基于改进果蝇算法和长短期记忆神经网络的油田产量预测模型

产量预测是油田生产动态开发研究的重要内容之一。油田的长期生产积累了大量数据,但是波动幅度很大,直接应用长短期记忆神经网络预测油田的生产指标,会出现神经网络泛化性很差的问题。因此,首先利用双层长短期记忆神经网络(long-short term memory,LSTM)和随机式失活对神经网络架构进行调整,建立了深度学习神经网络模型;并提出了一种新的果蝇聚集方法,通过改进的果蝇优化算法对所建立的神经网络模型进行优化,避免其陷入局部最优解,搜寻解空间的最优解;最后,油田实例验证表明,优化后的深度学习网络的网络泛化能力和预测精度有了较大提高,对于油田波动性较大的数据也能较好地拟合。所建立油田产量预测模型可应用于矿场开发实际。     

基于超混沌系统和离散分数随机变换的图像加密算法

本文结合超混沌系统和离散分数随机变换,提出一种图像加密新方案,并给出实现该算法的光学装置原理图。在加密过程中,利用超混沌系统产生的混沌序列来构造离散分数随机变换(DFRT)的随机矩阵,再将DFRT的阶数和超混沌系统的初始值作为图像加密算法的主密钥,与单纯的离散分数随机变换的图像加密算法相比,在不增加计算负担的情况下,本算法的明文与密文之间具有更高的复杂性,并加大了密钥空间,提高了密钥敏感性。该系统是一个非线性的密码系统,消除了传统加密系统中因为线性过程而存在的不安全因素,提高了加密系统的抗统计攻击和噪声攻击的能力。     

NA序列随机和的几乎处处中心极限定理

运用子序列收敛性质证明了NA序列随机和的几乎处处中心极限定理,还证明了权重条件为〖SX(〗1〖〗j〖SX)〗,〖SX(〗logλj〖〗j〖SX)〗 （λ>-1）和〖SX(〗elog αj〖〗j〖SX)〗（α∈[0,1]）时的几乎处处中心极限定理.     

基于循环矩阵投影的Nyström扩展

不同于采样矩阵近似方法,设计了一种基于随机循环矩阵投影来实现矩阵的近似。首先,利用随机采样得到一个初始矩阵的近似轮廓,然后构造循环嵌入矩阵,将该循环矩阵作为投影矩阵,从而将输入数据空间的初始轮廓嵌入到一个低维的特征子空间上,最后在特征子空间上进行奇异值分解,从而扩展了传统的Nyström方法。与其他典型的矩阵近似方法相比,所设计的Nyström方法具有时间复杂度低、重构精度高的优点。最后通过实验证实了所设计的循环矩阵投影方法的有效性,可以实现对传统Nyström方法的有效扩展。     

外P-模糊集的截集与扩展粗集模型

P-模糊集是由内、外P-模糊集构成的集合对,内、外P-模糊集是两类不同的动态模糊集。截集方法是研究模糊集理论最常用的方法,提出外P-模糊集的λ-截集、λ-强截集、区间截集及其截集粒度的概念,讨论了外P-模糊集的截集序列粒度定理、区间截集序列粒度定理,给出外P-模糊集区间截集分解定理。利用外P-模糊集粗隶属度函数的概念,给出外P-模糊集A^F的(α_F,β_F)粗集、(1_F,0_F)粗集、(α_F,β_F)概率粗集、(α_F,β_F)的变精度粗集四种粗集扩展模型,讨论了外P-模糊集的(α_F,β_F)粗集定理,并给出其数量特征及关系讨论。     

压差时量的提出及平面单向流变量的等价性

针对平面单向流主动变化量与被动变化量之间函数关系有待明确的问题,提出了压差时量的概念,开展了平面单向流变量之间函数关系研究,在研究中利用压差时量与累积注入量之间的函数关系,结合Buckley Leverett方程和Welge方程,推导了压差时量与出口端含水饱和度、含水率、累积采油量、采出程度之间的函数关系,获得了以下认识：平面单向流任意两个变量之间存在由参数方程所确定的函数关系,压差时量是参数方程的参数;平面单向流中的变量具有等价性。根据以上认识,以层间矛盾研究为例,利用压差时量概念和变量等价性研究了层间矛盾产生的机理。压差时量的概念和变量等价性的认识,明确了主动变量与被动变量之间的函数关系,建立了驱替过程中各变量之间的等价关系,该认识对相关理论问题和应用问题的研究起到一定促进作用。     

随机游动法在环状河网计算中的应用研究

环状河网求解不同于树状河网,在采用三级解法进行环状河网非恒定流计算时常面临求解大型矩阵的难题.针对这一问题,从水流质点游动角度出发,研究将随机游动方法应用于环状河网水位计算,实现随机游动方法与三级解法相结合.在三级解法得到节点水位方程组基础上,给出节点水位的随机显式求解新方法,然后采用追赶法完成整个河网水位流量计算.与常规三级解法相比,该方法求解原理简单,避免了大型矩阵的直接求解.将新方法建立模型运用于西江下游河网计算,结果表明,该方法较常规方法在简化运算的同时提高了计算效率,并且与常规三级解法具有同样的精度.模型计算结果也量化了各节点水位之间的相对联系情况.     

变权决策中均衡函数均衡效果

讨论和型与积型可分解均衡函数的均衡效果.首先引入惩罚力度和激励力度两个概念,它们分别反映可分解惩罚式均衡函数和激励式均衡函数在变权决策过程中的均衡能力.然后从三个角度分析均衡函数在不同惩罚力度或激励力度下的均衡效果:一是对变权向量的orness测度值的均衡效果;二是对因素权重的均衡效果;三是对综合决策值的均衡效果.结果表明,从可分解均衡函数的惩罚力度和激励力度出发,能很好地掌握均衡函数在变权决策中的作用规律,并且能为变权决策过程中如何选择合适的均衡函数从多方面提供考量准则.     

一种基于词覆盖的新闻事件脉络链构建方法

针对目前构建新闻脉络链只关注新闻脉络链的主题相似性和文档重要性, 而忽略新闻脉络链逻辑连贯性和可解释性的不足, 以及新闻数据集合指数级增长带来的算法复杂度问题, 从词覆盖的角度提出一种新闻脉络链构建方法, 利用新闻的评论信息来定位新闻事件转折点, 用主题相似与稀疏差异的思想以及RPCA 方法对文档进行逻辑建模, 利用随机游走以及图遍历的方法, 量化并生成可解释且具有很好逻辑连贯性的脉络链。双盲实验表明, 与其他算法相比, 该方法取得较好的效果。     

基于PALSAR全极化数据的城市森林蓄积量估测

全极化雷达数据能够反映目标的全极化散射特征,在森林参数反演中具有较大的应用价值。笔者以南京紫金山国家森林公园为研究对象,以2011年的全极化雷达数据PALSAR和2012年120块野外调查样地为主要信息源,从Pauli和Cloude目标分解特征值、HH(horizontal-horizontal,水平)和HV(horizontal-vertical,水平垂直交互)两种极化状态的后向散射系数、比值植被指数、地形、人为干扰等方面,提取13个因子作为自变量,采用多元线性回归、人工神经网络、K最邻近分类算法、决策与回归树、装袋算法、随机森林6种方法建立遥感估测模型,进行森林蓄积量的估测。研究表明:①在6种遥感估测模型中,随机森林综合性能最高,装袋法次之,多元线性回归最低; ②海拔、坡向等地形因子,以及地物的雷达回波散射特征是影响研究区域森林蓄积量估测的重要变量; ③研究区单位面积蓄积量的空间分布呈现出由里向外逐渐降低的带状分布格局。