公共文化服务平台

FLU-net:用于表征页岩储层微观孔隙的深度全卷积网络: 2021年; 页岩孔隙是页岩气储集的主要空间,孔隙的形状、大小、连通性与发育程度很大程度上决定了页岩储集层的储集性能,因此,页岩气开采首先需要对其孔隙有充分的认识。基于阈值分割法获取页岩孔隙结构参数是目前页岩微观结构表征的一种重要手段,但是受扫描电镜图像灰度分布差异的影响,该方法需要逐一修改图像的最佳分割阈值以达到最好的孔隙分割效果,且阈值分割方法无法直接划分孔隙类别,这给后续的页岩微观结构定量表征带来了麻烦。为了实现页岩孔隙的智能识别和分类,笔者设计基于像素级语义分割的深度全卷积神经网络FLU-net,对页岩孔隙识别并分类为有机孔、无机孔(粒内孔、粒间孔)及裂缝,并结合孔隙尺度分类统计方法,分析不同类型孔隙发育数量、孔径大小、孔隙度等参数,实现页岩储层微观孔隙结构的自动化定量表征。以重庆渝西区块足201井区和四川盆地威远地区威204井区的页岩扫描电镜图像为研究对象,在对1600幅页岩扫描电镜图像原始数据进行人工标注并划分数据集后,使用FLU-net进行孔隙识别,结果表明,本方法具有较高的准确率,同时自动化程度和泛化能力均高于传统预测方法。因此,扫描电镜与基于深度学习的语义分割模型结合是定量研究页岩微观结构表征的有效手段。; 陈雁李祉呈程超程超蒋裕强蒋裕强王占磊

多示例学习的可行域定位及快速因果实例选择: 2023年; 提出了一种多示例学习的可行域定位及快速因果实例选择(feasible region localization and fast causal instance selection for multi-instance learning,FFCM)算法,包含3个技术。可行域定位技术基于距离度量,从正包中选出具有代表性的实例作为候选实例;然后利用概率分析筛选负裁判包,以最大限度缩减选择因果实例的可行域范围。快速因果实例选择技术利用候选实例与负裁判包的因果关系构建融合包,设计因果性评判指标,使用先验知识从候选实例中选择出因果实例。包映射技术基于因果实例和差值映射函数,将包映射为有较高可区分性的单向量。本算法在27个常用数据集上进行了实验,并与6个前沿的MIL算法进行了对比,实验结果展示了FFCM的良好分类性能。; 杨梅柯文静杨梅; 关键词：可行域映射多示例学习

基于动态隶属度的模糊时间序列模型的水质预测研究被引量：2: 2022年; 科学有效的水质预测对于水资源的管理与水污染预警尤为重要。由于水质指标序列存在非线性、非平稳性、模糊性和季节性等特点,传统预测模型的精度受到一定的限制。结合差分整合自回归移动平均ARIMA模型和经典模糊时间序列模型的特性,提出了一种基于动态隶属度的模糊时间序列水质预测新模型。首先,利用模糊C均值聚类从原始数据中构建隶属度序列;其次,利用经典的时间序列模型对不同的子隶属度序列进行预测,得到动态隶属度;最后,去模糊化得到水质指标的预测值。应用提出的新模型对岷江某断面的水质指标进行了短期预测,并与经典模糊时间序列模型和ARIMA乘积季节模型进行对比。实验结果表明,新模型在RMSE、MAPE和MAE上均优于经典模糊时间序列模型和ARIMA乘积季节模型,极大地提高了预测精度,可为水污染防治提供有价值的参考。; 赵春兰李屹何婷武刚武刚; 关键词：水质预测

近似概念的遗传生成算法及其推荐应用被引量：1: 2022年; 由于构造概念格的时间复杂度高,在推荐领域已有研究者提出用概念集合来替代概念格。但目前对概念集合的研究未考虑近似概念的作用,因此将近似概念引入推荐应用,并提出基于遗传算法(GA)的近似概念生成算法(ACGA)和相应的推荐应用方案。首先由启发式方法生成初始概念集合;其次用交叉算子对初始概念集合中的概念的外延两两求交集,从而得到近似概念;然后用选择算子根据外延相似度以及相关阈值筛选出满足条件的近似概念来更新概念集合,而不满足条件的近似概念由变异算子按照用户相似度进行外延调整,直到其满足条件;最后基于新的概念集合,根据邻居用户的偏好向目标用户进行推荐。在4个推荐系统常用的数据集上进行实验,结果表明ACGA生成的近似概念提升了推荐效果,尤其是在2个电影评分数据集上,ACGA与概率矩阵分解(PMF)算法相比,F1值提升了近78%,召回率提升了近104%,精确度提升了近57%;与K最近邻(KNN)算法比较,精确度提升了近12%。; 刘忠慧王梓宥闵帆; 关键词：形式概念分析概念格遗传算法推荐系统

三元概念的启发式构建及其在社会化推荐中的应用被引量：1: 2021年; 形式概念分析作为知识发现的方法,在理论分析和实际应用中已经取得很多成果。随着三维数据的涌现,许多学者开始了对三元形式概念分析的研究。但是,目前该领域的研究和应用较少,尤其还没有被应用到推荐系统。文中介绍了三元概念的构建及其社会化推荐应用。首先设计启发式信息,构造覆盖所有用户的三元概念集合,启发式信息旨在生成外延和内涵均有一定规模的强概念;然后根据拟推荐项目的属性来筛选用户合适的社会关系,并结合项目在概念中的流行度实现推荐预测。文中分别在真实数据集和抽样数据集中进行了3个实验。实验1对比了启发式方法和∨_(o c)运算构造的三元概念数量及其运行时间,其中∨_(o c)运算构造的概念数量少、耗时长且对推荐的提升效果不明显;实验2对比了推荐效果的精确度、召回率和F1值,揭示了增加条件可以有效提升推荐效果;实验3的结果表明,基于三元概念的推荐算法的推荐效果优于KNN及GRHC。; 刘忠慧赵琦邹璐闵帆; 关键词：启发式算法社会化推荐

基于机器学习的汽油加氢裂化辛烷值损失预测和脱硫优化被引量：3: 2022年; 辛烷值损失的准确预测有助于汽油炼制过程的优化与控制,以达到更好的脱硫效果。原油的加氢脱硫是一个十分复杂的物化反应过程,对于该过程中的参数控制多依赖于工人的经验,因此基于大数据建立辛烷值损失预测模型可以用于优化脱硫效果,从而提高产品质量,减轻工人的劳动强度,具有十分重大的实际意义。采用单因素分析、方差过滤、随机森林等方法进行了特征筛选,最后基于逻辑回归、BP(back propagation)神经网络以及支持向量机(support vector machine,SVM)三种机器学习算法构建了辛烷值损失预测模型。实验结果表明,基于SVM建立的辛烷值损失预测模型精度达到了98.24%,优于逻辑回归和BP神经网络预测模型。将该模型应用于脱硫优化,在生成汽油的硫含量达标的情况下,获得最优的控制变量组合,达到将辛烷值损失降到最低的目的。; 龙梦舒闵超赵伟张馨慧代博仁; 关键词：辛烷值加氢脱硫

基于代表的交叉验证分类被引量：3: 2021年; 基于代表的邻域覆盖粗糙集分类算法,在某些数据集上表现良好,数据的类别不平衡问题严重影响算法的分类精度。为尽量消除类别不平衡问题的影响,在k折交叉验证方法的基础上,针对基于代表的邻域覆盖粗糙集分类算法,提出了3种集成策略。策略1依靠k折交叉验证,获得对应的k个基分类器,所有的基分类器组成委员会对未分类样本分类;在策略1的基础上,策略2选择分类精度相对较高的基分类器组成委员会,对未分类的样本进行分类;策略3在前2种策略的基础上,利用主动学习的思想,对训练集进行扩充,得到新的分类器再对未分类样本分类。实验所用数据集为UCI标准数据集,且对k的取值做了对比实验。结果显示,3种策略均有不同程度的提升,且k取5时总能取得较好的提升效果。对于不同数据集,应选择相适应的改进策略。; 王轩顾峰闵帆孙远秋; 关键词：代表选举粗糙集

基于动态特征和深度神经网络的钻井漏失事故预测被引量：5: 2022年; 为提高钻井漏失预测的准确性和实时性,建立了一套能够学习现场专家经验实现对钻井漏失事故预测的智能方法。首先,对采集到的综合录井数据利用小波滤波对录井数据进行降噪处理,并根据降噪的效果选取了滑动窗口的长度,降噪后数据的波形更加平滑,上升或下降趋势更明显;然后通过研究井漏点周围4个动态特征的波形,使用滑动窗口对钻井曲线波形进行截取;最后分别用长短期记忆神经网络(LSTM)、双向长短期记忆神经网络(Bi-LSTM)、简化的AlexNet以及VGGNet对井漏事故进行实时滚动预测。实验结果表明,相对于卷积神经网络,LSTM和Bi-LSTM能够提取综合录井曲线动态变化的自相关特性,提取的特征更具有代表性,对井漏事故预测的准确率更高。; 蔺研锋闵超代博仁张馨慧; 关键词：波形特征

基于聚类匹配的煤层气压裂效果主控因素识别被引量：4: 2022年; 煤层气压裂效果与影响因素之间存在的非线性关系难以从机理层面进行系统分析,针对该问题,提出了一种基于聚类匹配的压裂效果主控因素识别方法。该方法从数据中挖掘影响因素的内在联系而非通过主观判断来分析压裂效果与影响因素之间的联系。首先,以压裂后的产气指标数据为研究对象,利用凝聚聚类方法对样本井进行分类和效果评价;其次,利用K-means聚类算法结合信息增益排序与相关性分析,对影响因素进行分类与筛选,从中选取前置液用量、携砂液用量、含气饱和度、含气量、垂直应力、支撑剂用量、破裂压力、加砂强度8个因素;最后,对筛选出的因素进行样本聚类,将聚类结果与压裂效果的评价分类结果进行聚类匹配,实现了压裂效果主控因素的识别。与其他主控因素识别方法对比,验证了该方法的有效性和可操作性。该研究可为优化二次压裂施工方案提供技术支持。; 闵超代博仁石咏衡杨兆中杨兆中李小刚; 关键词：煤层气压裂凝聚聚类主控因素 K-MEANS聚类信息增益

融合标签结构依赖性的标签分布学习被引量：1: 2020年; 针对现有标签分布学习(Label Distribution Learning,LDL)算法较少考虑标签间关联性的问题,提出一种融合结构化标签依赖性的LDL算法.算法分为扩展、学习和恢复三个阶段:在扩展阶段,结合成对标签之间的关联性,构建结构化标签依赖性;在学习阶段,结合该依赖性,构建学习框架;在恢复阶段,利用最小二乘法求解超定方程组以预测标签分布.与七种常用的标签分布学习算法相比,在八个开放数据集上进行实验,提出的算法在Euclidean距离、Sørensen距离、Squardχ2距离、Kullback‐Leibler散度、Intersection相似度和Fidelity相似度六个主流评估指标上明显占优.; 黄雨婷徐媛媛张恒汝闵帆

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

西南石油大学人工智能研究院

合作机构

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

西南石油大学人工智能研究院

合作机构

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈