一种基于深度学习的致密砂岩储层流体识别方法

    公开(公告)号:CN114002744A

    公开(公告)日:2022-02-01

    申请号:CN202111268205.4

    申请日:2021-10-29

    IPC分类号: G01V1/50 G01V1/28 G06T7/10

    摘要: 本发明提供了一种基于深度学习的致密砂岩储层流体识别方法,首先对研究区测井数据的层内各点特征进行预处理并拼接成样本;针对层内深度不同的样本进行深度统一化处理;将样本输入卷积神经网络提取高维非线性测井特征;使用双向长短期记忆神经网络进一步融合卷积神经网络输出的特征映射,进一步学习测井数据的多尺度特征;致密砂岩储层流体识别模型输出识别结果。该方案利用了储层之间的相关性,能有效提高储层识别精度。

    一种多路摄像头实时入侵检测与跟踪方法

    公开(公告)号:CN112257492A

    公开(公告)日:2021-01-22

    申请号:CN202010874468.9

    申请日:2020-08-27

    摘要: 本发明提供一种可用于多路摄像头的实时入侵检测与跟踪方法,首先通过多路图像采集设备,获取若干条视频流,然后,获取每一条视频流的首帧图像,由用户依次框选指定禁入区域,再将多路视频流图像帧拼接成一张大的图像帧,随后使用YOLOv4检测多路图像帧中的人员,判定禁入区域内的人员是否为非法入侵,若发现非法入侵,则对非法入侵行为进行报警,并对该人员进行跨摄像头持续跟踪。本发明通过拼接多路摄像头画面,实现多路画面跟踪任务中时间成本与算力成本的平衡;同时,多路摄像头画面在同一算法中进行监测跟踪,可以高效实现跨摄像头跟踪功能,对禁区入侵检测与入侵人员跟踪任务具有较强的针对性,准确率高。

    基于物联网大数据分析的植物培育方法及系统

    公开(公告)号:CN106444378B

    公开(公告)日:2019-07-12

    申请号:CN201610883950.2

    申请日:2016-10-10

    IPC分类号: G05B13/04

    摘要: 本发明提供了一种基于物联网大数据分析的植物培育方法及系统,其中的方法包括:采集植物的种类、土壤湿度、土壤pH值、光照强度、环境温度、环境湿度、图像、浇水量、施肥量、施肥类型并构成影响因素矩阵X,并上传至服务器;其中,浇水量、施肥量和施肥类型构成决策变量;在服务器内利用Elman神经网络建立植物各影响因素矩阵X与植物健康指数之间的复杂非线性关系,获得植物培育模型;利用NSGA‑Ⅱ算法对植物培育模型进行优化,获得决策变量的一组最优解;将决策变量的该组最优解作为植物的推荐决策X*通过服务器下发至用户的终端设备进行显示;用户根据终端设备显示的推荐决策培育植物。利用本发明能够确定最优的植物培育方案,为植物营造了更好的生活环境。

    用于油井动液面检测的频率估算方法

    公开(公告)号:CN105822289B

    公开(公告)日:2019-03-19

    申请号:CN201610177653.6

    申请日:2016-03-25

    摘要: 本发明公开了一种用于油井动液面检测的频率估算方法,包括以下步骤:采集油井动液面的声场信号,得到采样信号x(n);对采样信号x(n)进行加窗处理,得到加窗函数xw(n);将加窗函数xw(n)进行离散傅里叶变换,得到频谱Xw(k);从频谱Xw(k)中寻找幅值最大的频点、最大频谱幅值Xw(l)和第二大频谱幅值Xw(l±1),其中幅值最大的频点记为第一次迭代时的频率初始值l1;通过插值计算真实频率值λ0;按照公式计算信号的频率fo。有益效果:本算法运用范围广,适用于所有选择的窗函数;计算误差小,受噪声的影响小,具有较好的一致性;计算过程简洁,无需对数据进行预先计算,也不需要存储窗函数的相关参数信息。

    基于超球体变换的集合卡尔曼滤波油藏动态历史拟合方法

    公开(公告)号:CN106503456B

    公开(公告)日:2019-02-22

    申请号:CN201610943462.6

    申请日:2016-10-26

    IPC分类号: G06Q10/04 G06Q50/02

    摘要: 本发明提供了一种基于超球体变换的集合卡尔曼滤波油藏动态历史拟合方法,包括:步骤1:初始化油藏模型的集合,集合包括静态参数、动态参数以及油井生产数据;步骤2:将静态参数中的渗透率进行超球体变换,并构造新的状态向量集合;步骤3:将新的状态向量集合中的每个状态向量输入到油藏模拟器中进行预测获得状态预测值,每个状态向量及其状态预测值构成预测集合;步骤4:根据预测集合计算卡尔曼增益矩阵;步骤5:根据预测集合、卡尔曼增益矩阵以及测量的油井生产数据对预测集合进行更新,获得更新后的静态参数、动态参数以及油井生产数据。利用本发明能够提高油藏历历史拟合精度的准确性和减少人工历史拟合的盲目性。

    基于递归神经网络与角度偏好的铝电解建模与优化方法

    公开(公告)号:CN108984813A

    公开(公告)日:2018-12-11

    申请号:CN201810193126.3

    申请日:2018-03-09

    IPC分类号: G06F17/50 G06N3/00 G06N3/04

    摘要: 本发明提供了一种基于递归神经网络与角度偏好的铝电解建模与优化方法。首先,利用递归神经网络对铝电解生产过程进行建模,然后决策者设定期望目标值,引入A-dominance偏好支配方法,结合多目标量子粒子群算法对生产过程模型进行优化,得到最满足决策者期望的最优决策变量,以及对应的电流效率、槽电压、全氟化物排放量和吨铝能耗。MQPSO算法不需要进行交叉、变异操作,只有最简单的位置更新步骤,因此编码过程简单,并且具有强全局搜索能力,容易实现种群进化过程中偏好最优取值的完整性,满足决策者需求。利用该方法确定铝电解生产过程中工艺参数的最优值,可有效提高电流效率,降低槽电压,减少温室气体排放量,达到节能减排的目的。