基于多变量小样本的渗流代理模型及产量预测方法

多孔介质渗流过程中存在的多尺度、多变量、多物理场耦合的非线性渗流问题给复杂渗流机理的表征及数学模型求解提出了巨大的挑战, 综合考虑地下多孔介质耦合渗流过程中关键力学问题的渗流模型往往需要在计算效率和计算精度之间权衡. 近年来, 基于油田多数据的渗流代理模型为高效求解多变量非线性渗流问题提供了思路, 而渗流代理模型在实际油田中的应用往往由于记录不全, 操作不当等因素受到小样本数据的限制. 针对这一问题, 本文提出了一种基于地质?油藏?工艺的多数据小样本渗流代理模型的产量预测方法. 通过填补缺失值, 独热编码分类数据, 数据对数化及标准化等一系列数据预处理方法, 形成了油田产量预测数据库; 经过随机劈分数据集、十折交叉验证, 测试了三种渗流代理模型的预测效果. 结果表明, 三种代理模型的决定系数均超过0.8, 模型预测结果与实际数据较为吻合; 对于小样本多变量的油田数据, 合适的数据预处理方法对模型预测效果影响显著; 经过数据标准化后, 随机森林算法表现最好, 能快速准确预测石油产量(均方误差0.12, 决定系数0.87).      

高光谱成像的柑橘病虫害叶片识别方法

为监测柑橘生长状况,实现病虫害无损识别,利用高光谱成像技术和机器学习方法进行柑橘病叶分类研究。使用高光谱成像仪采集46片柑橘正常叶、46片溃疡病叶、80片除草剂危害叶、51片红蜘蛛叶和98片煤烟病叶的高光谱图像,在478～900 nm光谱范围内对每个叶片一个或多个发病区提取5×5的感兴趣区域（ROI）,将ROI内每个像素的反射率值作为光谱信息,则一个ROI得到25个光谱信息样本,最终五类叶片共得到13250个光谱样本。利用随机法将全部样本划分为9 938个训练集和3 312个测试集。分别采用一阶求导（1stDer）、多元散射校正（MSC）和标准正态变换（SNV）三种方法对原始光谱信息进行预处理,对不同预处理方法后的数据采用主成分分析法（PCA）提取特征波长。1st Der预处理后得到7个特征波长,分别是520.2,689.0,704.8,715.4,731.2,741.8和757.6 nm;MSC和SNV预处理后得到7个相同的特征波长,分别是551.9,678.5,704.8,710.1,725.9,731.2和757.6 nm;原始光谱得到7个特征波长,分别是525.5,678.5,710.1,720.7,725.9,757.6和762.9 nm。分析PCA后的样本分布散点图可知,正常叶片、溃疡病叶片和红蜘蛛叶片样本有一定程度聚类,除草剂叶片和煤烟病叶片样本有大量重叠,仅依据PCA不能完成病虫害叶片的识别。对全波段（FS）和PCA特征波长数据在不同预处理方法下进行支持向量机（SVM）和随机森林（RF）建模,结果表明：数据在1stDer预处理方法下识别效果最佳,1st Der-FS-SVM模型总分类精度（OA）为95.98%,Kappa系数为0.948 2,1st Der-FS-RF模型OA为91.42%,Kappa系数为0.889 2,1stDer-PCA-SVM模型OA为90.82%,Kappa系数为0.881 6,1stDer-PCA-RF模型的OA为91.79%,Kappa系数为0.894;对PCA选择的特征波长数据建模,SVM和RF模型下识别率均达到84%,全波段下模型识别率在88%以上,FS数据建模效果优于PCA特征波长。研究结果表明,高光谱成像技术结合机器学习方法进行柑橘叶片分类是可行且有效的,为柑橘病虫害的无损准确识别提供理论根据。     

小猪的故事 测你性格阴影

一天,在森林里,一只大肥猪和一只小瘦猪遇到了一只大灰狼……你觉得这个故事怎么接下去比较合理呢？     

基于机器学习软骨细胞的时间依赖性力学行为及本构参数反演

探究软骨细胞机械负载下的力学特性对于理解软骨细胞的正常和病理状态以及骨性关节炎的病因至关重要. 基于软骨细胞有限元计算模型的力学响应与其本构参数之间的高度复杂非线性, 本文提出了分别利用双向深度神经网络TW-Deepnets模型和随机森林RF模型并结合有限元方法来识别软骨细胞本构参数的两种反演方法. 首先, 建立了软骨细胞的无侧限压缩实验有限元模型, 收集MSnHS本构参数空间点与对应的有限元计算模型的压缩反作用力响应数据集. 其次, 结合贝叶斯超参数优化算法搭建了用于软骨细胞本构参数反求的TW-Deepnets模型和RF模型, 对有限元收集的数据进行训练, 并利用单个软骨细胞受到50%压缩程度下的实验数据对软骨细胞的MSnHS本构参数进行了反求. 最后, 通过与实验曲线的对比验证了所提出的反演方法的有效性, 并引入决定系数R2对两种模型的预测准确性进行了对比评估, 检验了模型对各本构参数的预测性能, 分析了MSnHS本构模型中各参数影响软骨细胞力学响应的重要性占比. 结果表明, 本研究提出的本构参数反演方法能够有效获取软骨细胞的本构参数值, 从而准确描述软骨细胞的时间依赖性力学特性, 该方法也可进一步推广到生物细胞在静态或动态负载条件下的复杂参数反演问题.      

装饰根森林上的自由余圈无穷小单位Hopf代数（英文）

本文在根森林的无穷小双代数上赋予一个对径点,使之进一步成为一个无穷小单位Hopf代数;然后,从算子代数的框架中考虑此无穷小单位Hopf代数,提出余圈无穷小单位Hopf代数的概念,其中涉及到一个无穷小Hochschild 1-余圈条件;最后,证明装饰平面根森林的底空间带上一族嫁接运算是一个集合上的自由余圈无穷小单位Hopf代数.     

城市旅游开发潜力综合评价——以山东省为例

城市旅游的评价体现着系统性,往往很难以单一指标反映城市旅游发展潜力.本文针对我国旅游业的发展支持力、保障力和市场潜力等关键因素,建立山东省旅游开发潜力综合评价指标,以2017—2019年数据为基础,山东省16市为实证分析对象,首先,使用随机森林与熵值法确定指标重要性和权重;其次,利用主成分分析、层次分析法及支持向量机分...     

激波喷出过程和在林带中的传播

运用激波管技术研究了激波从管口喷出和在林带中传播这两个基本问题。给出了三方面的结果 :揭示了激波从管口喷出时的复杂流场 ,显示了主激波弯曲和衰减 ,二次激波的形成和合拢 ,涡环的长大和发展 ,以及涡环前缘出现正激波等基本物理现象 ;显示了激波在林带中的传播过程 ,取得了激波遇林地的反射 ,马赫杆形成 ,激波与林冠的相遇 ,林冠对涡环的阻滞效应等纹影照片 ;沿激波在林地的传播方向测量了地面压力 ,证实林带有明显的消波效应。     

资源受限下考虑救援优先级的森林火灾应急资源调度

在资源受限情况下,最大限度地减少森林火灾造成的资源损失,实施快速高效的森林消防应急救援成为亟待解决的现实问题.针对森林火灾救援问题的特点,根据不同火灾点的严重程度和火势蔓延速度对火灾救援优先级进行划分;在此基础上,以消防车辆救援时间最小化作为优化目标,建立消防救援车辆路径优化的混合整数线性规划模型.为解决资源受限下森林...     

大数据背景下的商品需求预测与分仓规划

商品需求预测对于电商企业意义重大,对阿里电商平台的交易数据进行挖掘以获取有效特征,利用特征建立模型对未来两周这些商品的需求进行动态预测,并基于预测结果和成本最小的原则提出分仓规划建议.预测模型选择随机森林做回归,然后在残差分析的基础上建立报童模型求解分仓的库存规划.对特征数量众多的电商交易数据挖掘所建立的模型有助于电商企业进行有效的商品需求预测并据此制定成本更低的分仓规划.     

手持式LIBS结合随机森林用于鱼产品的快速鉴别分析

中国是水产品生产和消费大国。由于不同鱼产品的品质和价格差距悬殊,近缘鱼类外观质地相似等特点,鱼产品掺假和错贴标签的现象频发,直接损害了消费者的消费和健康权益,因此实现鱼产品品种品质的快速检测具有重要的现实意义。激光诱导击穿光谱（LIBS）技术采用脉冲激光烧蚀样品表面产生激光诱导等离子体,通过探测等离子体的发射光谱实现待测样品元素组分的定性和定量分析,具有无需（或少量）样品预处理、多元素同时检测,分析速度快的优势,在食品快速检测分析方面具有很大的应用潜力。将LIBS技术结合随机森林（RF）算法用于不同种类鱼产品快速鉴别分析。首先对6种鱼肉样品进行压片处理,采用手持式LIBS分析仪采集其光谱数据,可探测到清晰的C、Mg、CN、Ca、Na、H、K、O等元素组分的特征谱线。将原始光谱数据进行归一化预处理,采用主成分分析方法（PCA）进行聚类,发现海水鱼和淡水鱼样品可以区分,而不同海水鱼之间和不同淡水鱼之间的样品则难以有效区分,说明PCA方法对鱼肉LIBS光谱分类能力有限。之后采用非线性的随机森林算法建立分类模型,经过优化RF模型的决策树个数与决策深度,得到鱼肉样品的整体识别正确率为90%。为进一步提高模型识别精度和分析效率,通过RF模型输出的变量重要性进行光谱特征提取,识别正确率提高到94.44%,且模型输入变量由23 431个减少到597个,模型运算时间显著降低。表明RF模型结合变量重要性提取可以很好地将LIBS光谱中变量重要性高、对分类贡献大的弱信号提取出来,有效剔除了谱线噪声、背景、以及其他不相关变量的干扰,提高模型的识别精度和分析效率。也验证了手持式LIBS设备结合机器学习方法用于市场鱼产品快速鉴别分析的可行性。