基于正交匹配追踪的深度波数谱分解及其在含油气储层预测中的应用

常规时间域地震属性分析是利用由叠前深度偏移数据转换至时间域的数据,这种转换将造成有效高频信息的损失,为了充分利用深度域资料成像精度高的优势,有必要开展深度域资料属性分析工作。由于深度域波数与频率和波速有关,如何获得高分辨率深度波数谱是深度域地震属性分析的关键。采用基于稀疏反演的谱分解方法,通过建立深度域过完备子波库,利用正交匹配追踪算法提高深度波数谱计算分辨率,通过理论模型的深度波数谱属性计算,并与时频谱属性进行对比,分析含油气储层的深度波数谱变化特征,通过实际资料的深度波数谱属性分析应用,验证利用深度波数谱进行含油气性预测的实用性。结果表明,基于正交匹配追踪算法的深度波数谱分解方法具有较高分辨率,可作为深度域含油气储层预测的高精度手段之一。实际数据应用表明,深度波数谱含油气储层下方出现低波数伴影现象,可作为深度域指示油气储层存在的标志,基于正交匹配追踪的深度波数谱分解方法可有效识别低波数伴影异常,对深度域地震资料进行含油气储层预测。

基于本征正交分解和卡尔曼滤波的结构损伤识别

目前已有损伤识别方法难以实现对结构的实时、准确地健康监测,针对这一问题发展了一种基于本征正交分解(proper orthogonal decomposition,POD)与卡尔曼滤波(Kalman filter,KF)相结合的POD-KF方法,对动载荷作用下的结构损伤识别进行了研究。该方法利用KF方法在线更新降阶模型的子空间,解决未知载荷作用下多自由度结构动力分析计算量大且难以收敛的问题,仅利用结构响应实时跟踪损伤的演化并对其进行定位,不需要耗时的再训练阶段;并以六层剪切型框架为例开展了数值模拟研究,验证了所发展理论与数值算法的有效性,结果表明所提出的方法在减少计算量的同时,能够保证较高的精度,有效地识别出剪切型建筑结构损伤的位置和严重程度,且能够有效抑制响应信号中的噪声,同时在处理微小损伤时仍具有较高的精度。

基于本征正交分解降阶的燃耗计算方法研究

随着堆芯物理计算方法向高保真发展,燃耗区的划分由传统的分米量级降低到厘米量级,全堆燃耗区数量将增加上千倍,燃耗计算精度提升的同时计算代价和复杂度亦陡增。本文研究了基于本征正交分解(POD)降阶的燃耗计算方法,通过建立参数化降阶模型,以1组完备正交基函数实现对各燃耗区燃耗矩阵的快速构造,并进一步研究了离线-在线计算策略以实现高效数值求解。基于JAEA发布的MOX燃料栅元基准题进行了计算分析,数值结果验证了本方法的正确性和可行性。本方法可为有效减少高保真燃耗计算成本、提高计算效率提供参考。

基于本征正交分解的并列双圆柱绕流尾流场分析

并列双圆柱绕流尾流场流动复杂,在不同的间距下会呈现多种复杂尾迹模式。基于有限体积方法,针对低Reynolds数Re=200下不同间距并列二维双圆柱绕流流动开展了数值模拟研究,并采用本征正交分解(proper orthogonal decomposition,POD)法对仿真得到的尾流场进行模态对比分析。分析结果表明:间距g=1.5 m时,上下两圆柱间干扰较弱,尾迹呈现周期性同步同向模式;间距g=0.35 m时,上下两圆柱间干扰较强,流动现象较为复杂,尾迹呈现交替翻转模式,流场不再具有明显周期性规律。同时POD方法能得到尾流流动在空间上的主要分布特征,较少的模态包含流场的绝大部分能量,且间距g=1.5 m的尾流模态结构较间距g=0.35 m的模态结构更加紧凑有序,这和不同间距g下的尾流流动形态密切相关。

基于本征正交分解的谱表示法模拟风场的误差

推导了本征正交分解(Proper Orthogonal Decomposition,POD)型谱表示法模拟所得平稳正态脉动风场的偏度误差和随机误差。从POD型谱表示法的模拟公式出发,推导了N变量风场模拟结果序列的样本均值、相关函数、功率谱函数和根方差等前二阶矩统计特征的时域估计表达式;并证明了时域估计相关函数是正态过程,功率谱函数为非正态随机过程。进一步,计算上述样本时域估计二阶矩特征的均值和根方差,即得到了POD型谱表示法模拟所得风场的各统计量时域估计的偏度误差和随机误差,并以此给出了误差计算的通式。算例中统计误差和理论误差值的对比验证了所推导的解析解。

使用特征正交分解型谱表示法的汽车受路面激励随机模拟

将特征正交分解型谱表示法用于模拟汽车受路面激励。首先给出了路面不平度对汽车输入的位移随机激励的谱描述。基于路面激励的功率谱矩阵,结合特征正交分解(POD,ProperO rthogonalDecomposition,)型谱表示法的模拟表达式,给出了路面激励的显式POD分解,定义了汽车的“路面激励模态”,推导了路面对汽车输入激励随机模拟的简化计算公式。该方法可用FFT来减少计算量以提高计算速度。它由于完全消除掉了原型谱表示法的Cholesky分解过程而具有较高的计算效率和更明确的物理意义。最后,通过对一个四轮轿车在国标GB7031-87中的A级路面不平度下受到的位移随机激励进行模拟,说明了该方法的有效性。

基于深度置信网络模型改进的数据中心温度场本征正交分解预测模型

本征正交分解(POD)是数据中心温度场降阶重构的一种常用模型,常规基于插值法获取模态系数的POD模型泛化能力较差。本文通过建立基于深度学习的深度置信网络模型(DBN),对POD模态系数计算方法进行了改进,提高泛化状态下POD模型预测温度场分布的准确性。研究结果表明,基于DBN改进后的POD模型(POD-DBN)的泛化能力大幅提高。与插值法获取模态系数的POD模型相比,POD-DBN模型在泛化状态下的平均相对误差下降至3%以内,平均绝对误差下降至0.5℃以内。利用POD-DBN模型,可以为数据中心空调系统的控制提供快速准确的温度场预测。

基于本征正交分解的柔性多体系统动力学降阶研究

基于浮动框架与有限元方法建模的柔性多体系统,有限元节点坐标数量庞大,将会令动力学方程的求解时间显著提升。针对此问题,提出了基于本征正交分解(POD)和压缩感知结合的柔性多体系统的降阶方法。首先,对各部件弹性体动力学响应先验数据进行本征正交分解得到各弹性体的本征正交模态向量;其次,利用压缩感知与稀疏的本征正交模态坐标,将微分/代数动力学方程求解问题转化成稀疏本征正交模态坐标的范数优化求解问题,并且求解过程可以保持约束方程的成立。通过数值算例实验,与传统的隐式数值积分方法相比,该方法可减少72.47%的计算时间,且最大相对误差为6.089e-5,证明该方法可以在保证数值精度的情况下,减少计算时间,提高仿真效率。

一种基于本征正交分解的并群方法

传统两步法的少群近似是导致功率分布误差的重要来源。离散广义并群理论是一种新的并群方法,可以通过离散正交基函数在少群结构中恢复精细能谱,一方面降低并群误差,另一方面可以提高中子学计算在能量上的分辨率,同时保持少群输运计算的效率优势。本文采用本征正交分解方法,对一系列UO 2和MOX燃料栅元的典型44群能谱所构成的样本空间进行正交展开,获得代表能谱特征的正交基函数。基于并群理论,对一维UO 2和MOX栅元混合组件问题进行了4群的输运计算,并重构出特定位置的44群能谱。同时,对截断阶数对不同少群结构重构精度的影响进行了分析。在4群的少群结构下,选取干涉效应最明显的组件结合处的UO 2和MOX栅元进行44群输运计算获得的能谱作为样本快照进行本征正交分解生成的正交基函数,在7阶便可以保证特征值偏差小于37 pcm,而传统并群方法的偏差为1359 pcm;恢复干涉效应的栅元能谱相对偏差小于0.5%,而传统并群方法使用的能谱与真实能谱差别在14%以上。基于本征正交分解的并群方法在改善两步法能群归并误差中有着很大的应用前景。

基于本征正交分解法的缸内流场循环变动特性分析

应用本征正交分解(POD)方法对数值模拟的发动机多循环速度场数据进行分析,以深入考察发动机缸内速度场循环变动特性。结果表明,POD方法可以将速度场分为不同阶模态,能反映不同程度的流场结构。分析了不同模态对应的时间系数标准差随曲轴转角的变化情况,揭示了缸内速度场循环变动大小随发动机曲轴转角的变化的规律,即进气阶段速度场循环变动要大于压缩阶段速度场循环变动。

基于非负正交矩阵分解的多视图聚类图像分割算法

多视图聚类在应对非线性结构数据上具有一定优势,却存在需要后处理和时间效率较低等缺点.针对这一问题,文中提出基于非负正交矩阵分解的多视图聚类图像分割算法.首先,提取图像多视图数据,使用流形学习非线性降维方法获取每个视图的谱嵌入矩阵,构建相应的谱块结构.再设计自适应权值,将谱块结构融合成一致性图矩阵.然后,对一致性图矩阵进行非负正交矩阵分解,获取非负嵌入矩阵.最后,由非负嵌入矩阵获得多视图特征的聚类,进而得到图像分割结果.在5个数据集上的对比实验表明,文中算法在分割精度和时间效率上都有一定提升.

基于本征间隙与正交特征向量的自动谱聚类

针对经典谱聚类算法无法自动确定数据类个数的问题,本文提出了一种基于本征间隙与正交特征向量的自动谱聚类算法.该方法利用样本数据构建亲和度矩阵,然后进行谱分解得到相应的特征值和特征向量,对特征值从大至小依次排序,用本征间隙来刻画相邻特征值之间的差,通过第一个极大本征间隙出现的位置来自动确定类个数,最后以特征向量之间的夹角作为相似度和已获得的类个数相结合来实现数据分类.本文算法的正确性在人造数据库上得到了验证,并在UCI数据库上与k-means、FCM、Jordan算法进行了分类准确性比较实验,结果表明本文方法比其他三种方法的分类准确率更高.

动力学模态分解和本征正交分解对圆柱绕流稳定性的分析

对雷诺数Re=100下的圆柱绕流非定常流场进行数值模拟,分别采用DMD方法和POD方法对圆柱绕流卡门涡街发展过程中的不稳定平衡阶段、过渡阶段以及稳定极限环阶段进行稳定性分析。分析结果表明:DMD方法准确地提取了不稳定平衡阶段和过渡阶段中的不稳定模态以及频率,在稳定极限环阶段准确提取了脱落涡模态及其高阶谐波模态和频率。DMD方法不仅可以高效提取主要流场结构模态和频率,且可分析相应模态的稳定性,从而得到动力学系统在时间和空间上的主要特征。POD方法中较少的模态包含流场绝大部分的能量,通过对模态系数进行FFT分析,可得到模态频率,但有时会存在多个频率耦合的模态,且POD方法无法判断所提取模态的稳定性,因此,POD方法主要得到的是动力学系统在空间上的主要特征。另外,DMD方法对流动类型范围的适用性更广。因此,在对复杂动力学系统进行稳定性分析时,DMD方法更具有优势。

基于本征正交分解的气动优化设计外形数据挖掘

气动外形的全局优化设计会产生大量的过程数据,其中隐含的设计知识具有较高的挖掘价值.数据挖掘有助于获取直观、可定性描述的设计知识.本文采用基于本征正交分解的数据挖掘方法从气动优化设计的过程数据中获取设计知识,数据挖掘对象为跨音速压气机转子叶片NASA Rotor 37的优化过程数据,该数据由基于粒子群方法的绝热效率最大化优化设计产生.结果表明:基于本文数据挖掘方法获取的设计知识能够直接反映气动外形的变化规律,为叶片的气动外形设计提供参考;数据挖掘的设计知识成功地验证了优化设计结果的有效性.

基于本征正交分解法的液环泵气液两相流场重构

针对液环泵内复杂的气液两相流动、计算量大且优化设计难以进行的问题,提出了采用本征正交分解法进行液环泵内流场的重构分析。采用泰勒多项式对二维叶片型线进行参数化控制,通过对各控制参数进行适量的扰动得到叶片型线样本集。采用VOF模型进行液环泵内气液两相流场的数值模拟,由叶片型线参数及叶轮内流场数据构建样本的快照集,依照几何相似及网格变形方法插值得到各相似点的流场参数,依据本征正交分解(POD)法将快照集分解为正交基的线性组合。由最小二乘法拟合目标叶型所对应的正交基系数,实现了对目标叶片流场的重构。采用POD方法对2BE-203型液环泵内单个叶轮流道的气液两相流流场进行了重构,精确地重构了单个叶轮内流场结构的各个特征,除在气液交界面附近有一定的误差,整体预测结果具有较高的精度,大大减少了流场预估的计算量。

本征正交分解技术及其在预测屋盖风压场中的应用

本征正交分解(POD)是以能量表述的随机场的最优分解,采用瑞利商概念及其极值性质推导了POD原理。根据风洞试验同步采集的风压数据利用POD技术预测了圆拱顶屋盖未布置测压点位置的风压时间序列。对预测风压包括均值、均方根值、极值在内的统计特性,时程曲线以及功率谱与实测风压作了比较。通过采用完全二次型组合法计算屋盖风致响应对所提预测方法的有效性进行了检查。

利用本征正交分解的非线性Galerkin降维方法

提出了一种利用本征正交分解(POD)的非线性Galerkin方法,用于复杂流体动力系统的低维建模.该方法将满足流场边界条件的正交基(POD模态)张成的完备空间分解为有限维(低阶模态)子空间和无限维(高阶模态)子空间,并采用近似惯性流形逼近高阶模态和低阶模态的作用关系,用低阶分量来表示高阶分量,将无穷维流体动力系统降维成有限维动力系统.以雷诺数为200、攻角为20°时的NACA0012翼型绕流流动问题为例进行了低维建模分析,结果表明:由于考虑了高阶模态的影响,且不改变原系统的拓扑结构,因此该降维方法能够用较少的模态数来获得准确的动力学描述,弥补了传统POD降维方法由于忽略高阶模态影响而出现的不足,由此验证了该方法的有效性.

基于自适应本征正交分解混合模型的跨音速流场分析

采用非线性模型替代线性回归模型响应本征正交分解(POD)基函数的系数,并采用自适应抽样方法确定快照集合,实现了基于自适应POD混合模型的跨音速叶片复杂流动分析及流场拟合.首先通过比较基于线性回归模型和非线性回归模型的基函数系数响应精度,验证非线性回归模型的收敛性和精确性;之后通过与静态抽样方法进行对比,研究分析自适应抽样技术的优越性;最后开展基于自适应POD混合模型的全三维跨音速流场分析及流动拟合.结果表明,采用自适应POD混合模型,不仅能够清晰地识别三维跨音速流场中的敏感流动特征,还能精确地拟合设计空间内任意状态的流场及出口气动参数.

随机风场模拟的连续本征正交分解-随机函数方法

在时-空随机场的连续本征正交分解(POD)基础上,通过引入正交随机变量集的随机函数表达形式,提出了时-空随机场模拟的连续本征正交分解-随机函数法。基于互功率谱密度函数的连续POD法将时-空随机场表达为有限个本征模态的叠加,实现了对原时-空随机场的高效降阶处理;正交随机变量集的随机函数表达,则实现了仅用两个基本随机变量即可在二阶统计意义上对原时-空随机场的精确描述。与传统的POD方法相比,本方法所需的基本随机变量最少,且生成的脉动风速代表性时程可构成一个完备的概率集;最后,以Kaimal脉动风速谱为例,进行了水平向随机风场的模拟分析,验证了该方法的高效精确性。

本征正交分解法在曲面模型风场重构中的应用

大跨空间结构模型(在风洞试验中)能同步测量的测点常相对有限,需采用有效风场重构技术通过有限点同步测量结果得到全表面风压分布的动态信息.介绍了本征正交分解法在这一问题中的应用,并对基于球面及柱面壳体模型风洞试验得到的风压数据进行了比较验证.结果表明,该方法对曲面模型具有很强的适用性,能够有效地整体把握这类模型表面风压分布规律,可为大跨空间结构抗风时程分析中风荷载分析提供很好的帮助.