碳酸盐岩储层渗透率与孔隙度、喉道半径的关系

碳酸盐岩储层渗透率与孔隙度的相关性差,与喉道半径的相关性较好,但喉道半径的分布范围通常较大,究竟哪一种喉道半径对渗透率起主要的控制作用,对此还没有形成统一的认识。为此,有必要探讨碳酸盐岩储层渗透率与喉道半径之间深层次的关系,建立渗透率、孔隙度、喉道半径三者之间的关系模型。根据碳酸盐岩储层非均质性强、孔隙结构差异较大的特点,利用毛细管压力曲线特征参数对研究样品进行了分类,针对不同孔隙结构的样品分别研究上述三者之间的关系,避免了把所有样品放在一起研究而掩盖掉非均质性影响的情况。通过对压汞实验基本原理的深入分析,认为毛细管压力曲线的拐点所对应的喉道半径对渗透率起主要的控制作用,并首次提出了拐点喉道半径的概念。将各种喉道半径与渗透率进行相关性分析,证实了拐点喉道半径与渗透率的相关性最好,最终建立了拐点喉道半径与渗透率、孔隙度三者之间的关系模型。利用该模型计算的渗透率与岩心分析渗透率相关性较好,相关系数达到0.79。

利用改进DBSCAN聚类实现多步式网络入侵类别检测

面对非平衡的网络行为数据,单步检测方法难以高效准确地检测全部类别的网络行为.为提升网络入侵类别的检测能力,提出多步式聚类检测思路.首先,基于SVM-KNN算法改进Fisher评分方法,约简数据集维度,提高评分准确度.针对DBSCAN聚类需要人为设定参数的不足,将拐点半径概念引入聚类算法中,提出基于数据密度分布的自适应设参算法.然后,基于改进Fisher评分确定多步检测顺序,通过多步聚类减少大类数据占比,使非平衡数据均衡化,进而实现对非平衡网络行为数据的全类别准确检测.多步式检测通过NSL-KDD数据集予以实验验证,实验结果表明该方法具有稳定的检测效果,各种类别的网络入侵均可被良好检测,特别是在罕见攻击类别U2R方面,准确率明显优于其他单步检测算法.

基于改进MajorClust聚类的网络入侵行为检测

基于监督的入侵检测算法对于没有类别标记或识别特征不明显的网络访问连接,无法准确训练出入侵检测模型。为此,文章提出一种基于改进MajorClust聚类算法的无监督入侵检测算法,该算法能够动态自适应网络入侵行为数据的内在关系,实现自动高效地检测。改进MajorClust聚类算法,以未聚类邻边之和最小的点作为初始簇中心,依据簇中心与其他节点的距离分布特点,通过最小二乘法原理拟合点间的空间分布曲线,以曲线的拐点值作为聚类半径,并将簇抽象为节点重新进行聚类迭代,进而实现网络行为数据的自动聚类以及优化。文章构建了改进MajorClust算法、k-means算法及DBSCAN算法的无监督入侵检测模型,在优化处理的基础上,利用NSL-KDD数据集分析比较检测效果。实验结果表明,改进MajorClust算法在入侵检测性能及效果稳定性等方面具有较为显著的优势。

曲线桥抗倾覆稳定分析及规律研究

针对曲线桥抗倾覆稳定性问题,提出取桥台外侧支座与各支座连线斜率最大值确定为倾覆轴线的方法,采用工况3进行分析计算,选取弦长作为分析的核心参数^([1])。基于抗倾覆稳定性与加载面积随曲率半径变化规律成反比的特性,利用数学中空间解析几何的方法,得到加载面积计算公式,并给出模型的抗倾覆安全系数与加载面积随曲率半径的变化规律对比,同时给出不同条件下的抗倾覆稳定性变化规律。引入拐点定义,以表征抗倾覆能力最弱点,推导出适用于设计计算的拐点矢高、拐点曲率半径的简化计算公式,用于模型计算。