基于矩阵属性变换的机械传动系统多方案产生

通过分析机械工程系统的功能关系确立待设计系统的物理变量 ,利用键合图的基础元件建立基本功能转换矩阵 ,根据机械系统中能量传递建立系统矩阵模型 ,采用矩阵属性变换 ,产生多个机械传动系统设计方案。

基于多属性变换的煤田波阻抗反演应用研究

随着煤炭资源勘探深度的日益增加,复杂的地质条件对岩性勘探提出了新的要求,常规的反演技术捉襟见肘。本文避开了以褶积模型为基础的常规反演,从基于地震属性技术的反演技术出发,选择利用多元线性回归技术和径向基神经网络技术进行反演研究。论文以山西阳泉某矿地震勘探资料为例进行反演计算,计算研究结果表明,基于多属性变换的反演技术效果优于常规的反演方法,在煤田反演中可以得到广泛的推广。这就为煤田岩性地震勘探提供了一项有效的技术,有很好的应用前景。

用多属性变换由地震数据预测测井特性

描述了一种由地震数据预测测井特性的新方法。分析的数据由一系列与某个 3D地震数据体相连的井的目标测井曲线组成。从 3D地震数据体计算了一系列基于样点的属性 ,目标是要导出一个多属性变换 ,即属性的某个子集与目标测井值之间的线性或者非线性变换。选定的子数据体是用向前逐步回归的方法确定的。传统交会图的扩展包括用褶积算子来消除目标测井曲线与地震数据之间的频率差异。在线性模式中 ,多属性变换方法要采用最小平方法计算一系列权值。在非线性模式中 ,则是用选定的属性为输入进行神经网络训练。对两种类型的神经网络 ,即多层前馈神经网络 (MLFN)和随机神经网络 (PNN)进行了评价。为了评价导出的多属性变换的可靠性 ,进行了交叉验证 ,即从训练数据体中按顺序每次剔除一口井 ,再由剩余的井重新导出这一变换 ,然后计算被隐去井的预测误差。该变换应用于地震数据体时 ,将合理误差 (所有被隐去井的平均误差 )用作为似然预测误差。该方法被用于两组实际数据。在每种情况下 ,当从单属性回归到线性多属性预测 ,再到神经网络预测过渡时 ,预测能力持续提高。这种改善不仅对训练数据的效果明显 ,对验证数据的效果也很明显。此外 ,神经网络法与线性回归法相比 ,分辨率也有明显的改善。

利用地震反演和多属性变换技术估算东海Ulleung盆地局部区域的气体水合物资源量

基于密集的二维地震测网和随钻测井(LWD)数据,利用反演和多属性变换技术,我们对东海Ulleung盆地一个局部区域内(37 km×58 km)的气体水合物及其所含气体资源量进行估算。多属性变换技术可将实测或计算的测井曲线与不同地震属性的组合以及反演获得的声阻抗建立关联。我们假定似海底反射(BSR)是气体水合物稳定带(GHSZ)的底。首先根据简化的三相,Biot方程估算钻井处孔隙空间气体水合物饱和度,然后利用多属性变换技术预测沿地震测线的孔隙度和孔隙空间气体水合物饱和度。将气体水合物稳定带划分为10个等时间隔层位,根据测井位置处井震标定构建的时深关系,以500 m的网格尺寸将每一层位时间转化为深度。计算每一层的平均孔隙度和孔隙空间的气体水合物饱和度,将二者相乘获得气体水合物的平均总饱和度,计算所用的网格尺寸与厚度网格一致。这样,每一个二维单元都可用一个岩石体积和一个气体水合物的平均总饱和度来表征。岩石体积与气体水合物平均总饱和度的乘积就是每一单元的气体水合物量。最后将所有单元的气体水合物量相加,就可得到气体水合物的总量。研究区气体水合物与原地气体量大约分别是3.43×10^9 m^3(1.21×10^11 ft^3)和4.50×10^11 m^3(1.59×10^13 ft^3)。由于近海底之下50 m内的随钻测井数据通常不可靠,在不考虑这一区段的3个层位情况下,气体水合物体积及其所含气体体积的保守估算值分别是3.03×10^9 m^3(1.07×10^11 ft^3)和3.97×10^11 m^3(1.40×10^13 ft^3)。

利用多元地震属性预测测井特性

通过寻找井旁地震数据与测井曲线的关系,将这一关系应用到远离井的区域(只有地质数据,但无测井)来预测测井的有关特性,其方法有单属性分析和多属性分析[1]。本文通过实例描述了多属性分析的特点及预测结果。从单属性回归到多属性预测、再到神经网络预测过渡时,预测能力持续提高。同时对地震属性的选择和有效性进行了讨论,将结果应用到整个二维地震剖面上,能更好地确定井以外区域的测井特性。

基于J2ME技术的手机信息查询系统的设计与实现

本文以公安系统的应用为例,介绍了如何在基于Java的手机上实现信息的移动查询以及如何实现信息的属性变换,对基于J2ME的终端开发技术和服务器端开发技术等也做了说明。

天然气饱和度预测方法研究及应用

基于对AVO技术研究现状的深入调研,重点研究了基于叠前地震资料预测天然气饱和度的线性岩石属性变换的NI反演方法,探讨了如何对反演结果进行敏感性分析来正确预测有商业开采价值的天然气储层。实际应用结果表明,本文提出的天然气饱和度预测方法可行有效。

一种预测天然气饱和度的新方法

先前[1]介绍了一种基于叠前地震资料预测天然气饱和度的线性岩石物理属性变换的NI反演方法,并对反演结果进行敏感性分析进而有效预测有商业开采价值的天然气藏。在此基础上通过提高岩石物理属性变换的精度和加强孔隙流体变换约束进一步改进反演算法,有效提高了NI反演的精度。实际应用结果表明,二次方程NI反演方法有效提高了复杂地区天然气饱和度的预测效果。

基于条件循环生成对抗网络的人脸姿态重建

人脸姿态重建对于解决由于人脸姿态导致的人脸识别率降低的问题有重要意义,由于自遮挡,缺少大部分的人脸特征,重建正面人脸存在很大困难。近年来运用生成对抗网络的图像生成方法得到学界深入的研究,受生成对抗网络在人脸肤色,头发等属性变换等方面研究工作的启发,将人脸偏转角度作为人脸的一种全局姿态属性进行基于生成对抗机制的互换训练,提出了一种基于条件循环生成对抗网络(CC-GAN)的姿态重建方法,在FERET数据库上生成的人脸图像结构相似度达到了0.75,峰值信噪比达到了23.27 dB,均优于当前的其他方法,取得了良好的人脸重建效果。

未来服装将出现十大变化

据专家预测,未来服装将出现十大变化:一、永无皱痕。用特殊织物加工成的服装。无论放在何处,穿到身上皱痕将立即消失。二、免于洗涤。具有良好和持久物特殊化学反应去污能力。使从事易污染工作行业的人员免洗衣服。三、色彩多变。当受到不同光谱波长的光源照射时,就会反射出各种不同的颜色,显示五彩缤纷的色彩。四、新旧如一。由于有些织物高度耐用和色彩保真时间长,未来的一些服装十分耐穿,甚至穿一辈子不破。五、始终合身。一些服装将选用伸缩性强的面料,使其能够适应不同体型的人穿着。六、不怕雨水。织物本身具有不吸收水份等特点,一旦被雨淋湿,不但不会渗漏,而且很快就能干燥。七、柔中有韧。有的洗料内有超级韧纤维,能抵挡刃器和诸如犬类动物的噬咬。八、属性变换。对不想穿的服装,进行家庭无害化处理,可以变成饲料或肥料。九、冷暖适宜。