邻域信息分层感知的知识图谱补全方法

知识图谱补全(KGC)旨在利用知识图谱的现有知识推断三元组的缺失值。近期的一些研究表明,将图卷积网络(GCN)应用于KGC任务有助于改善模型的推理性能。针对目前大多数GCN模型存在的同等对待邻域信息、忽略了邻接实体对中心实体的不同贡献度、采用简单的线性变换更新关系嵌入等问题,提出了一个邻域信息分层感知的图神经网络模型NAHAT,在关系更新中引入实体特征信息,通过聚合实体和关系表征来丰富异质关系语义,提高模型的表达能力。同时,将自我对立的负样本训练应用到损失计算中,实现模型的高效训练。实验结果表明,与图卷积网络模型COMPGCN相比,所提出的模型在FB15K-237数据集上Hits@1、Hits@10指标分别提高了3%、2.6%;在WN18RR数据集上分别提高了0.9%、2.2%。验证了所提出的模型的有效性。

波动方程正演引导的深度学习地震波形反演

物理驱动的全波形反演方法计算成本高,数据驱动的深度学习反演方法对标记数据集的依赖性强。为了在有限的数据条件下获得更好的反演结果,结合数据驱动与物理驱动,提出了波动方程正演引导的深度学习地震波形反演方法。首先,利用地震数据应用神经网络重建速度模型,对网络预测的速度模型进行正演建模,通过最小化速度模型的误差及地震数据的误差训练网络;其次,使用有限差分法将二阶偏微分波动方程近似为可微算子,使正演过程能够传递梯度,并根据梯度方向动态调整地震数据损失的权重。实验结果表明,该方法能在一定程度上降低数据驱动方法对标记数据集的依赖性,可得到更准确的速度模型,且具有较强的鲁棒性。

面向地质领域的实体关系联合抽取研究

构建地质领域的知识图谱有助于便捷高效地共享和应用多源地质知识,而地质关系三元组抽取对地质领域知识图谱构建具有重要意义。针对现有实体关系联合抽取模型无法有效识别重叠三元组的问题,考虑地质领域专业知识的特殊性,基于预训练语言模型BERT建立一种用于地质领域关系三元组抽取的层级标注模型HtERT。采用中文预训练语言模型BERT-wwm替代原始的BERT模型作为底层编码器,以提高模型对中文的编码能力。在实体识别阶段,引入关于实体起始位置的嵌入表示来限制实体的抽取长度,从而提升实体识别的准确度。引入全局上下文信息和BiLSTM网络使得模型抽取到的特征能更精确地表示地质样本信息,增强模型对地质关系三元组以及重叠三元组的抽取能力。在地质领域数据集上的实验结果表明,HtERT模型相比于PCNN、BiLSTM、PCNN+ATT、CASREL等基线模型具有明显优势,精确率、召回率以及F1值分别平均提升15.24、10.96和13.20个百分点,验证了该模型在地质领域实体关系联合抽取任务中的有效性。

一种用于深度学习断层识别的高分辨率地震图像合成方法

断层识别是研究断层构造基础,也是地震资料解释和油藏地质分析的关键环节,针对断层智能化识别研究中的训练数据不足、数据质量差、标注困难等问题,论文提出了一种基于Pix2pix框架的高分辨率断层地震图像合成方法。首先以断层位置信息建立地震记录的标签映射,作为输入生成对抗模型的约束信息;其次通过全局生成器与局部生成器实现由粗糙到精细的图像生成,同时通过一个影响因子去控制多级判别器对不同抽象级别特征的重视程度。最后通过与其他方法的对比实验,论文方法具有更好的视觉感知效果,以及更优的FID,PSNR与SSIM定量化评价指标,可作为监督学习的训练数据来源。

基于长短期记忆神经网络的随钻地层倾角解释方法

鉴于随钻方位伽马测井面临实时数据传输的信息有限且解释难度大的问题,将人工智能与随钻测井解释相结合以提高实时数据处理的准确性和效率,阐述了具体方法并对提出的方法进行了验证和应用。通过研究方位伽马测井曲线的地层响应特征,基于小波变换模极大值的方法初步判断地层变化位置并确定动态阈值,进而得到描述地层边界的轮廓点集合。基于长短期记忆神经网络设计地层识别分类器模型,判定轮廓点集合描述地层信息的真伪,提高地层识别的准确度。结合非线性最小二乘法实现地层相对倾角的计算。方位伽马数据解释与随钻实时数据处理两方面的应用结果表明:提出的方法在有效、准确地判断地层变化的同时,提高了倾角解释的准确率,且能够满足随钻实时地质导向的需要。图8表3参27。

基于拉普拉斯金字塔生成对抗网络的图像超分辨率重建算法

针对目前的图像超分辨率重建算法中存在的大尺度因子的重建效果较差、不同尺度的图像重建均需要单独训练等问题,提出一种基于拉普拉斯金字塔生成对抗网络(GAN)的图像超分辨率重建算法。算法中的生成器使用金字塔结构实现多尺度的图像重建,从而以渐进上采样的方式降低了大尺度因子的学习难度,并在层与层之间使用密集连接加强特征传播,从而有效避免了梯度弥散问题。算法中使用马尔可夫判别器将输入数据映射为结果矩阵,并在训练的过程中引导生成器关注图像的局部特征,从而丰富了重建图像的细节。实验结果表明:在Set5等基准数据集上分别进行放大2倍、4倍、8倍的图像重建时,所提算法的平均峰值信噪比(PSNR)分别达到了33.97 dB、29.15 dB、25.43 dB,平均结构相似性(SSIM)分别达到了0.924、0.840、0.667,相比用于超分辨率重建的卷积神经网络(SRCNN)、深度拉普拉斯金字塔超分辨率重建网络(LapSRN)、用于超分辨率重建的生成对抗式网络(SRGAN)等其他算法有较大提升,且其重建的图像在主观视觉上保留了更多生动的纹理和小颗粒细节。

基于随钻方位伽马测井的地层倾角自动识别

在钻井过程中及时获得地层倾角有利于钻头更准确的在油层中穿行。针对利用随钻自然伽马测井数据识别地层倾角的问题,分析目前结合计算机图像处理技术进行地层倾角自动识别方法存在的问题,根据伽马数据的特点提出了轮廓跟踪自适应跟踪算法,定制轮廓跟踪顺序,该算法根据伽马数据测距自动收缩或扩大跟踪范围,可有效避免因测距不同造成误差;改进了最小二乘拟合算法,结合哈夫变换正弦拟合的思想缩小了拟合范围,提高了拟合精度与速度。利用随钻方位伽马模拟数据进行了实验,结果和分析表明,提出的方法能很好实现地层倾角自动识别,验证了方法的可行性、准确性以及较高的效率。

基于可信度分析的钻井液脉冲信号识别方法

针对随钻测量过程中钻井液脉冲信号识别困难的问题,在分析钻井液脉冲信号的产生原理及噪声特性的基础上,通过研究信号波形特征属性和信号相似度,建立了基于可信度分析的钻井液脉冲信号识别方法。根据该方法设计的钻井液脉冲信号识别原型系统能够实现灵活多变的交互式控制、动态参数调整和处理过程可视化实时呈现,在真实数据模拟中获得了很好的效果。基于可信度分析的钻井液脉冲信号识别方法有较好的适应性,可以准确、智能地识别复杂矿场环境中的真实信号波形,为随钻测量工作的顺利进行提供了技术支撑。

随钻方位伽马测井仪器响应数值模拟研究

研究不同地质构造下的随钻方位伽马成像模式能够为快速准确识别钻头穿越地层情况提供基础。建立了随钻方位伽马测井的模拟探测模型,分析了方位伽马探测范围与地层相交于不同位置的物理模型,将笛卡尔坐标与球坐标下的模型相结合,导出了不同位置模型下的方位伽马测井响应模拟算法。将模拟结果与方位伽马测井仪实测结果对比,证明了该算法可以有效模拟方位伽马响应特征,具有较高的准确性。模拟了钻头钻遇地层时的图像并分析图像特征,为实时地质导向提供了理论依据。

基于相带划分的孔隙度预测

孔隙度是油藏储层特性评价的重要指标,储层岩石组成成分不同,其孔隙结构也相应存在差异.研究沉积相对孔隙度影响这一重要因素,提出一种基于相带划分的孔隙度预测方法,首先利用阻抗数据、采用k-means聚类方法进行沉积相估计,获得储层的相带空间展布特征,然后对不同相带使用岭回归的方法对孔隙度进行预测.与其他方法相比,该方法较好地解决了因岩石物理特性意义不明确而造成的预测中的多解性问题,提高了预测准确度.使用实际区块油藏数据对该方法进行了实验验证,实验结果表明,该方法可以有效融合地质信息,预测稳定性高,受人为因素影响小,预测的符合度明显高于支持向量回归等其他方法.

复杂非均质地层的等值线生成算法研究

针对地层数据特点,研究和分析了复杂非均质地层数据等值线绘制方法的不足,提出一种新的分区方法,实现了带断层的数据集合划分。基于Delaunay三角剖分算法,并以几何多边形为雏形,建立了带约束的三角网格模型。采用约束Delaunay三角网的拓扑结构,选用改进的反距离加权插值算法,有效地解决了断层两侧高程值问题,并结合实际应用要求在VC++与OpenSceneGraph的开发环境下,实现了非均质带断层的地层等值线的绘制。通过对国内某采油厂的实际油气储集地层数据等值线图的绘制和可视化,证明了方法的可行性和准确性。

基于异步优势执行器评价器的自适应PID控制

自适应PID较好地解决了传统PID无法自整定参数的问题,已成为控制领域内的研究热点;研究基于异步优势执行器评价器(Asynchronous Advantage Actor-Critic,A3C)算法设计了一种新的自适应PID控制器;该控制器利用A3C结构的多线程异步学习特性,并行训练多个执行器评价器(Actor-Critic,AC)结构的智能体,每个智能体采用多层前馈神经网络逼近策略函数和值函数实现在连续动作空间中搜索最优的参数整定策略,以达到最佳的控制效果;与已有的多种自适应PID控制器性能对比分析结果表明该方法具有收敛速度快,自适应能力强的特点。

一种基于不规则三角网的地层等值线绘制方法

等值线图是地图学中最常用的地理要素,是地质资源信息系统中最基础和常见的数据表示形式。针对地质模型其地层可视化的特点,研究和分析传统等值线追踪方法的不足,提出一种基于不规则三角网的等值线分类追踪算法。该方法对数据存储模式进行了简化处理,并结合实际应用要求在VC++与Open Scene Graph的开发环境下,实现了等值线的绘制。通过建立地层属性的映射规则,对等值线图进行了填充,达到了地层三维可视化的真实效果,以某采油厂地层离散数据为例,验证了等值线追踪算法的可行性和正确性。

多阈值BIRCH聚类在相控孔隙度预测中的应用

岩相及孔隙度预测在油气勘探中非常重要,为此,提出一种基于多阈值BIRCH(Balanced Iterative Reducing and Clustering Using Hierarchies)聚类的岩相预测方法,并以此为基础利用岭回归算法预测孔隙度。首先,根据地震波阻抗数据分布规律启发式设定初始阈值,根据簇之间体积的不一致性,动态增加阈值,使用Agglomerative算法进行全局聚类以划分岩相;然后,以井点处孔隙度和地震波阻抗数据为输入,在同一岩相内采用改进的岭回归方法预测孔隙度。模型实验表明,多阈值BIRCH聚类方法具有良好的稳定性和较高的计算效率,岩相划分准确。实际数据结果表明,该方法能够准确预测孔隙度。

基于多层集成学习的岩性识别方法

岩性识别是油藏地质解释中的关键问题和难点问题,人工智能特别是机器学习技术的发展和应用为岩性识别问题解决提供了新的技术途径。本文利用支持向量机(Support vector machine,SVM)、多粒度级联森林(Multi-grained cascade forest,GCForest)、随机森林(Random forest,RF)以及XGBoost(eXtreme gradient boosting)等机器学习模型建立一个异构多层集成学习模型,该集成学习模型克服了单一模型对数据集要求高、泛化能力差以及识别精度低等缺点。本文分别利用集成模型和单一模型进行了岩性识别实验。实验结果表明,本文集成模型在岩性分类测试集上平均精度达到96.66%,高于SVM的平均精度75.53%、GCForest的平均精度96.21%、随机森林的平均精度95.06%和XGBoost的平均精度95.77%。该集成模型能有效地用于油藏地质分析中的岩性识别和分类任务,适应性强,识别精度高。

基于示功图大数据的立式抽油机故障分析

有杆抽油系统是目前原油开采的主要方式。抽油机的数字化控制、自动化管理、智能化运行是智能油田的主要目标之一。物联网及深度学习技术的发展为实现抽油机的智能化提供了技术支撑。软件子系统已经成为新一代智能立式抽油机系统的重要组成部分,目的是利用采集的大数据进行智能监控和生产分析决策。基于获得的示功图工况大数据,利用深度学习技术,建立新一代立式智能抽油机的故障分析模型,在保证识别准确率高的同时有效降低训练时间,很好地达到实际应用要求。

基于主动学习的SVM评论内容分类算法的研究

随着信息时代的到来,互联网平台上的文本数据开始爆发式增长,其中难免夹杂着一些不法数据。这些数据往往隐藏在海量数据中,因此给平台检索这些不法数据增加了难度。在这种情况下再用传统的文本分类方法已经不能满足需求了。因此论文根据文本数据的特点提出了基于主动学习的SVM评论内容分类方法,该方法使用主动学习的思想将敏感词向量、k-means聚类算法和SVM分类算法结合在一起,在使用更少训练集的基础上提高文本分类的准确率。实验结果表明,使用论文提出的方法对文本进行分类,在分类时间和结果准确率方面上都得到了一定程度的提高。

一种基于样本点距离突变的聚类方法

针对聚类算法常见的难以确定参数、难以适应各种形状的数据集、在提高算法普适性时时间复杂度增大的问题,提出一种新的聚类算法:结合数据集全局和局部的特征寻找样本点距离的突变位置,通过计算样本点的簇内最小距离实现凸球型数据集的聚类;在此基础上提出子簇连结性强弱的概念,依据两个容易确定的参数进行子簇合并来适应各种形状的数据集.将该算法与DBSCAN(Density⁃Based Spatial Clustering of Applications with Noise)等多种聚类算法在四种经典数据集上比较,结果表明,该算法适用于类簇形状复杂的数据集,在同等聚类能力的算法中计算速度更快,且具有参数少、易确定的优点,在综合性能上表现优秀.

基于联合概率的构造等高线断线重建方法

针对构造等高线断线重建问题,文中分析了多种等高线断线重建算法,提出了一种基于联合概率的构造等高线断线重建算法。将分割后的等高线的断点进行分类,分别处理每一类断点。在中间断点处理过程中,先根据方向信息对其进行分组,然后在考虑断点距离、方向差异和拟合曲线平均曲率等因素的基础上,采用基于最大连接概率的等高线断线重建算法进行断线重建。实验结果表明,该方法解决了不同尺寸图像和不同复杂程度的构造等高线图的断线重建问题,与现有方法相比,具有较好的适应性和准确性。

跨模态检索研究文献综述

随着互联网技术的蓬勃发展和智能设备的普及,多媒体数据在数量爆炸式增长的同时,其形态也越来越多样化。人们获取信息的需求已经不满足于单一模态的数据检索,通过不同模态的知识协同实现跨模态的检索成为近几年研究的热点。在深入了解分析跨模态检索研究背景和研究进展的基础上,以跨模态检索的关键技术——公共子空间建模为主线,对跨模态检索技术的三大类方法传统统计分析方法、深度学习方法与哈希学习方法,从不同角度对研究内容、关键技术、局限性、适用性和特点等方面进行了全方位、多角度的对比分析,并进行了实验以更深入地对比。最后,对跨模态检索有待解决的难点、未来的探索方向、近些年主流设计思路以及发展趋势进行了充分展望,为进一步研究提供理论基础。