基于视觉特征的智能煮粥控制方法

提出一种基于视觉特征的智能煮粥控制方法,该方法能准确地识别粥的沸腾状态,控制煮粥设备自动调节火力。选取Tamura纹理粗糙度作为描述粥面变化的图像特征,考虑粥的材料、光照条件和图像分辨率对纹理粗糙度的影响,进行对比实验与分析。实验通过监控摄像机捕捉粥面的图像,进行实时分析,并以此作为反馈,从而实现火力的实时控制。     

基于CNN-GRU-LightGBM模型的单井产量预测方法

单井日产量趋势预测研究在油田生产中具有重要意义。由于油井生产工况复杂,难以准确预测日产量,本文建立了基于多变量时序数据的产量模型。基于卷积门控循环单元（Convolutional Neural Network – Gate Recurrent Unit, CNN-GRU）提取深层特征进行时序预测,基于梯度提升框架的决策树模型（Light Gradient Boosting Machine, LightGBM）从回归预测角度进行预测,两者结果相互融合,进一步提高产量预测精度。同时,本文提出了一种可以实现多变量时序预测或回归预测模型在未知输入特征情况下准确预测产量的方法—超前参数递归预测策略。采用该方法对影响产量的重要特征进行超前预测,并将预测到的重要特征应用于预测产量的仿真测试中。仿真结果表明：本文所建立模型与超前参数递归策略配合最好,在测试集上的预测准确度最高。相比单变量时序预测和回归预测模型,可显著提高预测精度。