基于实体知识的石油炼化领域命名实体识别

石油炼化领域中的命名实体识别任务存在着标注数据稀缺,以及现有的预训练语言模型不能很好识别领域组合和嵌套实体的问题。基于此,首先提出一种基于外部实体知识的数据增强方法(EEKR),通过引入外部实体知识库,将其与标注数据中的实体进行实体级别替换完成数据增强,有效解决标注数据稀缺的问题。之后提出了基于内部实体知识的命名实体识别模型(IIEKNER),通过获取标注样本中的内部实体嵌入,将内部实体知识融入预训练模型,从而可以更准确地识别出石油炼化领域中的嵌套和组合实体。实验结果显示,相比于其他模型,基于EEKR数据增强方法的IIEKNER模型的识别效果更优。

油气钻采数字孪生模型构建方法及应用案例

油气钻采过程中地质的不确定性、井下实时工况的不可见性、工程仿真的复杂性阻碍了其科学高效的设计及施工。数字孪生技术能够提供实时智能且可视化的方案设计和工程决策,但缺乏针对油气钻采的系统建模方法。对此,本文首先剖析油气钻采数字孪生的国内外研究及应用现状,进而应用成熟度指标定量评价该技术的发展程度;其次,逐次提出油气钻采数字孪生模型的建模方法,包括建模流程、拆分策略、装配及融合架构、建模工具,并以钻井井壁稳定和海上生产系统为例,介绍数字孪生在钻井与开采方面的应用案例;最后,分析困难与挑战并提出发展建议。研究发现,相对制造业,钻采孪生多处于可视化阶段,整体成熟度偏低。油气钻采系统的复杂需求被拆分为若干清晰且较容易实现的子需求;基于需求分析将建模对象在粒度、维度、生命周期上拆分为不同的子模型,通过模型层、功能层、需求层逐层装配子模型,进而实现多维度、多领域模型间的融合。同时,需要在模型管理、数据管理和工程仿真方面完善方法和提高效率。此外,钻采孪生面临多源异构数据选择与融合困难、子模型定义模糊、模型验证不清的问题,以及复杂动力学过程、多部门多任务协同、自主软件工具开发方面的挑战。综上,本文提出的数字孪生模型构建方法和案例能为油气钻采工程提供方法指导和应用参考。

混合式教学模式下Java语言程序设计过程性考核实践探索

混合式教学模式得到了高校程序语言类教师的广泛认可。在混合式教学模式下如何进行合理有效的过程性考核关系到课程的教学效果以及学生的良好学风形成。本文针对混合式教学模式下Java语言程序设计课程的过程性考核进行实践探索,提出根据课程教学内容设置考核节点、线上线下结合的过程性考核方式、多样化的考核形式以及过程化考核成绩评定方式。文章对混合式教学模式下Java语言程序设计过程化考核进行有益的探索,提升了学生的实践动手能力。对于程序类课程在混合式教学模式下通过考核提升学风和学生动手能力有重要的借鉴意义。

基于边缘强化神经拉动模型的三维表面重建

通过学习空间点云数据的符号距离函数(Signed Distance Functions, SDFs)进行三维表面重建是当前的研究热点。为重建出高精度的水密模型,神经拉动(Neural-pull, NP)采用点云拉动,以训练同步更新SDFs,但在实际重建过程中,重建模型会因为点云存在噪声和缺失而导致重建结果不够精细,带来错误的表面重建。针对以上问题,引入边缘提取强化输入点云的边缘信息,提出利用残差学习机制的边缘强化神经拉动模型(Neural Pull based on Edge Enhancement, NPEE)。为确保重建表面平滑的同时能够获取更多的表面细节,该方法在保留原本神经网络用于学习SDFs的基础上引入一个新的网络,利用残差学习机制学习点云的边缘SDFs。同时在原始点云的基础上,引入边缘因子σ,结合学习的边缘SDFs,通过点云边缘的鲁棒提取强化输入点云。为验证算法模型的优化效果,采用目前广泛使用的ABC数据集、斯坦福扫描模型和模拟扫描数据集设计对比实验,实验结果以及评估指标(CD)表明,NPEE可以有效改善神经拉动算法在边缘表面重建的缺陷,同时和其他重建方法相比,NPEE在面对稀疏点云和含噪点云时仍能保证重建的精确性和完整性。

基于改进时序网络的钻进参数可解释实时预测

实时准确预测钻进参数变化趋势对现场钻井作业具有重要参考价值。针对智能模型在现场作业应用中面临的钻进参数可获取性限制,提出了一种基于注意力时域卷积网络(AT-TCN)的钻进参数超前预测方法。该方法不仅考虑了录井曲线随深度变化的趋势和自相关性,同时嵌入高拓展性的注意力机制模块,使模型更好地捕捉钻进参数的动态变化。利用现场钻井数据集测试,评估了模型在预测4种关键钻进参数(扭矩、立管压力、钻井液当量密度和机械钻速)方面的有效性和准确性。研究结果表明:AT-TCN预测当量密度的准确率最高达到99%,且在模型精度和计算效率上,均优于其他4种深度学习模型,能够有效捕捉钻进参数的变化趋势。AT-TCN还提供模型的双重可解释性,可从时序和特征维度方面反映输入序列对预测结果的影响。研究结果有望为钻井作业的安全性、高效性作出重要贡献,具有较强的落地应用价值。

水下控制系统网络可靠性测试方法及在乐东22-1气田的应用

针对水下控制系统网络开展可靠性测试方法研究。首先,分析水下控制系统网络结构,提出一种水下控制系统网络可靠性测试方法,测试网络的连通性及通信质量。其次,从层次结构、通信协议、冗余配置、设备接入网络方式等方面分析水下控制系统网络可靠性。最后,该测试方法成功应用于乐东22-1气田水下控制系统网络通信可靠性测试。

Radon变换频变自适应多次波压制方法

Radon变换是常用多次波压制方法之一,然而有限、离散的采样空间导致一次波和多次波在Radon域混叠,并且混叠程度随频率降低愈加严重.高分辨率Radon变换可以改善一次波和多次波分离效果,但分辨率的提高会降低保幅性,导致多次波残留或一次波损伤.为此,本文在最小二乘反演基础上,提出一种随混叠程度自适应分离多次波的频变滤波方法.根据Radon变换褶积模型,分析一次波和多次波频变混叠机制;建立随频率调整的修正柯西函数混叠模型;依据一次波和多次波的混叠比例设计多次波滤波器,该滤波器能够根据一次波和多次波的混叠程度自适应调整滤波函数,提高多次波估计精度.合成数据和实际数据的多次波压制实验表明,这种频变滤波方法既可以改善多次波压制效果,又可避免高分辨率反演方法计算量大的问题.

多尺度子群体交互关系下的群体行为识别方法

群体行为识别旨在识别包含多个个体的群体行为。在现实场景中,群体行为通常可以被视为从群体到子群体再到个人的层次结构。然而,以前的群体行为识别方法主要侧重于对个体之间的关系进行建模,缺乏对子群体之间关系的深度研究。从该角度出发,该文提出一种基于多尺度子群体交互关系(MSIR)的多层次群体行为识别框架。除对个体关系进行建模外,重点关注了子群体之间的多尺度交互特征。具体优化如下:设计子群体划分模块,通过个体外观特征和其空间位置来聚合可能存在关联的个体,再进一步利用语义信息动态地生成不同尺度大小的子群体;设计子群体交互特征提取模块,通过构建不同子群体之间的交互矩阵以及图神经网络的关系推理能力,提取更具判别力的子群体特征。实验结果表明,与现有12种方法在排球数据集和集体活动数据集这两个群体行为识别基准数据集上对比,该文方法都取得最好的性能结果。作为一个易于扩展和优化的群体行为识别框架,该算法在不同数据集上都具有较好的泛化能力。

基于特征融合的微电阻率成像测井空白带无监督填充方法

针对微电阻率电成像测井仪器的特点导致测井成像呈现规律性空白带的问题,本文提出一种融合多尺度多层级特征的无监督填充模型及全井段填充框架用于填充空白带。填充模型采用UNet架构,利用非空白带区域电阻率数据自身的统计先验基于MAE损失进行无监督训练填充,主要通过以下2个措施对传统UNet进行改进:在编码器中引入MSR-Conv,提升单层网络的多尺度表征能力;在编解码特征连接环节引入多层级编码特征融合模块与信息引导模块,丰富上采样的特征尺度,减少解码过程中的信息丢失。实验结果表明:相较UNet,本文所提模型在自然场景数据集上的视觉效果与客观指标均有明显提升,其中PE降低了19.03%,SSIM提升了2.9%,PSNR提升了4.66%。全井段填充框架应用填充模型分段训练填充空白带电阻率数据后再合并,实现端到端填充单口井的微电阻率成像测井空白带,填充结果具有一定的鲁棒性,贴合实际生产场景。

基于概率误差的三维室内定位系统最优布站方法

随着智能化、自动化技术的不断发展,室内定位技术的应用场景日益广泛,如何提高室内定位系统的精度和可靠性一直是研究热点。对基站布局进行优化,提升系统整体的定位精度是现有的室内定位系统优化方法之一。对于该方法,现有的研究普遍选择采用其他相似领域的已有方法,主要的两种方法中用于评价卫星共轭的精度稀释因子忽略了基站与标签的距离;作为导弹、惯导系统中落点精度评价因子的概率误差方法没有考虑基站几何结构的影响。对此,提出了一种基于精度稀释因子和概率误差方法的精度评价模型,用于推导三维室内定位系统的最优基站布局,该模型同时考虑了距离和几何结构对室内定位精度的影响,可以很好地应用于室内定位的领域。所提方法在程序模拟和实际定位实验中均取得了优异的效果。在程序模拟中,最优基站布局系统的定位误差均值相比传统四顶角定位系统降低了约14.38%,在实际定位实验中,最优布局的定位精度和效果都得到了显著提升。实验结果验证了精度评价模型的准确性与实用性。所提出的最优基站布局方法在三维室内定位领域具有很高的应用价值和普适性,能够有效提高室内定位系统的精度和效果。

基于FPGA的LVDS多通道视频流自动校准设计与实现

基于Micro-LED产品系列,设计了一种基于FPGA的LVDS自动校准多通道视频流传输系统。系统平台外挂GSV2011解码芯片,把解码得到的2K@120Hz/4K@60Hz视频流信号,通过自定义封装为80bit数据推送到LYDNT27001恒流源显示驱动芯片。系统中视频流数据传输涉及多级FPGA芯片数据传输,使用LVDS低压差分传输技术,在数据流传输过程中找到参考端和监视端信号,从而去调节SerDes中数据位对齐和采样稳定性的问题。该系统视频流数据通过LVDS多通道传输,传输速率可达10 Gb/s。此试验工程表明,该系统能够稳定、可靠、高效工作,具备一定的工程实用价值。

一种炼化装置控制回路与工艺参数故障预警系统

针对炼化装置中关键回路和关键工艺参数的异常,构建了一套故障预警系统。该系统由两部分组成:基于支持向量描述的控制回路异常诊断,基于参数平稳性判定和滚动数据SVDD的参数趋势诊断。前者通过建立支持向量数据描述的超球异常检测模型来诊断控制回路的工况变化和异常工况;后者通过构建滚动矩阵进行特征提取,再进行标准差计算和波动相似性的比较,用于检测工艺参数在短期时间内的异常波动和异常趋势。所建立的系统能够快速发现控制回路因工况变化导致的异常参数实时极端趋势和大幅度波动,并动态显示于DCS界面提示工艺人员进行紧急维护和故障处理。

套磨铣作业管柱力学分析及参数优化设计

针对井眼状况、作业管柱结构、修井液性能、套磨铣施工参数等维度,分析了套磨铣作业对套管损伤机理,建立了套磨铣作业设计方法,开发了套磨铣作业管柱力学分析及参数优化设计软件,实现了井眼轨迹计算、管柱力学分析、扭矩及拉力计算、套磨铣工具组合优化设计、施工水力参数优化等功能。实例应用表明,软件可以计算井口大钩载荷、套铣筒位置的扭矩、整体套磨铣管柱扭矩、沿井深的管柱动态磨阻、强度校核和安全分析,计算结果与实际测试结果误差在5.5%以内。研究结果可为制定科学的套磨铣作业套损预防提供对策方案。

机器学习在核磁共振测井数据处理中的应用进展

低场核磁共振技术已被广泛应用于石油勘探与开发领域,在储层评价、产能预测等方面发挥着重要作用。但低场核磁共振信号极其微弱、信噪比低,导致核磁共振弛豫谱信号重叠、流体组分定量评价困难。因此,开展相对应的低信噪比核磁共振数据处理方法研究,对提升核磁共振测井技术在储层评价中的应用十分重要。随着人工智能技术的飞跃发展,越来越多学者提出将机器学习与行业融合,充分利用已有数据提高生产效率。该文首先系统归纳了机器学习在核磁共振测井中的应用及发展现状,其次分析归纳了机器学习在核磁共振测井数据处理中的研究,分为提高核磁共振测井信号的信噪比、提高反演弛豫谱的分辨率和提升弛豫谱的解释应用精度这3个应用方向,以准确完成流体组分划分和定量计算。最后基于充分调研和综合分析,对机器学习在核磁共振测井数据处理的应用发展提出了思考。