基于贝叶斯神经网络的多臂测井套损检测方法

针对传统多臂井径测井套损检测过程中,测井资料人工解释准确性不高,管柱重要信息容易遗漏等问题,结合大庆油田某工区多臂井径测井数据,提出了一种基于贝叶斯神经网络的多臂测井套损检测方法。该方法可在对原始测井曲线方位校正、缺失值填充以及对常见套损类别进行曲线数据截取汇总的基础上,形成多臂井径数据集,同时对数据集进行归一化处理并以此作为训练数据进行套损检测实验。对比发现,在多臂井径测井套损检测问题上,采用的MC Dropout变分推理方法训练的贝叶斯神经网络,相较BP神经网络、随机森林、BayesByBackprop和SGLD变分推理方法训练的贝叶斯神经网络,在性能和鲁棒性方面表现更优异。实验表明:该方法在多臂测井套损检测中有效性更高,平均准确率达到95.67%,较传统人工解释方法提升明显,并能给出可解释性更佳的分类结果不确定性,极大地提升了衡量检测结果的可信程度。

面向测井领域的多模态知识图谱构建

针对测井解释过程中数据多源异构、数据间难以互补融合,不能很好应用于风险评估、解释评价和决策知识提供等问题,提出了一种面向测井领域的多模态知识图谱构建方法。该方法从测井角度出发,采用自顶向下的方式将知识整理分类为通用知识、区域知识和辅助知识等,结合测井解释过程中文本、图片、音视频等多模态资料深入挖掘实体属性关系,搭建了测井领域本体层,并基于CasRel实体关系联合抽取,余弦相似度多模态知识融合和TransR多模态表示学习技术完成了测井领域多模态知识图谱的构建。通过大庆测试服务分公司现场实际验证表明,基于该文构造的测井领域多模态知识图谱有效增强了测井知识的整合、互联和共享。

基于卷积神经网络的医疗护理实体关系抽取

针对医疗护理领域知识复杂性强、数据量大以及对准确度要求较高的问题,该研究提出一种基于卷积神经网络的医疗护理学实体关系抽取方法,实现对护理学语义关系的细粒度文本挖掘。该研究构建了医疗护理学语料标注系统,通过将医疗语料转化为向量特征矩阵,实现了对医疗语料的自动过滤和标注。通过向神经网络模型嵌入所构建的医疗关系语料库,一定程度上提高了模型疾病分类的准确度。在医疗护理学数据集上的实验表明,基于卷积神经网络的模型在指标精确度、召回率、F1值可达到89.78%、87.59%、89.77%。综上所述,该研究提出的基于卷积神经网络的医疗护理学实体关系抽取方法能够有效地抽取医疗语料数据中的实体关系,优于传统的实体关系抽取模型。

基于U-Net网络的成像测井图像修复方法研究

针对微电阻率成像测井图像部分缺失的问题,该文提出了一种基于改进U-Net卷积神经网络的修复方法。该方法使用了VGG16网络的预训练权重,对模型参数进行初始化;引入混合空洞卷积增大感受野来捕获多尺度缺失区域信息;并且通过在模型中引入双向注意力图模块,前向注意力图进行缺失区域权重的重加权,反向注意力图注重修复区域的质量提升。根据实验结果,测试集中五组缺失区域大小不同的成像测井图像的平均结构相似性度量为0.93,相比其他同类方法提升了0.25左右。研究表明,该方法可用于微电阻率成像测井图像的修复,并在语义结构连贯、纹理细节等方面有不错的提升,从而为保证对微电阻率成像测井图像后续解释的顺利推进提供了一种新的深度学习方法。

基于一维卷积神经网络的地层智能识别方法

地层识别是油气藏勘探的研究基础。传统地层识别由地质学家根据自身掌握的知识和经验手工完成,这种地质学家主导的人工解释是主观的、耗时的,可能引入人为偏差。深度学习在解决复杂非线性问题上具有优势,目前尚无有效解决地层识别的深度学习方法。针对测井-地层识别,提出了基于特征工程和一维卷积神经网络的地层智能识别方法。首先,利用INPEFA技术和中值滤波对原始曲线进行了多维重构,更好地提取了原始曲线的地层趋势及边缘特征,并对重构矩阵和原始曲线特征采用K-means聚类算法提取时空相关聚类特征;然后,以原始曲线特征、INPEFA曲线、中值滤波特征和聚类特征作为输入,基于一维卷积神经网络得到当前深度地层预测类型。与长短期记忆网络(LSTM)和传统的机器学习方法对比发现,在地层的识别上,地层智能识别方法具有更优异的性能和鲁棒性。该方法能有效识别地层,识别准确率达到92.82%,且在识别地层的同时也完成了地层划分。

基于知识图谱的测井储层推荐算法研究

针对实际应用中测井解释人员由于经验不足以及测井解释模型所选取的参数不当、差错等,所造成的测井处理解释结果的评价精度不准等问题,提出了一种基于知识图谱的测井储层推荐算法。首先,构建测井领域知识图谱对测井解释操作人员和其测井储层特性信息进行统一表示;其次,通过加入注意力机制和TransR算法对测井领域知识图谱进行补全,再通过连接机制把推荐算法与知识图谱结合起来;最后,根据潜在特征预测并推荐测井领域中储层参数信息。在测井领域数据集上的实验结果表明,该推荐算法在Top-K推荐中K=15时,其准确率、召回率和归一化折损累计增益三个指标比同类算法分别提高了6.21%、8.05%、4.82%,并能够高精度预测和推荐测井领域储层参数信息以及更准确地判断储层油气状况,从而揭示出基于知识图谱构建测井储层推荐算法的研究方案是可行的。

量子神经网络在PID参数调整中的应用

提出一种基于量子神经网络(QNNs)的比例积分微分(PID)参数在线调整方法。通过构造受控量子旋转门,给出一个量子神经元模型,其中包括输入量子比特相位的旋转角度和控制量2种设计参数。在此基础上提出一个量子神经网络模型,利用梯度下降法设计该模型的学习算法,并将其用于PID参数的在线调整,实验结果表明,QNNs的调整能力及稳定性均优于反向传播网络。

改进的DTW算法在实时语音辨识系统中的应用

改进了传统的动态时间弯曲算法结构,将其应用到实时语音辨识系统中,并在计算机上进行了仿真。实验结果表明采用改进后的DTW算法有效地降低了待处理数据量和识别时间,提高了系统的运行速度。随着待识别语音信号数量的增多,该算法优势更加明显。

基于描述逻辑的可扩展的案例表示及检索研究

案例推理(CBR)与领域知识的结合是CBR近年来的研究热点之一,不同的知识表示方式对CBR系统性能产生不同的影响。在分析传统知识表示与CBR结合不足的基础上,提出了一种可扩展的基于描述逻辑(DL)的案例表示模型,并给出了相应的案例检索算法。此模型强调在CBR系统中领域知识主要是为案例检索及修正服务,对领域知识的使用程度应根据CBR的实际需求和应用背景来确定,在保持了CBR系统优点的同时,也提供了一种灵活使用领域知识的手段。

基于Stacking集成学习的岩性识别研究

针对传统集成学习模型利用测井资料进行地层岩性识别效果不佳的问题,提出了一种改进的集成学习模型。该模型使用CART决策树、K近邻算法(KNN)、支持向量机(SVM)和多层感知机(MLP)为基模型,逻辑回归(LR)为元模型,使用PCA算法计算每个基模型的权重,并且将权重融入到第二层元模型的训练数据集中,从而给元模型提供了更多质量较高的训练数据,以此构建出一个精准的多层集成学习模型。并且通过准确率、F1-Score两个指标对该模型进行了评估。最后将改进后的集成分类模型应用在实际的井区数据中,实验表明改进后的模型相较于传统的Stacking集成模型准确率提升了1.85个百分点,F1-Score提升了2个百分点,与实际结果相比有较高的一致性,充分证明了改进后的集成分类模型的有效性。

量子衍生布谷鸟算法及在地层对比中的应用

为提高布谷鸟搜索算法的寻优能力,通过在经典布谷鸟搜索算法中引入量子计算机制,提出一种量子衍生布谷鸟搜索算法。该算法采用量子比特编码个体,采用泡利矩阵确定旋转轴,采用Levy飞行原理确定旋转角度,采用量子比特在Bloch球面上的绕轴旋转实现个体更新。针对钻井剖面地层对比的具体特点及需要满足的约束条件,提出应用量子衍生布谷鸟算法进行地层对比优化的实施方案,该方法既能对比不同地层之间的相似性,也能处理对比井地层因断层或尖灭等因素造成的缺失。实验结果表明,在复杂地质情况下,该算法是有效的和可行的。

测井放磁图接箍主峰倾斜校正算法

测井放磁图在扫描输入时产生的倾斜会对CCL曲线接箍主峰深度提取产生很大的影响。提出了一种测井放磁图接箍主峰倾斜校正算法。该算法通过先进行CLR深度预处理,再利用改进的Hough变换,克服了传统Hough变换计算量偏大、速度慢的弱点;而且实现了大范围、高精度的放磁图接箍主峰倾斜校正,具有较强的实用价值。

基于双链量子遗传算法的过程神经元网络训练

基于函数正交基展开的过程神经元网络训练,由于参数较多BP算法不易收敛。针对这一问题,本文提出了一种基于双链量子遗传算法的解决方案。首先按权值参数的个数确定染色体上的基因数,完成种群编码,然后通过染色体评估获得当前最优染色体,以该染色体为目标,用量子旋转门完成种群中个体的更新,用量子非门实现个体变异增加种群多样性。在该方法中,每条染色体携带两条基因链,因此可扩展对解空间的遍历性,加速优化进程。以两组二维三角函数的模式分类问题为例,仿真结果表明该方法不仅收敛速度快,而且寻优能力强。

基于SPCTR算法半对数坐标系测井曲线矢量化方法研究

以SPCTR算法作为基础进行测井曲线识别工作,结合参考各种综合解释成果图的特点,经过严谨的分析和大量的实验,实现了一种半对数坐标系下的测井曲线矢量化的方法。

基于自寻优和交叉寻优的量子优化算法

为提高群智能优化算法的搜索能力,提出了一种量子优化算法。该算法基于量子位Bloch坐标,将种群分为最优个体和普通个体两部分并进行不同处理,对于最优个体,通过使所有量子比特在Bloch球面上绕着坐标轴多次旋转,生成多个新个体,并采用贪婪搜索策略选择最优个体;对于普通个体,将当前个体的量子比特向着随机交叉确定的目标位置旋转,生成新个体,并在当前个体和新个体之间通过贪婪选择以实现当前个体的交叉寻优。函数极值优化的仿真结果表明,所提算法在优化能力上,优于简单量子遗传算法、普通遗传算法和人工鱼群算法,从而验证了算法的有效性。该算法在高维能很好地避免陷入局部最优值,具有快速收敛性和良好的全局搜索能力,实验结果揭示出采用量子计算设计优化算法进而提升搜索能力的研究思路是可行的。

基于知识库的解释模型智能优选测井数据处理方法

在复杂储层评价中,针对不同性质特点的目标层段自动选取最佳校正图版和解释方程,这对测井曲线进行智能化处理是非常需要但同时又是难于解决的一个问题。依据测井曲线特征可将测井处理解释知识分为基础信息、规则和策略,并结合解释参数、解释模型和解释图版等测井资料,构建了能够通过数据挖掘中的关联规则和项目集加权增量算法实现自动更新的测井处理解释知识库,基于该知识库构建了一个测井处理解释子系统,能够初步实现复杂储层测井处理解释从知识获取到参数和模型智能优选的全过程。通过在国家重大科技专项一体化平台CIFLog上的集成运行,证明了该处理流程及算法是科学有效的。

基于分段线性插值的过程神经网络训练

过程神经元网络的输入为时变连续函数,不能直接输入离散样本。针对该问题,提出一种基于分段线性插值函数的过程神经网络训练方法。将样本函数、过程神经元权函数的离散化数据插值为分段表示的线性函数,计算样本函数与权值函数乘积在给定采样区间上的积分,将此积分值提交给网络的隐层过程神经元,并计算网络输出。实验结果证明了该方法的有效性。

量子衍生差分进化算法的设计与实现

为提高差分进化算法的优化性能,从研究差分进化算法的实现机制入手,提出将差分策略与量子比特在Bloch球面的绕轴旋转相融合的新思想。个体采用基于Bloch球面描述的量子比特编码,采用差分策略计算当前个体上量子比特的旋转角度,采用向量积理论构造旋转轴,采用泡利矩阵构造旋转矩阵,以当前最优个体上相应量子比特为目标,在Bloch球面上沿旋转轴向目标比特旋转。采用Hadamard门实现个体变异。函数极小值优化的仿真结果表明,所提方法单步迭代的平均时间约为普通差分进化算法的13倍。当限定步数相同时,优化结果约为普通差分进化算法的0.3倍,当运行时间相同时,优化结果约为普通差分进化算法的0.4倍。从而表明所提算法计算效率降低,但寻优能力明显提高,整体优化性能优于原算法。