洪水模拟中的阿克玛插值法分析

在洪水模拟中,由于资料的不完整性,所以通常要对原始的数据进行预处理,但以前常用的线性插值等方法已不能满足计算对资料光滑度的要求,本文提出以阿克玛(Akima)光滑插值对长系列资料进行处理的方法,并在城螺河段的洪水模拟中进行了检验,模拟结果表明该方法具有较高的精度,并克服了以往处理方法所引起的资料不连续、计算耗时等缺点。

基于阿克玛插值过程神经元网络的油水层判别研究

针对复杂储层存在测井油水层识别困难的问题,建立了基于过程神经元网络的油水层综合判别模型。提出了一种基于阿克玛插值的新的过程神经元网络学习算法并给出算法推导过程。实验结果表明,该判别方法避免了预先建立复杂的数学或物理模型来提取小层测井曲线形态模式特征的过程,有效改善了网络的运算速度和对实际数据的抗扰性,具有较好的稳定性和识别推广能力。

基于VC++的阿克玛插值法绘制液力变矩器功率曲线

在对液力变矩器的功率测定过程中,针对传统的样条插值法拟合所存在的不足之处,改用阿克玛插值法拟合液力变矩器的功率曲线,并用VC++编写程序实现曲线在计算机上的自动拟合绘制,通过曲线真实呈现功率的变化过程并求得最大功率值及对应的速度比值,结果表明用阿克玛插值法拟合得到的曲线精度高,真实性好,结果可靠,符合生产的实际需要.

成像测井数据处理中分辨率匹配及深度校正方法

成像测井由于分辨率高、信息量大而得到广泛应用。但其采样密度相当高,在深度校正数据预处理中,当与常规测井数据进行分辨率匹配时带来了困难,通常的插值方法都不能很好地解决这一问题。采用快速且精度较高的阿克玛(Akima)光滑等距插值方法,对常规测井自然伽马(GR)曲线进行插值处理,在此基础上采用相关分析方法,确定成像测井带测GR曲线的深度偏移量。结果表明,该方法能够快速地进行测井数据分辨率匹配及有效地校正成像测井曲线的深度误差,为进一步提高成像测井图像解释的精度奠定了基础。