阿北区块A井区构造特征及油气地质条件

环阿瓦提凹陷区(环阿区)的油气勘探一直没有重大突破,近年来随着钻探技术及认识程度的提高,对环阿区油气勘探前景,尤其是对潜在有利构造带进行重新评估显得十分迫切。基于前人研究成果,利用A井区已有钻探及新旧地震资料,通过开展系统的地层、构造解释与关键层位(第三系底、中上奥陶灰岩顶)构造图编制,揭示该井区中新生界为一完整的、轴向NW—SE的线状挤压背斜,古生界则为一个大型的冲断盐丘穹隆状背斜,古生界盐构造的解释与前期认识有较大差异。在此基础之上,通过分析其油气地质条件,得出该井区具有构造圈闭规模大、毗邻中上奥陶统闭塞海湾相烃源岩、裂缝性储层发育、盖层条件好、海西晚期(二叠纪末)形成古构造圈闭、印支—喜山期继承性隆起且处于油气运移和充注中心等较为有利的油气地质条件。其不利因素为埋藏较深(达6 400～7 500 m),且可能受到东北部大型火山侵入体的影响。     

基于BP神经网络的湘西民间方块苗文特征提取方法

分析湘西民间方块苗文文字的结构特性,提取表征文字特性的特征并构造特征矩阵,然后利用BP神经网络和方块苗文手写体字库训练出苗文的识别系统,并使用此系统对手写的方块苗文文字进行识别和分类.     

新立油田泉三、四段储层成岩作用及储集空间演化

利用铸体薄片、阴极发光、扫描电镜、黏土矿物X衍射分析、有机质成熟度分析等多种分析测试方法,研究了新立低渗透油田泉三、四段储层岩石学特征、储集特征、储集空间类型、喉道类型,分析了该区泉三、四段的成岩作用及其对储集物性的影响,以此为基础探讨了成岩序列和成岩阶段的划分,进而研究了目的层段储集空间的演化.最后从成岩作用角度分析了本区低渗透储层的成因:埋藏成岩过程中各种自生矿物的充填和胶结作用,堵塞了孔喉,因而使本区储层的渗透率降低,加之强烈的压实作用,最终形成了本区低渗透储层.     

基于向量空间模型的改进音频分类算法

提出一种基于向量空间模型(VSM)的音频分类算法.特征提取中,针对目前采用的参数主要为静态特征,提出了基于信息论的动态特征计算方法,并根据其物理意义设置关键帧提取中的初始值,解决聚类局部极值问题.通过引入音频聚类的类内标准差,对传统VSM未处理特征项间相关信息的缺点进行改进,提出新的相似性度量方法,并以此方法对不同类别的音频构造分类器.实验结果证明,此方法提高了分类精度,准确度可达85%以上.     

基于用例图呼叫处理场景的不确定性冲突过滤方法

基于用例图建立的呼叫处理模型,针对Nakamura提出的业务冲突过滤方法中基桩配置矩阵合并开销过大和过滤检测结论冗余过多的缺点,从增加排除合并前提条件和增强过滤检测定理两个方面进行了改进,并提出了改进的过滤算法．计算机模拟实验结果证实：该改进算法不仅能够明显提高业务合并的效率,同时还能更加精确地定位冲突,减少不确定性结论,提高过滤检测性能．     

植被高光谱遥感分类方法研究

结合具体的OMISI高光谱遥感数据,对各种常用植被高光谱遥感分类方法进行分类训练,通过比较分类性能,得到各种方法在植被高光谱分类中的若干应用规律和分类过程中选择最优分类方法的一些技巧。在此基础上,提出将传统分类方法与基于光谱特征匹配的分类方法相结合对高光谱图像进行分类的方法。     

金属罐形容器罐底声发射信号的检测研究

基于小波包分析和神经网络的声发射信号缺陷检测方法,提出采用区间小波包分解与能量距相结合作为声发射信号的特征向量,取代了传统的“小波包-能量“特征提取方法,并以金属罐形容器罐底缺陷诊断为例验证了该方法的有效性.结果表明,基于区间小波包能量距的神经网络特征提取方法更好地利用了缺陷信号的主要频带和小波包分析的时频信息,与传统方法相比,能大大简化检测系统的复杂度,提高容器的检测识别率.     

基于在线评论的产品竞争力分析方法

随着电子商务的发展,在线评论已成为企业分析其产品竞争力的重要数据资源.通过评论文本提取消费者最关注的产品特征维度,采用情感词典法对评论文本进行情感分析得到特征-情感分数对.计算特征维度的重要度和满意度以确定特征维度的机会得分,并绘制机会景观图,分析目标产品自身的竞争力.依据特征维度的满意度,比较目标产品与其竞争产品的竞...     

一种处理边缘不连续图像的雷达算法

提出了一种处理边缘不连续图像的雷达算法.该算法的主要思想是,用统计学的方法判断一个像素属于一个区域的概率,从而把感兴趣的图像区域分割出来,即先记录像素点,包括点的颜色、坐标,再按一定的角度递增扫描图像边缘点以寻找边缘像素,其次把这些边缘点距扫描中心点的长度进行低通滤波以形成一个完整的边界,最后求出边缘线的质心,记录质心位置,并将这些数据作为自组织特征映射的输入且进行分类,由此完成区域的分割.该算法的时间复杂度为90×O(n3),较Hough变换的复杂度及鲁棒性更好.实验结果表明,所提算法在非规则区域分割上优于Hough变换,其运算效率高于视觉模型算法.     

基于自组织特征映射的神经网络的矢量量化

本文设计了一种神经网络矢量量化编码方法－基于自组织特征映射的神经网络的矢量量化,利用Kohonen网络的自组织聚类功能,设计矢量量化器码书,实现矢量量化。该神经网络速度快,效率高,适用于语音和图象数据压缩,并对SOFM算法应用于图象矢量量化进行系统的研究。