基于条件生成式对抗网络的油藏单井产量预测模型

为克服机器学习方法在油藏单井产量预测中的过拟合问题,提高油田生产中的产量预测精度,提出一种基于条件生成式对抗网络(CGAN)的油藏单井产量预测模型。该模型使用长短期记忆、全连接等基础神经网络,构建生成和判别网络模型。生成网络模型以产量影响因素为条件输入,生成预测产量数据,利用对数损失函数评价预测数据与真实数据之间的偏差,通过条件生成式对抗网络的博弈训练,并结合贝叶斯超参数优化算法,优化模型结构,综合提高模型的泛化能力。基于Eclipse数值模拟软件建立同一井网条件下不同地质和生产条件下的油藏单井产量数据库,以地质与生产条件等产量影响因素作为模型的条件输入,进行油藏单井产量预测。结果表明：与全连接神经网络(FCNN)、随机森林(RF)以及长短期记忆神经网络(LSTM)模型的预测结果相比,CGAN模型在测试集上的平均绝对百分比误差分别提升了2.59%、 0.81%以及1.72%,并且过拟合比最小(1.027)。说明CGAN降低了机器学习产量预测模型的过拟合程度,提高了模型的泛化能力与预测精度,验证了所提算法的优越性,对指导油田高效开发和保障我国能源战略安全具有重要意义。     

开式轴流风扇气动噪声预测

本文采用LES/FW-H的匹配方法,研究了开式轴流风扇内部旋涡流动特征及其与叶片表面干涉引起的气动噪声之间的联系,同时进行了远场噪声预测,探讨了叶轮不同表面辐射噪声时的频谱分布特征.研究结果表明,开式轴流风扇吸力面附近形成的叶尖涡和前缘分离涡在吸力面叶片表面相应位置形成大压力波动,形成主要噪声源;叶片吸力面的辐射噪声可以通过改善吸力面附近的旋涡流动来降低;低速轴流叶轮由叶轮壁面辐射的噪声以宽频成分为主.     

A three-step system calibration procedure with error compensation for 3D shape measurement

System calibration, which usually involves complicated and time-consuming procedures, is crucial for any three-dimensional （3D） shape measurement system based on vision. A novel improved method is proposed for accurate calibration of such a measurement system. The system accuracy is improved with considering the nonlinear measurement error created by the difference between the system model and real measurement environment. We use Levenberg-Marquardt optimization algorithm to compensate the error and get a good result. The improved method has a 50% improvement of re-projection accuracy compared with our previous method. The measurement accuracy is maintained well within 1.5% of the overall measurement depth range.     

基于支持向量机方法对非平稳时间序列的预测

目前有关非平稳复杂系统及其在预测中的应用研究是一个较少被人理解并有重大科学意义的前瞻性研究课题.在大气运动中,气候正是一个典型的非平稳系统,但是现有的气候预测理论,包括统计预测理论和非线性预测理论,几乎都无一例外地建立在平稳性假定的基础之上,这有悖于气候过程的基本性质,它有可能是导致气候预测水平低下的重要的理论原因.因此以分析如何降低时间序列非平稳程度作为切入点来研究短期气候预测问题有着重要的理论意义.利用基于“升维”思想的支持向量机方法对时变控制参数条件下Lorenz系统产生的非平稳时间序列以及来自实际     

物理实验教学的预测意识

培养学生的实验能力是中学物理的主要课程目标之一，是培养学生科学探究能力、提高科学素质的重要内容，新的高中物理教学大纲较旧大纲作了更突出的阐述，因而实验教学正日益受到人们的重视．但也应该看到，在物理实验教学中，不乏仍存在着按图索骥，照方抓药的机械行为．作为把握实     

地区电力需求预测研究

本文在分析影响预测准确原因的基础上．指出预测工作必须定量与定性相结合．针对地区电力消费需求的特点，提出了适宜于定性分析的四个预测模型．运用上述模型，实际预测结果令人满意。     

A Property of <Emphasis Type="Italic">g</Emphasis>-Expectation

This paper proves that, under the hypothesis g(t, 0, 0) ≡ 0 and some natural assumptions, the generator g of a backward stochastic differential equation can be uniquely determined by the corresponding g-expectations with all terminal conditions. The main result of this paper also confirms and extends Peng Shige‘s conjecture.     

对旋轴流风机反风性能的数值模拟

本文对一种对旋式轴流风机,采用SIMPLE方法对其整机的正、反风性能进行预测,通过求解雷诺平均N-S方程,湍流模型采用标准的k-ε模型,给出了分析采用的几何模型,通过CFD分析,预测出对旋式轴流风机的反风性能.通过对正风、反风预测性能的比较,结果表明:正风时的内流明显优于反风,主要内流细节差异是由于反风时流道收缩导致,反风时两级叶轮的负荷分配不均衡,后级叶轮负荷约为一级叶轮负荷的两倍多.对旋式轴流风机在反风运行状态下,流量、压力、功率各项参数的值均小于正风运行状态下的值,但其相对于普通轴流风机具有较大的反风量,反风量能达到正常风量的65%以上,可以满足对风机反风量的安全要求.     

Blind estimation of shallow water acoustic channel

This paper proposed a method for blind estimation of underwater channels in shallow water environment by using received data at a single hydrophone or from single beam. First,the received signal is used for source signal reconstruction by means of signal-dependent TF(Time-Frequency)distribution,in association with instantaneous frequency estimation and TF inversion.Then the shallow-water channel estimation is achieved via WRELAX technique by use of the received signal and the estimated source signal.Finally,the results of numerical simulation and experimental test from real data taken in South China Sea trial have proved satisfactory.It is shown that the proposed method is useful for underwater channel estimation.     

第39届定量无损评估进展年会在美国科罗拉多州召开

定量无损评估进展年会(QNDE,Annual Review of Progress in Quantitative Nondestructive Evaluation)是无损检测领域的重要学术会议,每年在美国不同的城市举行一次。第39届年会于2012年7月15到20日在美国科罗拉多州首府丹佛召开,全世界无损检测领域的领头研究单位、数百名学者、工程师参加了会议。该会议的突出特色是参会人员相