤球茎数<6.8;Ⅲ级种苗：根数<28.3或球茎数<4.2。所抽取的土茯苓样苗中,Ⅰ、Ⅱ级种苗(合格苗)分别占34%和20%,Ⅲ级种苗(不合格苗)占46%。本研究通过逐步聚类分析法制定的土茯苓种苗质量分级标准结果可靠,说明此方法可行,能为土茯苓人工种植繁育研究以及生产优质的土茯苓种苗提供理论资料。     

基于三支决策的密度敏感谱聚类

将三支决策与密度敏感谱聚类结合,提出了一种基于三支决策的密度敏感谱聚类算法。该算法通过在密度敏感谱聚类的聚类过程引入容差参数得到每个类的上界,然后通过扰动分析算法从上界中分离出核心域,上界和核心域的差值被认定为该类的边界域。聚类结果用核心域和边界域来表示每个类簇,可以更全面地展示数据的结构信息。与传统的硬聚类算法在UCI数据集的实验结果相比较,本文使用核心域计算聚类的评价指标DBI、AS和ACC都有所提升,较好地解决了不确定性对象的聚类问题。     

潜在表示学习框架下的低冗余多视图聚类算法

基于潜在空间学习的多视图聚类研究得到了较大发展,但其通常忽略了原始数据中冗余信息的存在可能会带来不理想的聚类结果。为解决这个问题,提出一种潜在表示学习框架下的低冗余多视图聚类算法。基于k-means的方法,直接从各视图数据学习其低维表示,由于该低维表示的各个特征相互正交,学习到的低维表示通常含有较少的冗余信息。基于潜在空间的假设,各视图的低维表示可由同一个潜在表示投影得到。将两者结合,就能得到一个具有低冗余信息的统一的潜在表示。设计了一个优化算法来求解目标问题,在多个公开数据集上的实验表明了该算法的有效性。     

梯级水电站群最优运行的递阶控制算法

针对位于同一电网的梯极水电站群联合运行的情况,着重研究了在枯水季节最优调度的计算模式,提出了大系统递阶控制的优化算法。该算法也同样适用于规划中的梯级水电站。实例计算表明该算法是可行的,且解析性强。     

一种基于时序分析的大型重载支承轴隐蔽部位疲劳裂纹诊断方法

大型重载支承轴隐蔽部位因发生不可观测的突发性疲劳断裂事故,严重影响生产的正常进行,给企业带来重大的经济损失.在分析支承轴振动特性的基础上,通过在机械结构外部便于检测部位提取反映结构疲劳裂纹状态的特征信号,编写相应的MAT-LAB程序构建时序模型,然后模拟支承轴实际工况,将裂纹产生、发展、断裂过程划分为5种状态,建立标准故障模式特征向量空间.运用模糊聚类分析方法,结合Euclide距离判别函数,找出与标准故障模式特征向量中隶属度最大的特征向量,从而有效诊断支承轴隐蔽部位疲劳裂纹状态的程度.最后通过实例验证了该方法的正确性和可行性.图2,参5.