在未知环境下基于模糊预测的力/位混合控制方法

针对机器人在形状未知的接触环境表面上进行柔顺力控制的问题,在传统的力/位混合控制模型中采用一种模糊预测算法.此算法利用机械手末端与环境已产生的接触轨迹和运动方向,通过三种预测因子(满意度因子,曲率适应因子,参考比例因子),预测并调整未来采样时刻的力/位混合控制模型中的期望轨迹.每次预测时首先对以前的预测进行评估,同时考虑环境曲率和刚度变化的特点.此预测算法还可以应用于阻抗控制模型中.仿真证明,这种方法可以在不同的控制模型中取得较好的力控制效果,对未知环境的变化具有较强的适应能力.     

一个融合网络安全信息的安全事件分析与预测模型

提出了一种融合网络安全信息的安全事件分析与预测模型·该模型能够对来自以IDS为主的多种安全部件和关键主机日志系统的网络安全信息进行校验、聚集和关联,从而整体上降低安全部件的误报率,扩展对网络中复杂攻击识别能力;能够结合目标网络安全策略,对目标网络的安全状况进行准确评估,分析出网络真正威胁所在;还能够基于特定攻击场景,对未来可能发生的具体攻击行为做预测,从而尽早发现潜在威胁,为采取有效响应措施赢得宝贵时间·     

基于自适应模板的匹配算法在跟踪系统中的应用

基于模板匹配的跟踪算法具有提取信息全面、算法简捷的优点,但目前采用固定模板匹配的算法在实际跟踪过程中容易发生误判,作者经过研究提出了自适应模板匹配的算法,该算法能有效的克服上述的问题,在此基础上作者给出了初始模板的捕获和目标物位置预测的具体算法,采用了基于自适应模板跟踪算法的"DX-1"系统在实际跟踪过程中取得了很好的跟踪效果.     

Stein损失下的统计预测问题

在统计决策理论框架内考虑了Stein损失下的统计预测问题.利用估计问题中对无序限制下参数估计量的改进方法,结合未知分布参数之间的序限制,对通常的最优同变预测量进行了改进,构造了一族改进预测量,从而解决了Stein损失下最优同变预测量的改进问题,并给出了相应的例子.     

基于相关向量机的富水砂层渣土改良试验效果预测

为了精准、高效获得富水砂层渣土改良试验效果,以渗透系数、内摩擦角(改良前)、电阻率、泡沫剂浓度和膨润土浓度为输入变量,坍落度、渗透系数、内摩擦角(改良后)为输出变量,并基于24组富水砂层渣土改良数据,建立相关向量机(rel-evance vector machine,RVM)预测模型,将预测结果与反向传播(back propagation,BP)神经网络模型进行对比分析.结果表明:RVM模型在预测坍落度、渗透系数和内摩擦角时的平均误差分别为0.73％、0.38％和2.24％,优于BP神经网络模型的1.76％、4.53％和3.60％;通过计算皮尔逊相关系数,可知RVM预测值与实测值对应坍落度、渗透系数、内摩擦角的相关系数r分别为0.9999、0.9993和0.9878,说明拟合程度极高.由此可见,RVM模型具有预测精度高、可靠性高的优点,为富水砂层渣土改良试验效果的预测提供一种新方法.     

海上薄互层砂岩油藏层系划分及射孔优化方法——以蓬莱19-3油田为例

海上薄互层砂岩油藏小层层数多、厚度薄、展布范围有限,物性差异大,并且海上注采井距大,导致其层间干扰影响因素更为复杂,传统预测方法适用性差,层系划分及射孔优化难度大.针对海上薄互层砂岩油藏的储层发育特征,通过引入小层动态连通系数、小层流动能力系数、小层干扰系数等参数全面考虑不同井距条件下小层注采连通状况、小层物性、流体差异程度以及小层水淹程度等关键性因素;以蓬莱19-3油田为例,油藏工程和动态分析相结合建立了海上薄互砂岩油藏层间干扰规律定量预测方法;通过修正传统产能公式,建立了适用于海上薄互层砂岩油藏的定向井合采产能预测方法;研究方法在蓬莱19-3油田现场进行实例应用,预测精度高,实用性强,可有效指导新区开发井的层系划分及老区加密井的射孔优化等工作,应用效果理想.研究表明:海上薄互层砂岩油藏层间干扰主要受到小层注采连通状况、物性、流体以及水淹程度等因素的影响;建议将流动能力级差5.0作为海上薄互层砂岩油藏的层系划分标准,后期选择合理时机进行层系调整,减缓层间干扰.可见研究方法考虑因素全面,预测精度高,现场实用性强,能够为此类油田的新区开发井的层系划分及老区加密井射孔优化提供有力支持.     

多波地震油气储层的自组织神经网络学习与预测

如何充分挖掘出地震数据的有效信息以更有效预测出地震油气储层的分布情况,一直是业内所追求的目标。多波地震数据所包含的纵、横波数据不仅含有大量对油气敏感的特征信息,而且二者对油气响应存在差异,利用好这种差异可有效降低地震反演中的多解性问题。为此,设计了一种基于自组织神经网络的多波地震油气储层分布预测方案。首先,通过聚类分析优选出对油气响应比较敏感的地震属性,然后,对优选优化后的属性进行多波复合运算提取油气特征信息。最后,根据输入样本属性数据集设计自组织神经网络结构,计算神经元与样本的距离确定最佳匹配单元,更新调整网络权值,完成网络训练,得到预测结果。应用结果表明,基于本方案所预测的地震油气藏分布范围与实际情况基本吻合,有效地降低了反演结果的不确定性,从而验证了自组织神经网络应用于地震油气储层预测的有效性和可行性。     

基于Kriging代理模型的造斜率预测方法研究

造斜率受导向工具结构、类型、钻井参数、井眼轨迹、地层和钻头等因素的影响,构成了一个多变量影响的非线性耦合体系。造斜率预测呈现一定的模糊性、随机性和非线性特点,难以用显性的定量关系式来精确刻画造斜率与其影响因素之间的函数关系。从回归分析预测法的角度,提出一种采用Kriging代理模型构建预测功能函数,进行造斜率预测的新方法。该方法基于空间插值理论,以造斜率预测值为输出目标。首先选取造斜率主要影响因素作为输入参数,确定训练样本和测试样本;然后,计算Kriging模型中的最优超参数,并构建该预测模型。最后,以测试样本为基准,计算模型预测性能指标,完成对Kriging代理模型的造斜率预测性能评价。通过现场案例研究表明,与常见的多元回归模型和径向基函数模型(radial basis function,RBF)相比,基于Kriging代理模型的造斜率预测方法在均方根误差(root-mean-square error,RMSE)、最大绝对误差(maximum absolute error,MAE)和平均绝对误差(average absolute error,AAE)3个常见的定量指标上表现了更佳的预测性能。预测结果更稳健,计算量更小,对造斜率的预测精度较高,能克服几何法预测精度不高或力学法计算量大等缺点。在工程应用中能节约计算成本和提高预测效率,便于推广应用。     

具有时滞的可燃物的湿度模型

可燃物是森林燃烧的物质基础,可燃物的湿度变化一定程度上决定着火灾的形成,所以建立可燃物湿度模型对研究可燃物湿度变化有很大的帮助,笔者通过建立可燃物湿度模型来研究可燃物湿度的变化情况。在研究中充分考虑了气象因子对可燃物湿度的影响,并且加入了时滞情况,研究结果表明可燃物湿度受到气象因子的影响,并随着气象因子的变化而变化,在对气象因子进行相关性分析的基础上,得出结论：可燃物的湿度与气温风速呈负相关、与湿度气压呈正相关,建立的可燃物湿度模型在考虑气象因子的影响的情况下基本可以预测一小时后可燃物湿度的变化情况,希望对森林的防火有所帮助。     

适宜于空间可伸缩帧间编码的快速算法

为既保持可伸缩视频编码(SVC)有较高的编码效率,又能减少其编码时间,提出了一种适合于增强层的帧间快速编码算法:先计算出各个方式的权值,按照权值大小的顺序进行编码,同时结合残差预测和率失真预测进行提前终止。实验表明,本文算法能够显著地提高编码速度,同时对编码质量影响极小。