中国超深层构造型大气田高效开发策略

通过对中国超深层构造型大气田开发的跟踪分析,从影响开发技术政策制定的地质与生产动态特征出发,提出实现气田高效开发的策略。依据储集层基质物性、裂缝发育程度以及基质与裂缝匹配关系的差异,将气藏储集层划分为单孔单渗、双孔双渗和双孔单渗3种类型,明确了不同类型储集层在不同尺度渗透率、动态与静态储量比值以及水侵风险程度等开发生产特征方面的差异。指出气田开发规模确定和水侵风险快速识别是影响超深层构造型气藏开发效果的主要因素;明确气藏特征并有针对性地制定技术政策是实现高效开发的关键。具体策略包括:进一步强化气藏前期评价技术和内容,通过部署高精度开发地震、分批次部署开发评价井和规模试采,准确认识构造、储集层类型、气水分布等气藏特征,落实可动用储量;合理控制建产节奏,保证前期评价时间,确保评价效果;制定合理开发技术政策,以落实的可动用储量作为开发方案编制的基础,重点考虑水侵风险与基质供气能力两个因素,优化开发井位部署和单井配产;持续加强关键技术研究与攻关。

南堡凹陷构造型油气藏分布主控因素及预测方法

渤海湾盆地南堡凹陷具有良好的油气勘探前景,已发现的油气藏多为构造型油气藏,但油气资源的分布特征不明确,无法有效地指导勘探。通过分析,揭示出地质相、流体势和烃源灶是南堡凹陷油气分布的3个主控因素。应用相-势-源复合的方法,对南堡凹陷的油气分布特征进行研究。研究表明:地质相控油气作用的基本模式为"优相-高孔渗"控藏,流体势控油气作用的基本模式为"低势"控藏,烃源灶控油气作用的基本模式为"近源"控藏。在此基础上,建立了"近源-优相-低势"控藏的综合模式,并运用该模式对南堡凹陷的油气分布进行了预测。结果表明:背斜类油气藏的潜在勘探目标位于北堡构造带的Ⅰ级有利区和南堡4号构造带的Ⅱ级有利区;断块类油气藏的潜在勘探目标位于北堡构造带的Ⅱ级有利区、南堡3号构造带的Ⅱ级有利区、南堡4号构造带的Ⅱ级有利区和南堡5号构造带的Ⅲ级有利区。

构造型神经网络双交叉覆盖增量学习算法

研究了基于覆盖的构造型神经网络(cover based constructive neural networks,简称CBCNN)中的双交叉覆盖增量学习算法(BiCovering algorithm,简称BiCA).根据CBCNN的基本思想,该算法进一步通过构造多个正反覆盖簇,使得网络在首次构造完成后还可以不断地修改与优化神经网络的参数与结构,增加或删除网络中的节点,进行增量学习.通过分析认为,BiCA学习算法不但保留了CBCNN网络的优点与特点,而且实现了增量学习并提高了CBCNN网络的泛化能力.仿真实验结果显示,该增量学习算法在神经网络初始分类能力较差的情况下具有快速学习能力,并且对样本的学习顺序不敏感.

一种新的基于构造型神经网络分类算法

该文提出一种基于构造型神经网络的最大密度覆盖分类算法,该算法直接从样本数据本身入手,通过引入一个密度估计函数对样本数据进行聚类分析,找出同类样本中具有最大密度的样本数据点,然后在特征空间里作超平面与球面相交,得到一个球面领域覆盖,从而将神经网络训练问题转化为点集覆盖问题.该算法有效地克服了传统神经网络训练时间长、学习复杂的问题,同时也考虑了神经网络规模的优化问题,实验证明了该算法的有效性.

构造型水库地震的断裂力学分析

常见的水库地震有三种 :断层破裂型 (构造型 )、浅表应力局部调整型 (微破裂型 )和岩溶型 ,构造型水库地震震级较高。本文从地应力、库水压力、断层渗透水压力的分布规律着手 ,应用弹性断裂力学原理分析了三种应力产生的应力强度因子及总的应力强度因子 ,并从复合型应力强度因子的断裂判据 。

基于仿生模式识别的构造型神经网络分类方法

提出了一种基于仿生模式识别理论的神经网络构造方法.仿生模式理论认为:"同类而不完全相等的事物之间,必至少存在一个渐变过程,在这个渐变过程中间的各事物都是属于同一类的".利用这一理论,从不同结构神经元模型在高维空间中的几何意义出发,通过对一种新型的神经网络的构造,实现了对不同类样本在高维空间中形成的不同形状几何体的覆盖,从而达到分类的目的.通过双螺旋曲线的分类实验,证明了这种神经网络具有很好的识别效果.

陕西潼峪金矿床的形成机理——同生构造型金矿成矿模式探讨

潼峪金矿床的形成受控于区域多期变形-变质作用,与区域复背形-剪滑断裂带密切相关,成矿物质源于太华群的后期改造富集,是一同生构造型金矿床。矿床形成演化分为四阶段:Ⅰ.矿质准备阶段——初始矿源层形成;Ⅱ.矿质活化运移阶段——区域进变质一混合岩化,热力化学分异导致金活化迁移,局部初始富集;Ⅲ.矿床形成阶段——区域褶皱,形成顺层及切层剪滑断裂,在动力作用下,金分异及定向迁移而聚集成矿;Ⅳ.矿床叠加改造出露阶段——地块抬升,矿床又经断裂活动,动力机械分异作用等改造。热-动力成矿作用在矿床形成过程中具主导意义。

一种加权的构造型神经网络覆盖算法设计与实现

在分析覆盖算法的基础上提出了一种加权的覆盖领域算法,在构造神经网络覆盖领域时,充分利用了样本在球形领域间的分布位置特性及分布概率特性,做到真正意义上利用样本特征来构造覆盖神经网络,给出加权覆盖算法的构造方法及步骤,并通过实例进行了验证。

三峡库首区非构造型水库地震的烈度衰减

非构造型水库地震具有震级小、震源浅、烈度高的特点,研究其烈度衰减对库区地震地质灾害的预测与防治具有重要的意义。根据三峡库首区近年地震实地科考原始烈度资料,选择椭圆衰减模型并对其进行二元回归分析,得到非构造型水库地震的烈度衰减关系。并与原有构造型水库地震烈度衰减关系进行比较。结果可供库区地震危险性分析与地震小区划使用。

基于构造型反馈神经网络聚类算法

文章改进了自反馈FP聚类算法,并将该聚类算法应用于中国的证券市场。对应用的结果进行分析,说明了自反馈FP聚类算法作为聚类分析器在证券研究的应用中具有实用价值,以及在对证券市场深入研究中具有较好的应用前景。

基于仿生模式识别的构造型神经网络分类方法

从BP神经元模型和RBF神经元模型几何意义出发,将仿生模式识别理论引入到神经网络分类中,提出了一种基于仿生模式识别的构造型神经网络分类方法,通过构造不同结构神经元结合的神经网络,实现了对不同类样本在高维空间中形成的不同形状几何体的覆盖。实验证明该算法是非常有效的。

一种新的基于构造型RBF神经元网络分类算法

依据RBF神经元模型的几何解释,提出一种新的构造型神经网络分类算法.首先从样本数据本身入手,通过引入一个密度估计函数来对样本数据进行聚类分析;然后在特征空间里构造超球面,以逼近样本点分布的几何轮廓,从而将神经网络训练问题转化为点集“包含”问题.该算法有效克服了传统神经网络训练时间长、学习复杂的缺陷,同时也考虑了神经网络规模的优化问题.实验证明了该算法的有效性.

基于模糊神经网络的盾构造型器

本文介绍基于模糊神经网络的盾构选型器的原理，构成与特点，试验表明，该选型器具有很强的选型能力与自学习能力，同时系统操作维护方便。

房山矿区构造型冲击地压发生过程及防治研究

文章结合房山矿区的开采、地质条件，分析了构造型冲击地压的发生过程及冲击地压防治实践。

复合抽象数据类型的构造型说明

研究抽象数据类型的规范说明对于实现面向对象的软件开发及程序证明等具有重要意义。本文用构造型说明法讨论了原子和复合抽象数据类型的结构语义，并介绍了这种说明如何用一个函数型语言ＭＬ来实现的方法。

可继续学习的构造型神经网络构造算法

构造型神经网络模型通过将样本映射到单位超球面上并用覆盖方法进行识别,具有计算速度快、识别率高、几何意义明显等优点。但是常用的基于交叉覆盖的方法在首次构造完成后,难以再继续进行修改和加强,从而阻碍了网络的再学习能力。文章提出了该构造型神经网络的一种双交叉覆盖方法,一方面吸收了原交叉覆盖的优点,一方面提供了良好的再学习能力。通过实验验证,该方法可以较好地运用到构造型神经网络的增量学习中。

一种用于构造型专家系统的问题求解策略

本文介绍了VT专家系统使用的提议一修正问题求解策略。该策略首先试探地提议一个扩展的规划,然后当发现它违犯了对它的约束时,借助于领域知识修正它。这种策略具有决策优化、效率高以及组织领域知识划分等优点,普遍适宜于设计、构形、规划等问题求解系统。

谈句子构造型结构语块对大学英语写作的促进作用

大量的研究结果表明,语块是英语的基本语言单位,也是英语学习的基本单位。利用语块进行英语教学有利于提高英语学习者使用语言的准确性和流利性,有利于帮助培养学习者的信心。利用句子构造型结构语块进行大学英语写作可以有效增强文章的连贯性和整体性,有助于学生大学英语写作水平的提高。

构造型神经网络在故障诊断中的应用研究

提出一种新的故障诊断方法,以便更加有效地解决具有先验知识的故障分类问题。以先验样本点为中心,利用内积判断样本数据的相似度,从而进行聚类分析,在特征空间里作超平面与球面相交,得到一个球面覆盖领域,从而将神经网络训练问题转化为点集的覆盖问题。该算法以构造型神经网络为基础,其特点是直接对故障样本数据进行处理,由于覆盖中心确定,该算法构造出的是隐层元最少的网络结构,有效地克服了传统神经网络训练时间长、学习复杂的问题。计算机仿真实验结果证实了该算法的有效性。

基于元设计模式的构造型说明语义

设计模式对于构建可复用的软件框架有重要意义。本文用构造型说明法讨论了满足结构化要求的各种元设计模式应具备的语义特性。提出了用构造型说明来描述基于元模式的模式规约的思想。