微硅砂含量对热采井固井水泥强度影响研究

热采井开采过程中由于注汽压力高、温度高(280℃以上)因素影响,汽窜现象比较严重。汽窜主要是固井水泥环在高温影响下强度衰减,形成裂纹。防止汽窜主要是研究高温下强度不衰减水泥。因此在现有耐高温微硅砂固井水泥基础上,开展室内固井水泥试样强度试验,分析不同微硅砂含量和微硅砂粒径情况下水泥试样在280℃温度情况下的强度变化规律,得到在水泥中添加35%的微硅砂,选用300目微硅砂能够抑制高温对水泥石强度衰退的影响。

陆梁油田呼图壁组多层系砂岩油藏分层注水调控

陆梁油田底水油藏具有油层“薄、多、散”、层间非均质性强、油井特高含水、层系注水合格率低等特点,面临剩余油分布认识不清、注水调整难度大等问题。针对陆梁油田多层系砂岩油藏注水开发现状,利用油藏地质、测井、测试等资料,基于油藏模拟连通网络模型(INSIM),建立注水调控新方法,实现了不同层间级差井组分层注水的快速模拟评价及注采参数优化。能够进行多层系注水油藏的纵向和平面注水状况分析,并能模拟自然劈分情况的动态变化。对陆梁油田L9油藏典型井组进行分层注水调控后,预测累计产油量增加3.2×10^(4)m^(3),累计注水量减少3.9×10^(4)m^(3),井区含水率降低6.1%,可提高层系注水合格率和增油降水效果,亦为多层系砂岩油藏分层注水调控和深层挖潜提供了借鉴。

遮挡与几何感知模型下的头部姿态估计方法

头部姿态估计在人机交互、辅助驾驶等应用中起重要作用,但因受到光照变化、部分遮挡、不同面部外观差异等因素的影响,导致头部姿态估计的准确率不高。提出一种基于遮挡和几何感知模型的头部姿态估计方法,在预处理阶段采用多任务卷积神经网络进行人脸检测,减小背景环境的干扰,并进行图像增强操作以减小光照变化带来的影响。设计面部遮挡感知网络感知人脸的遮挡区域,从而提取信息量丰富的未遮挡面部特征。为充分利用面部的几何信息,采用堆叠胶囊自编码器对人脸各部分的姿态和位置进行编码,得到面部各部分间的几何关系。实验结果表明,该方法在AFLW2000数据集和BIWI数据集上的平均绝对误差分别为3.91和3.55,能有效提高头部姿态估计准确率,在复杂环境下的鲁棒性较好。

生成对抗网络下的低剂量CT图像增强

为去除低剂量计算机断层扫描(LDCT)图像中的噪声,增强去噪后图像的显示效果,提出一种生成对抗网络(GAN)下的LDCT图像增强算法。首先,将GAN与感知损失、结构损失相结合对LDCT图像进行去噪;然后,对去噪后的图像分别进行动态灰度增强和边缘轮廓增强;最后,利用非下采样轮廓波变换(NSCT)将增强后的图像在频域上分解为具有多方向性的系数子图,并将配对的高低频子图使用卷积神经网络(CNN)进行自适应融合,以重构得到增强后的计算机断层扫描(CT)图像。使用AAPM比赛公开的真实临床数据作为实验数据集,进行图像去噪、增强、融合实验,所提方法在峰值信噪比(PSNR)、结构相似度(SSIM)和均方根误差(RMSE)上的结果分别为33.015 5 dB、0.918 5和5.99。实验结果表明,所提算法在去除噪声的同时能保留CT图像的细节信息,提高图像的亮度和对比度,有助于医生更加准确地分析病情。

多尺度时频空三域特征联合下的储层岩性识别方法

针对储层岩性种类繁多、交替频繁、组成复杂,传统方法识别精度低、效率慢的问题,本文提出一种多尺度时频空三域特征联合下的储层岩性识别方法。该方法在原始测井特征的基础上引入了互补集合经验模态分解(CEEMD)的多尺度频域分量,从而提高测井曲线的纵向分辨率。此外,构建了注意力机制优化的多尺度卷积双向门控循环神经网络(CNN-BiGRU-AT)模型,对加入了多尺度频域分量的测井数据进行时空特征提取,从而实现了对测井数据时、频、空三域特征的联合学习,最后以注意力机制优化了模型输出,减少了错误信息的传播。为了验证方法可靠性,本文选取了资料较为完整的5口井数据进行实验分析。结果表明,在不同数据组合的对比实验中,加入多尺度频域分量在训练集和验证集识别准确率分别提高了9.50%和8.66%。在与不同模型对比实验中,本文方法在样本识别准确率达到了94.11%,与支持向量机(SVM)、BP神经网络、卷积神经网络(CNN)、双向门控循环神经网络(BiGRU)和CNN-BiGRU融合模型相比,本文方法识别准确率分别提高了16.21%、14.54%、11.69%、5.05%、3.38%。

结合全局上下文信息的交警手势识别方法

为了解决现有交警手势识别模型对全局信息提取得不够完善而导致识别准确率不高的问题,提出了一种结合全局上下文信息的交警手势识别方法(Spatial Graph Convolutional and Temporal Transformer network,SGCTT).该算法以STGCN网络模型为基础,使用图卷积进行非线性映射的方式来实现空间编码,并将空间编码得到的高维特征合并上一个用于分类的维度相同的可训练向量,然后再加入时间位置信息进行时间编码.最后,将时间编码器输出的训练完成的向量通过一个多层感知机进行分类输出.实验结果表明:在光照状态良好和夜间灯光下,SGCTT算法满足实时性的要求,对交警手势检测的平均精度达到了97.83%,相比于现有的交警手势分类模型有所提高,且具有更强的可移植性.

自监督学习HOG预测辅助任务下的车位检测方法

针对智能车位管理系统中,光照变化、车位遮挡等因素导致车位预测的精度下降、有效性变差的问题,提出一种自监督学习方向梯度直方图(HOG)预测辅助任务下的车位检测方法。首先,设计预测图像遮挡部分HOG特征的自监督学习辅助任务,利用MobileViTBlock(light-weight,general-purpose,and Mobile-friendly Vision Transformer Block)综合图像全局信息,使模型更充分地学习图像的视觉表征,并提高模型的特征提取能力;其次,改进SE(Squeeze-and-Excitation)注意力机制,使模型在更低的计算开销上达到甚至高于原始SE注意力机制的效果;最后,将辅助任务训练的特征提取部分应用于下游的分类任务进行车位状态预测,在PKLot和CNRPark的混合数据集上进行实验。实验结果表明,所提模型在测试集上的准确率达到了97.49%,相较于RepVGG,遮挡预测准确率提高了5.46个百分点,与其他的车位检测算法相比进步较大。

页岩诱导性裂缝漏失压力动力学模型

现有的诱导裂缝漏失压力模型只能判断裂缝是否开裂,无法分析裂缝开裂后裂缝宽度变化对漏失压力的影响。为此,首先建立了诱导裂缝在有效内压下裂缝宽度变化的计算方法 ;然后结合井底流体稳态扩散方程,在考虑漏失速度系数、裂缝宽度、流体黏度、井眼半径等影响因素的基础上,建立了流体在裂隙中稳态扩散的漏失压力动力学模型;最后以四川盆地焦石坝页岩气田的岩石力学性质及现场监测漏失速度为参数,计算了漏失压力的动态变化情况。结果表明:(1)井筒液柱压力与地层压力作用下的正压差是引发诱导性裂缝漏失的主要原因,现场施工中见漏就堵人为造成裂缝扩大的方法不可取;(2)诱导性裂缝漏失压力随时间改变而发生动态变化,裂缝宽度和漏失速度随漏失压力增加而增大;(3)存在着发生严重漏失的裂缝宽度临界值,漏失压差保持不变时,裂缝宽度与漏失速度呈幂指数变化关系。结论认为,现场应用效果证明了该模型的可行性,对于页岩诱导裂缝漏失可以采用控制漏失压力的方式来减小裂缝宽度,进而达到控制漏失的效果。

中国陆相页岩油钻井技术发展现状与前景展望

自2008年美国率先在页岩油藏钻井领域取得突破后,中国各大能源企业以及相关部门展开了一系列关于页岩油藏的勘探开发工作。页岩油钻井存在大位移水平井造斜难、井壁不稳定、井眼轨迹控制精度要求高、地层可钻性差、机械钻速低等难点,亟待突破。通过文献调研,综述了中国已完钻陆相页岩油井分布情况、技术难点及中国陆相页岩油藏钻井技术现状。从实现页岩油商业化开发、国外先进技术、国内存在的技术难点及现阶段进展等方面展望了工厂化钻井技术于中国陆相页岩资源开发的重要意义。

深度聚类索引下的海量地震数据快速三维可视化

地震数据的三维可视化能够直观反映地质的相关结构信息,为地质勘探等研究提供数据支持。针对传统体绘制算法在集中载入海量数据时存在显示延迟、画面跳跃、卡顿等问题,提出一种快速三维可视化算法。使用变分自编码器和深度聚类学习数据的空间特征表示,通过迭代优化目标函数提高聚类性能,以解决因空间数据分布不均造成的节点重叠问题。建立高效的索引结构,提高数据实时读取的效率,通过时序卷积网络预测下一个视点位置,提前将潜在数据载入内存,避免因海量数据集中加载导致画面卡顿、跳跃。使用基于双层视锥体的视点动态划分调度模型,剔除不必要的绘制节点及减轻系统负荷,从而提高数据渲染速度和流畅度。实验结果表明,该算法在索引结构上查询数据块的时间相比希尔伯特R树算法减少了64.14%~66.37%,预测视点的正确率相比拉格朗日插值算法提高了12.08%~22.70%,实时帧率在较大规模的子集上也能够相对稳定平滑,在保证图像质量的前提下整体系统的渲染性能达到预期效果。

参数优选残差网络下的井震联合反演方法

声波测井资料在层位标定和储层反演等工作中发挥着重要作用。然而受仪器设备、地质环境等条件的限制,实际得到的声波测井曲线常有失真现象。为了向油气藏勘探提供可靠的数据支持,提高储层预测的准确性,提出一种参数优选残差网络下的井震联合反演方法,对失真的声波测井曲线予以重构。考虑到传统人工神经网络无法表达出井震间的强非线性关系,该方法以深度学习中的残差网络(ResNet)构建智能反演模型,通过网络设计、参数选择以及模型训练,找到井震间更好的映射表达。同时综合考虑测井曲线的特点与均方损失的不足,设计了一种代价敏感损失函数Fusion,进一步提高模型整体的反演精度。在真实地震数据和测井资料上展开实验,并与全连接神经网络(FCNN)和多元回归分析(MLR)的反演结果对比分析,表明所提方法反演的声波测井曲线精度更高,相关系数达到0.912,均方根误差减小到13.399。将所提Fusion损失用于反演声波测井曲线,相关系数增加了2.5%,均方根误差减小了17.4%。