基于核岭回归算法的地层水中CO_(2)溶解度模型研究

碳捕集、利用与封存(CCUS)技术证实了CO_(2)地质埋存可以有效缓解温室效应、提高油田经济效益,而评价CO_(2)的地质埋存能力,需要考虑CO_(2)在地层中与水的互溶情况。本研究利用高温高压反应釜等设备,测量不同温度、压力、矿化度下CO_(2)在水中的溶解度,明确CO_(2)在水中的溶解规律。基于实验测量结果,利用遗传算法优化核岭回归算法(KRR)参数,建立CO_(2)在水中的溶解度预测模型。结果表明:通过56组数据对模型进行精度评估,其皮尔逊相关系数为0.99,平均相对误差为2.98%。分别使用核岭回归模型、Chang模型和Furnival模型预测温度35~135℃、压力8~50 MPa下CO_(2)在地层水中的溶解度,Chang模型和Furnival模型的平均相对误差分别为8.77%和7.44%,核岭回归模型的预测值与实验测量值拟合程度最高。该模型为预测CO_(2)在地层水中的溶解度提供了一种新方法。

基于核岭回归算法的PROSAIL模型反演高空间分辨率叶面积指数

准确估算叶面积指数(LAI)在生态、环境和气候变化研究方面具有重要作用。依靠卫星遥感技术能够获取大范围LAI产品,但其空间分辨率较低且依赖大量地面实测数据,难以满足高精度、大范围研究的需求。本研究基于30 m空间分辨率地表反射率数据,在不依赖大量地面实测数据的情况下,提出基于核岭回归算法的PROSAIL物理模型反演LAI,首先对PROSAIL模型的输入参数进行敏感性分析,以确定输入参数并生成模拟数据集,从而建立模拟反射率与LAI之间的核岭回归反演模型,进行高空间分辨率LAI反演,并与基于多层感知机的PROSAIL模型、基于随机森林回归的PROSAIL模型进行对比分析。结果表明:基于核岭回归的PROSAIL模型获得了最高的LAI反演精度,模型决定系数(R2)为0。8089,均方根误差(RMSE)为0。2492,基于多层感知机和随机森林回归的PROSAIL模型反演精度较差,模型R2分别为0。7726和0。7118,RMSE分别为0。2781和0。2432。研究认为基于核岭回归的PROSAIL模型可以有效提升LAI反演精度,为快速准确的区域性高空间分辨率LAI反演提供了技术和方法。

基于KRR优化算法的油水系统中CO_(2)溶解度模型

油藏中注入CO_(2)可形成CO_(2)-原油-地层水三相动态平衡,CO_(2)在油水系统中的溶解度将直接影响CO_(2)驱油效果和封存潜力。为了对CO_(2)在油水系统中的溶解度模型进行研究,以吉林油田某油水系统为例,利用高温高压PVT分析仪开展CO_(2)在不同体积比例油水系统中的溶解度实验,明确了CO_(2)在油水系统中的溶解规律,并基于实验数据,分别利用网格搜索法(GS)和贝叶斯优化算法(BOA)对核岭回归算法(KRR)的参数进行优化,建立了CO_(2)在油水系统中的溶解度预测模型。研究结果表明:CO_(2)在油水系统中的溶解度随CO_(2)注入量的增加而增大,也随油水体积比升高而增大;基于KRR算法的优化模型中,GS-KRR模型和BOA-KRR模型平均相对误差分别为6.758%和1.998%,说明BOA-KRR具有更高的预测精度。利用BOA-KRR模型预测并绘制不同温度、不同油水体积比下的CO_(2)在油水系统中的溶解度图版,可为CO_(2)碳捕集、利用与封存(CCUS)技术的应用提供支持。

基于连续投影算法的土壤全氮和碱解氮含量高光谱估测

基于高光谱数据构建土壤全氮和碱解氮含量估测模型,为准确快速检测植烟土壤全氮和碱解氮含量提供新方法。以会东县和会理市植烟土壤为研究对象,利用高光谱成像获取土壤光谱反射率数据,应用连续投影算法(SPA)和相关分析法(CA)筛选特征波段,并分别采用全波段和特征波段构建偏最小二乘回归(PLSR)、岭回归(RR)和核岭回归(KRR)模型来估测土壤全氮和碱解氮含量。结果表明:(1)原始光谱经4种预处理方法处理后,建立的估测模型精度均有提高;其中经一阶导数(D1)组合标准正态分布(SNV)预处理后,使用全波段建立的全氮和碱解氮含量估测模型精度均较高。(2)SPA筛选出了10个土壤全氮特征波段,13个土壤碱解氮特征波段,分别占全波段数量的2.58%和1.98%。(3)原始光谱经D1-SNV预处理后,用SPA筛选特征波段构建的全氮和碱解氮含量KRR估测模型性能均较好;全氮估测模型验证集决定系数(R^(2))为0.87,均方根误差(RMSEV)为0.23,相对分析误差(RPD)为2.77;碱解氮估测模型验证集的R^(2)为0.91,RMSEV为14.15,RPD为3.39。运用SPA结合KRR构建的模型能较好地估测研究区土壤全氮和碱解氮含量,D1-SNV-SPA-KRR方法可实现该地区全氮和碱解氮含量的准确估测。

地下金属矿采动作用下断层带滑移失稳机制及影响规律

以山东省某矿山为工程背景,针对采动作用下断层带易产生滑移失稳问题,采用三维离散-连续耦合数值方法和理论分析的方法开展研究。计算了岩体质量RMR、原岩应力、开采条件及断层产状对断层及其近区围岩稳定性的影响规律,基于断层滑移量和剪应力差两个指标,建立了开采卸荷对断层影响程度的量化评估方法。研究结果表明:随着采场跨度、采场埋深的增大,断层的扰动区范围逐渐增大;随着RMR、断层倾角、采场到断层距离的增大,断层的扰动区范围逐渐减小;当断层倾角小于45°时,断层极易产生滑移;在此基础上,采用扰动响应准则与摩尔-库伦准则,分析获得不同条件影响下开采后作用在断层上的正应力和附加剪应力的变化规律,揭示采动作用对断层滑移失稳的影响机制。进一步采用矩阵散点图方法,得出各影响因素之间的相关性较弱,采场到断层距离与断层滑移量之间的相关性最强;采用核岭回归算法建立断层滑移量的预测模型,验证模型预测误差低于10%,表明该模型可以实现对采动作用下的断层滑移量的预测,本研究为采动作用下断层滑移及其近区围岩稳定性分析及预测提供理论及思路支撑。

基于GPR和KRR组合模型的机械臂抓取研究

为了避免机械臂自主抓取方法中普遍存在的运动学求逆耗时和视觉系统标定计算复杂度高的问题,提出一种基于高斯过程回归(GPR)和核岭回归(KRR)组合模型的机械臂抓取方法。在学习阶段,训练基于Mask-RCNN的目标检测和实例分割算法及GPR和KRR的机械臂抓取策略;在抓取阶段,首先使用目标检测和实例分割算法获取目标物体的位姿,然后根据目标物体位姿和机械臂关节角的映射关系,结合GPR和KRR的组合模型预测出机械臂关节角并控制机械臂完成抓取任务。实验结果表明:所提出的方法无需视觉系统的标定和机械臂运动学求逆,能够准确地获取目标物体的位姿,AUBO i5机械臂验证,本方法能够实现对目标物体较为准确的抓取。

条件主动外观模型下的人脸特征点跟踪

为了完成人脸关键特征点的精确定位跟踪,提出一种改进的基于反向合成匹配算法的条件主动外观模型匹配及其初始化算法.该算法假设已知正面人脸的关键特征点,首先通过建立散乱点对应与标定点对应之间的映射,根据给定的正面人脸标定点对任意姿态的侧面人脸进行自动初始标定,映射关系由核岭回归算法学习得到;将该标定点作为人脸跟踪算法的初始化点,然后利用条件主动外观模型反向合成匹配算法建立正面与任意姿态人脸的外观和形状模型,并对模型参数进行迭代优化;最后得到最优的任意姿态人脸的轮廓点,完成人脸跟踪.实验结果证明,与同类方法相比,该算法表现出了良好的性能,可在较短的计算时间内获得较高的定位精度.

基于累积和等距映射的缓变故障检测方法

针对化工过程存在的缓变微小故障,提出一种基于累积和等距离映射(CUSUM-ISOMAP)的多变量过程故障检测方法。该方法首先运用累积和控制图的思想,分别对每一个变量计算均值偏差累积和及方差偏差累积和,之后建立扩展增广矩阵,对增广数据运用基于ISOMAP的降维特征提取算法建立统计量进行故障检测。传统的ISOMAP算法无法获取输入输出数据之间的映射关系,不能处理新的采样数据。引入核岭回归算法获得新采样点的降维输出。CSTR过程的仿真结果表明了算法对过程微小故障实施故障检测的有效性。

基于Stacking融合的短期风速预测组合模型

大规模风电并网时,准确的风速预测对电网稳定运行具有重要意义。为提高风速预测精度及预测模型泛化能力,提出基于改进Stacking算法的风速组合预测模型。首先建立基于不同核函数的核岭回归模型;然后利用改进的萤火虫算法对模型关键参数进行选取,通过引入自适应参数、全局搜索及Levy飞行提高算法的全局搜索能力及收敛速度;最后通过Stacking算法将相互独立的各模型进行融合,以增强模型泛化性,并采用交叉验证进一步提高预测精度。选择不同风场、不同季节的实测数据对所提模型的预测效果进行仿真,通过对比分析验证了所提模型的预测精度和泛化能力。

流化床制粒过程颗粒水分预测研究

对流化床进行工程化改造,安装近红外光谱仪,对制粒过程中的颗粒水分含量进行光谱采集。采用偏最小二乘法(PLS)、粒子群-核岭回归(PSO-KRR)和随机森林-偏最小二乘法(RF-PLS)建立回归模型,对不同的算法的预测精度进行了研究。结果表明,PLS模型预测集均方根误差(RMSE)为0.2180,相关系数R为0.9717;PSO-KRR模型预测集RMSE为0.2154,R为0.9738;RF-PLS模型预测集RMSE为0.2059,R为0.9733。其中RF-PLS模型的预测效果最好。

基于贪心核特征提取方法的中期峰值负荷预测

针对中期电力负荷预测,提出基于贪心核主元回归(GKPCR)、贪心核岭回归(GKRR)的特征提取建模方法.通过对核矩阵的稀疏逼近,GKPCR和GKRR两种贪心核特征提取方法旨在寻找特征空间中数据的低维表示,计算需求低,适用于大数据集的在线学习.将所提出的方法应用于不同地区的电力负荷中期峰值预测,并与现有预测方法进行了比较.实验结果表明,在同等条件下,所提出的方法能有效地改进预测精度,而且性能更好,显示了其有效性和应用潜力.