河北霸县凹陷兴隆宫地区沙三段岩性油气藏成藏条件与圈闭模式

裂谷型凹陷深层的油气勘探前景一直为众多学者所关注。兴隆宫地区紧临霸县生油洼槽,其沙三段埋深较大,勘探程度较低,少量探井证实这一些地区的沙三段具良好的油气成藏前景。应用石油地质学中的油气成藏理论,系统论述该区有利的岩性油气藏成藏条件与圈闭模式:沙三段圈闭接近沙四段、沙三段及沙一段的油源,具有优越的油气源条件;沙三段大型三角洲前缘与浊积扇等储层条件较好;沙三段同沉积构造与坡折带利于岩性油气藏形成;膏泥岩、盐岩及泥岩提供盖层与保存条件。而该区沙三段岩性油气藏成藏的圈闭模式可分为3个区带:陡坡带主要发育构造—岩性圈闭、小型三角洲前缘砂岩岩性圈闭;缓坡带以大型三角洲前缘砂岩岩性圈闭、地层超覆、地层不整合圈闭为主;而洼槽带以坡折附近的尖灭砂体圈闭为主。陡坡坡折之下发育扇三角洲前缘与浊积扇圈闭;缓坡坡折之下发育与低位三角洲、浊积扇及滩坝砂体有关的岩性圈闭。通过研究可以确定东部文安缓坡坡折带以下地区是目前岩性油气藏的最有利勘探区带。

CBC-DS:基于频繁闭模式的数据流分类算法

基于关联规则的分类算法通常根据频繁模式生成类关联规则,但频繁模式挖掘易遭受组合爆炸问题,影响算法效率.并且数据流的出现也对分类算法提出了新的挑战.相对于频繁模式,频繁闭模式的数目较少,挖掘频繁闭模式的算法通常具有较高的效率.为此,提出了一种高效的基于频繁闭模式的数据流分类算法—CBC-DS.主要贡献在于:1)提出了一种基于逆文法顺序FP-Tree的频繁闭项集单遍挖掘过程,用于挖掘类关联规则,该过程采用了一种混合项顺序搜索策略以满足数据流挖掘的单遍性需求,并采用位图技术提高效率;2)提出了"自支持度"概念,用于筛选规则以提高算法分类精度.实验表明,位图技术能够提高算法速度2倍以上,利用自支持度能够提高算法平均精度0.5%左右;最终CBC-DS算法的平均分类精度比经典算法CMAR高1%左右,并且CBC-DS算法的规则挖掘速度远快于CMAR算法.

FCIM:一种新的闭模式挖掘算法

闭模式挖掘在关联规则挖掘算法中获得了较广的应用,提出一种新的挖掘频繁闭项目集的算法,该算法可以充分利用挖掘过程中已获取的信息,直接使用FP-Tree产生闭项目集,实验结果表明该算法是有效的。

基于关联图的频繁闭模式挖掘

将关联图的数据挖掘思想应用到频繁闭模式的挖掘中,使用位向量的技术简化项集支持度的计算,构造关联图表示项集间的频繁关系。在此基础上,提出一种频繁闭模式挖掘算法,针对频繁闭模式的特点,结合剪枝策略、子集检测策略、搜索策略等技术手段,优化算法性能。实验结果表明,该算法在时间性能上优于经典的频繁闭模式算法CLOSET。

基于频繁闭模式的故障状态简洁关联规则挖掘

利用关联规则建立故障与故障表象之间的关系,对故障进行分析和预测是一种重要的故障检测手段.然而普通关联规则具有表达冗余量大和计算复杂的缺点,为此,提出采用频繁闭模式的方法来挖掘故障特征间的关联关系,并以此建立故障分析过程.由于频繁闭模式挖掘剔除冗余复杂,计算量大,在挖掘简洁故障状态关联规则过程中,采用搜索空间提前剪枝的方法直接生成频繁闭模式,避免了保存频繁模式并反复扫描原始数据和过滤候选频繁闭模式的过程.同时整个挖掘结构在挖掘过程中由于不断被删除回收,占用内存会越来越少,最终在枚举出的基于闭模式简洁规则的基础上,建立故障事件转换图,进行故障诊断.实验部分验证了方法的有效性.

基于不确定数据的可能频繁闭序列模式挖掘

对于不确定数据的频繁序列模式挖掘,会导致可能频繁模式数量的指数级出现,其中有些无用的挖掘结果会引起频繁序列的冗余。针对上述不足,提出了可能频繁闭序列模式(p-FCSPs)的定义,以及一种基于不确定数据的可能频繁闭序列挖掘算法U-FCSM。此算法中,基于一种元组不确定数据模型计算序列的可能频繁性,应用BIDE算法的闭序列思想判断可能频繁序列是否是可能频繁闭序列模式;为了减少搜索空间与避免冗余的计算,应用了几个剪枝与边界技术。U-FCSM算法的有效性与效率通过大量的实验得以表明。

一种高效的闭频繁模式挖掘算法

为了构造条件FP树,必须两次遍历FP树。提出一种FP阵列技术,直接从FP阵列得到频繁项的计数,从而省略了第一次遍历。为了检查闭频繁项集,采用FP树的一种变形结构,并将它与FP阵列结合起来,提出了一种高效的闭频繁模式挖掘算法。实验表明,该算法具有很好的性能。

柴西南区古近系层序地层特征及岩性圈闭发育模式

应用层序地层学理论,利用地震、钻井和测井资料,对柴西南地区古近系层序地层框架进行系统分析.古近系处在以中新统内不整合面(T2′)和古新统合新生界之间的不整合面(TR)为顶底界的二级层序中,共发育有3个三级层序:即路乐河层序(SA)、下干柴沟层序(SB)和上干柴沟层序(SC).重点分析了下干柴沟层序及上干柴沟层序,认为下干柴沟层序由3个体系域组成:即低位体系域、湖侵体系域及高位体系域.上干柴沟层序由于低位体系域不发育,故将其划分为湖侵体系域和湖退体系域两个体系域.另外,分析了柴西南地区不同的体系域中岩性圈闭可能发育位置,并且建立了隐蔽圈闭的分布模式.

一种面向分布式数据流的闭频繁模式挖掘方法

对智能交通系统中面向分布式数据流的频繁模式挖掘问题进行了研究。针对智能交通系统中传感器网络数据流的特点,提出一种基于分布式窗口树的分布式数据流闭频繁模式挖掘方法。该方法在分布式节点中构建分布式窗口树,通过对分布式窗口树进行更新、剪枝及挖掘,能够快速响应用户的查询请求,返回任意时间窗口内数据中的闭频繁模式。实验表明,在保证挖掘准确性的前提下,该方法能够有效缩短查询响应时间,并具有良好的可扩展性。

InClosPan:大型数据库中闭序列模式的增量挖掘

许多现实数据库都以增量形式增长,不希望在每次更新了数据库之后,又重新挖掘完整数据库,增量算法成为必需。研究了当初始数据库中增加了新的事务或增加了新的顾客时,增量挖掘闭序列模式的问题。给出了一个新的频繁闭序列模式增量挖掘算法InClosPan,该算法利用已得到的结果进行增量挖掘,减少了重新挖掘数据库的费用。

基于包含索引的频繁闭序列模式挖掘的新算法

频繁闭序列模式惟一确定全体频繁序列模式,且规模小得多。传统的闭序列模式挖掘算法对每个频繁项目都进行扩展,往往会产生大量的非闭合序列。为解决这一问题,提出了一种新的基于包含索引的频繁闭序列模式挖掘算法,其主要思想是只对闭项集进行扩展,大大减少了非闭合序列的产生。首先,论证了闭序列模式只能由闭项集组成;其次,说明了如何利用包含索引来快速发现闭项集;最后,给出了一种深度优先的挖掘频繁闭序列模式的新算法。实验结果表明,该算法具有较高的效率。

频繁超剥地区层序、不整合特征及圈闭发育模式——以东营凹陷草桥北部地区沙河街组四段上亚段—东营组为例

频繁超剥地区具有岩性变化快、断裂体系发育等特点,是地层油气藏形成的有利位置。为了系统研究频繁超剥地区不整合特征及圈闭发育模式,以草桥北部地区沙河街组四段(简称沙四)上亚段—东营组为例,对研究区的层序、不整合平面特征及纵向岩性配置特征、不整合对圈闭的控制作用进行了探讨,认为研究区沙四上亚段—东营组可划分为6个三级层序、16个体系域、24个准层序组。共有3个级别6个不整合,分为4种类型:削超、平超、削平以及平行不整合。一级不整合发育有不整合面之上的岩石、风化黏土层、半风化岩石3层结构,其他小级别不整合不发育风化黏土层,为2层结构。不整合对地层圈闭的控制取决于不整合平面类型与不整合纵向结构的组合关系。建立了频繁超剥地区圈闭发育模式,认为在主要发育三角洲、扇三角洲等砂体的层序中,低位域有利于形成地层超覆圈闭,高位域有利于形成不整合遮挡圈闭;在主要发育湖泊相等泥质沉积发育的层序中,低位域和湖侵域有利于形成断层-岩性圈闭和断层圈闭,高位域可形成不整合遮挡圈闭。

模拟研究常闭和常开工作模式下的平面栅极型碳纳米管场发射电子源

采用数值模拟的方法对比性地研究了常闭和常开工作模式下平面栅极型碳纳米管场发射电子源。静电场的数值计算结果显示:常闭工作模式下该电子源中阴极电极的表面电场分布不均匀,边缘处的高电场易导致其上的碳纳米管烧毁,从而引起场发射电流衰减。为了解决此问题,提出将常开工作模式用于该电子源,并证实常开工作模式能够用于该电子源,并有利于解决电流衰减问题。因此,相对于常闭工作模式,常开工作模式更适合平面栅极型碳纳米管场发射电子源。

数据流中基于滑动窗口的闭序列模式挖掘算法

为了能够有效地利用滑动窗口技术来挖掘数据流当中的频繁闭序列模式,通过构建CST树(closed sequence tree)来保存频繁闭序列模式及其序列之间的关联关系,研究了滑动窗口在流数据上滑动时,窗口内序列属性以及CST树节点相互关系的变化性质,提出了基于滑动窗口的数据流闭序列模式挖掘算法ECSW(efficient closed sequential pattern mining over streamsliding window)。ECSW充分利用CST树内节点的相互关系,减少了对数据库的扫描,并且能够在不借助其他辅助结构的情况下完成CST树节点的更新。比较了ECSW与SeqStream在不同实验参数下的挖掘效果,实验结果表明,在平均闭序列长度不长时,ECSW有着比SeqStream更好的运行效果。

会话流中Top-k闭序列模式的挖掘

在会话流中挖掘Top-k闭序列模式,存在因相关比率ρ的大小而导致的内存消耗和挖掘精度之间的冲突。基于False-Negative方法,提出Tstream算法,制定2种约束策略限制ρ。基于该策略设计加权调和计数函数,渐进计算每个模式的支持度。实验结果证明了该算法的有效性。

敞开及闭胸土压平衡双模式单护盾TBM技术应用研究

新型双模式单护盾TBM (隧道掘进机)技术,适用于全断面硬岩以及兼具富水断裂带的复杂地质条件。这种新型的模式转换技术,采用可伸缩式集土环技术,不仅兼具硬岩敞开模式和闭胸土压平衡模式,而且实现了双模式之间的快速切换。双模式单护盾TBM的总体集成、可伸缩式集土环、带压换仓等关键技术解决了硬岩敞开和土压平衡双模式的快速切换、土舱紧急密封、双模式带压换刀等技术难题,保证了双模式单护盾TBM在复杂地层中进行长距离掘进的可靠性和稳定性。这些研究成果可以对提高国产TBM的竞争力起到一定作用。

基于FC-tree的频繁闭项目集挖掘算法

目前提出的频繁项目集挖掘算法大多基于Apriori算法思想,但这类算法会产生巨大的候选集并且重复扫描数据库。本文针对这一问题,给出了一种基于FC-tree的频繁闭项目集挖掘算法Max-FCIA,该算法将频繁项目集存储在哈希表中,节省了程序的搜索时间。此外,利用广度优先搜索和有效的剪枝策略,大大限制了候选项目集的生成,缩小了搜索空间从而提高了程序的性能。实验结果表明该算法是快速有效的。

一种新的频繁闭项目集挖掘算法(英文)

为了解决频繁闭项目集挖掘中时间和存储开销大的问题,提出了一种基于FC-tree(频繁闭模式树)的频繁闭项目集挖掘算法max-FCIA(最大频繁闭项目集挖掘算法).该算法利用哈希表映射事务数据库,通过对哈希表进行操作从而得到所有频繁项目集的支持度,进而生成包含所有频繁项目的有序树.经过剪枝处理的有序树就是包含所有最小频繁闭项目集的FC-tree,最后用最小频繁闭项目集生成频繁闭项目集.实验结果表明,该算法通过映射事务数据库,减少了扫描数据库所浪费的时间,提高程序执行效率.另外,运用有效的剪枝策略,避免了不必要候选项目集的生成,节省了存储空间,实验证明该算法是有效的.

在线挖掘数据流混合窗口中闭频繁项集

在数据流挖掘中,界标窗体考虑了历史模式对当前挖掘的影响,但没考虑到随时间的推移模式衰减的问题。滑动窗口能记录最新、最有用的模式,但窗口的最佳大小无法准确确定。针对一些仿真系统中具有数据流特点的数据,提出了一种挖掘混合窗口中闭频繁项集的方法T-Moment。该方法能在单遍扫描数据流的条件下完整地记录模式信息。同时,T-Moment提出的减枝方法能很好地降低滑动窗口树F-tree的空间复杂度与闭频繁模式树T-tree的维护代价。此外,该方法提出的时间衰减机制能区分历史和最新模式。大量仿真实验结果表明,T-Moment有很好的效率和准确性。

一种改进的压缩频繁模式挖掘算法

传统的频繁模式挖掘算法产出大量的频繁模式,这些大量的频繁模式对于后期的分析、处理以及理解都带来了相当大的挑战.针对上述问题,该文提出了一种改进的压缩频繁模式挖掘算法,该算法基于CFP-树通过对传统频繁模式挖掘算法的改进能够从大量的频繁模式中选择出规模更小的频繁模式代表集合,从而起到减小庞大的频繁模式挖掘结果规模的目的.实验中还将该算法和现有的RPlocal算法进行了对比,结果表明改进的压缩频繁模式挖掘算法能够在合理的时间及容错范围内获得更小的频繁模式代表集,同时大大降低了时间复杂度,提高了挖掘效率.