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。

系列石膏联合康复训练对痉挛型脑瘫患儿手功能影响的疗效研究

目的:探讨系列石膏对痉挛型脑瘫患儿手功能的影响。方法:选取痉挛型脑瘫偏瘫、四肢瘫患儿40名,随机分为观察组和对照组各20例。2组均采取常规康复治疗方法,观察组在夜间睡眠时联合系列石膏治疗。在治疗前、治疗后3个月、6个月分别评定2组患儿拇指桡侧外展角、上肢技巧质量测试量表(QUEST)A区、B区及儿童功能独立性评定量表(WeeFIM)中自理能力项。结果:2组治疗3及6个月后拇指桡侧外展角与治疗前比较均增加(均P<0.05),且观察组与对照组比较增加更明显(均P<0.05)。观察组治疗3及6个月后、对照组治疗6个月后QUEST评定A区、B区评分与治疗前比较均提高(均P<0.05),且观察组与对照组比较提高更明显(均P<0.05)。2组治疗6个月后WeeFIM量表中自理能力项得分与治疗前比较均提高(P<0.05),且观察组与对照组比较提高更明显(均P<0.05)。结论:系列石膏联合康复训练可明显改善痉挛型脑瘫患儿拇指内收异常姿势,提高手功能及日常生活能力。

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。

低附着路面下的车辆横向控制研究

现有的横向控制技术可以保证车辆在简单环境内行驶,但在低附着系数路面环境下的行驶存在路径跟踪效果差、车辆稳定性低等现象。为解决此类问题,文章将对智能车辆横向控制展开研究。文章设计的了一种上层采用变增益模糊滑膜控制、下层采用模糊比例微分积分(PID)控制的双层横向控制算法,在增强操纵稳定性的基础上,提升智能车辆在低附着路面下的控制效果。采用MATLAB/Simulink与CarSim的联合仿真形式,选择双移线工况和定曲率工况来验证其性能。仿真结果表明,文章设计的车辆横向控制器控制的车辆路径跟踪精度高,行驶稳定性良好。

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。

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。

铁矾渣中有价金属的微生物矿化-浮选回收可能性和前景

铁矾渣含有较高的重金属和硫酸盐,是一种具有金属回收价值的危险固体废物。高效回收铁矾渣中有价金属是铁矾渣资源化和无害化的重要方向,但目前使用的湿法、火法、湿法-火法联合法和硫化-浮选法等,其资源化和无害化程度均有限。借鉴硫酸盐还原菌这种矿化微生物对含硫酸盐和重金属废水的无害化处理原理和研究成果,本文提出了微生物矿化-浮选法回收铁矾渣中有价金属的思路以及需解决的关键技术问题,有望成为铁矾渣及类似有色金属冶炼渣中有价金属高效、无害化回收的一种可行方法。

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。

失重下柚皮苷作用于T细胞干预的成骨细胞增殖分化研究

目的探讨在模拟微重力情况下,柚皮苷作用于T淋巴细胞-成骨细胞共培养体系后,成骨细胞的增殖分化情况及其机制。方法提取SD乳鼠成骨细胞,在微重力环境下,与大鼠T淋巴细胞体外共培养。分为干预组与对照组。干预组加入中药物质柚皮苷干预液,对照组加入同体积不含血清的培养基。通过CCK-8检测成骨细胞增殖情况、ALP活性检测盒检测ALP活性、Western Blot测定蛋白PCNA表达观察细胞增殖情况,测定细胞外调节蛋白激酶ERK表达,研究其机制通路。结果干预组的ALP活性高于对照组,PCNA蛋白表达增高,ERK蛋白表达增高,且具有统计学意义(P<0.05)。结论在微重力下柚皮苷促进了T细胞干预下的成骨细胞增殖分化,其作用机制可能是通过激活ERK通路来实现的。

模拟微重力下骨碎补柚皮苷对T细胞干预的成骨细胞BMP-2及OPN蛋白表达的影响

目的:观察模拟微重力下骨碎补柚皮苷对T淋巴细胞干预下的成骨细胞BMP-2及OPN蛋白表达的影响。方法:取SD乳鼠颅盖骨提取成骨细胞进行培养,按照实验分组,与原代T淋巴细胞共培养24 h,将对照组置于微重力模型中培养,将骨碎补主要成分柚皮苷作为药物干预进行实验,其余参照组均加入同体积培养液于37℃,5%CO_(2)培养箱培养24 h,显微镜下观察成骨细胞增殖变化,ALP活性检测盒检测成骨细胞的ALP表达,通过ELISA方法和Western blot方法检测BMP-2蛋白表达;通过ELISA方法检测OPN蛋白表达。结果:与对照组相比,在模拟微重力情况下,与T淋巴细胞共培养组的成骨细胞BMP-2及OPN蛋白表达显著下降(P<0.05);加入骨碎补柚皮苷药物干预后BMP-2及OPN表达有所增加,差异有统计学意义(P<0.05)。结论:模拟微重力下骨碎补柚皮苷能够改善T细胞干预的成骨细胞的BMP-2及OPN的蛋白表达,从而促进成骨细胞的增殖及分化能力。

集束化排尿管理方案在老年髋部骨折病人护理中的应用

目的:探讨集束化排尿管理方案在老年髋部骨折病人围术期护理中的应用效果。方法:以方便抽样法抽取2018年6月—2018年12月入院手术的47例老年髋部骨折病人作为对照组,实施常规排尿管理方案;2019年1月—2019年6月入院手术的53例老年髋部骨折病人作为观察组,实施集束化排尿管理方案,比较两组病人护理效果。结果:两组病人泌尿系感染发生率、术后24 h尿管拔除率、留置尿管时间比较差异均有统计学意义(P<0.05)。结论:集束化排尿管理可尽早识别排尿异常问题,降低泌尿系感染发生率,加速病人的康复进程。

基于UNet3+的伽马成像测井自动解释方法

鉴于传统的伽马成像测井解释对地层轮廓的拾取往往依赖于人工解释或者解释软件辅助,存在工作量大、识别精度不高、效率低等问题,提出一种基于卷积神经网络UNet3+的伽马成像测井自动解释方法,实现伽马图像像素级分割,自动拾取地层轮廓,并采用非极大值抑制法细化地层轮廓,从而使地层轮廓更好地呈现出正弦构造,同时提高倾角计算的精度。在轮廓分割结果图中,采用Selective Search算法计算轮廓拟合区域,生成目标轮廓候选框,在候选框内拟合地层轮廓点并进行倾角计算。通过在实际伽马成像测井资料上进行实验,结果和分析表明,该方法可以有效提取出地层轮廓,保证伽马成像测井解释的准确率,提高解释工作效率,较好地满足实际生产应用需求。