改进的Alexnet模型及在油井示功图分类中的应用

现在有杆抽油机采油设备仍在原油开采中占据主导地位,示功图采集及分析是检测、预防、解决采油生产过程中各种故障的有效措施和手段。借助人工智能方法进行油井抽油机示功图自动分类识别和故障判断一直是研究的重点。深度学习为示功图识别和解释研究注入了新的活力。主要对卷积神经网络在油井抽油机示功图自动识别中的应用进行研究,提出一种改进的Alexnet模型,实现了示功图的自动识别,并与目前常用的神经网络模型进行了比较。实验表明,改进的Alexnet模型在保证识别准确率高的同时有效降低了训练学习时间,很好地达到了实际应用要求。

DBN在测井解释中的研究与应用

测井解释就是将测井信息加工解释成地质信息,以往大多通过数学方法建立解释模型或者使用最基本的反向传播(back propagation,BP)网络来完成这项工作.针对BP网络存在学习训练效率不高的问题,提出了将深度置信网络应用于测井曲线解释.针对测井解释的特点,选择4条测井曲线数据作为输入进行泥砂分层以及孔隙度的预测实验,并与BP网络的预测结果进行对比分析.实验表明,深度置信网络可用于测井曲线解释,其分类精度较一般BP算法有所提高并且训练时间有所降低.

基于WPF三层架构的油气管输价格管理系统的开发与应用

为了实现油气管输价格管理的信息化和资源共享,特别是实现管输价格的自动化测算、价格申请报告的自动编写,探讨了在WPF框架下开发油气管输价格管理系统涉及的主要技术,分析了油气管输价格管理系统的主要功能,设计了油气管输价格管理系统的体系结构,采用以MVC三层体系架构为基础,同时应用FlexCell和RDLC等技术丰富人机交互界面的方式来构建油气管输价格管理系统。对系统的数据层、业务逻辑层、表示层组件进行了规划和设计,为应用程序开发提供了有益尝试。

关于我市城区建立整治违法违章建筑常态长效机制的几点思考

自全省违法建设专项治理工作动员部署电视电话会议召开以来，我市高度重视、周密部署，明确了由市城市管理局作为全市违法建设专项治理工作的牵头部门，各级城管执法部门立足建立健全查违、控违、拆违的长效管理机制，坚持不懈做好“控违拆违”工作，对城区违法建设实施“零容忍”，落实严管强拆，对违章建筑发现一起处置一起，决不姑息，打好违建专项治理攻坚战，全力确保“两违”建筑“零增长”。