简介:钻遇潜山的作业风险决定了潜山界面识别技术在录井中的重要地位。为解决渤中油田某构造花岗岩潜山与上覆砂砾岩岩性难以区分的难题,引入X射线元素录井和X射线全岩衍射录井技术,利用岩屑元素和矿物含量变化确定地层界面和岩性的变化,但其应用中存在各种元素和矿物分异度不够、潜山界面的变化不明显等问题。在此条件下,引入ReliefF算法、PCA降维、支持向量机等数学方法及思维,用于处理现场成果数据并构建新图板,提高潜山界面识别的分异度。通过数学方法与地质录井的结合,提出了潜山界面识别的新思路,对渤中油田某构造后续作业以及渤海地区其他潜山构造的界面识别产生积极影响。
简介:摘要:我们针对管道漏磁内检的缺陷识别问题,提出了一种基于阈值分析的方法来对漏磁检测数据的处理,生成了一系列的漏磁检测曲线,这样更有利于图像的识别,我们利用相关软件在识别过程中产生了一条竖直的线来进行定位,环形焊缝在识别螺旋焊缝时,以圆点的形式产生斜线定位螺旋焊缝,实现了焊缝的自动化识别。在进行识别的过程中,我们用三线表来进行了缺陷位置的标注,对于不同的漏磁检测数据进行了多次的识别之后,表明这种方法的识别率是比较高的。 关键词:漏磁内检测,漏磁检测曲线,缺陷识别,数据分析 管道的腐蚀主要是造成管道泄漏的主要问题,然而漏磁内检测技术主要是因为管道内部的环境要求不够高,不需要耦合剂等优点,这就成为了目前比较成熟的检测手段之一,目前我们所常用的识别方法有,优化方法中的逐次逼近法,还有多元统计法以及神经网络法。我们主要通过对于漏磁检测数据的处理,还有分析利用相关软件对转化成的数组形式的漏磁检测数据来进行操作,形成了管道漏磁曲线,找到了相应的位置,通过判断满足了相应的条件。 一、管道漏磁内检测基本原理 1.1、漏磁检测原理 如果管壁中存在着缺陷的话,磁导率就会发生变化,整个磁路中的磁通发生畸形现象,这样就会改变整个途径,有部分的磁通会离开管壁,这样空气就会作为介质来绕过缺陷,在管壁的表面形成一个漏磁场。漏磁通被磁敏感器所捕捉之后,形成了相应的感应信号,缺陷漏磁信号中所含有的缺陷信息可以对信号进行分析,判断出缺陷是否超标。 1.2、管道漏磁内检测器
简介:针对传统军事命名实体识别方法存在人工构建特征复杂和军事文本分词不准确等问题,提出了一种基于深度学习的军事命名实体识别方法。结合双向长短时记忆(Bi-directionalLongShort-TermMemory,Bi-LSTM)神经网络对较长句子上下文的记忆能力、字向量(characterembedding)对汉字语义的表示能力和条件随机场(ConditionalRandomField,CRF)对标注规则的学习能力,构建了character+Bi-LSTM+CRF实体识别模型。为验证方法的有效性,在军事想定语料集上进行了实验,结果表明:该方法比传统方法识别效果好,识别准确率、召回率和F值均大幅提升。
简介:针对桥梁结构监测采集到的桥梁异常状态下长期积累演变的惊人数据量,提出了基于主成分分析与人工神经网络相结合的桥梁结构异常状态识别方法。布设多种类型传感器监测获取高维数据,采用主成分分析法对原始高维特征数据进行预处理,将结构异常特征变量的主成分作为人工神经网络的输入特征。该方法有效的降低了神经网络的结构复杂度,同时提高人工神经网络的训练速度,也保证了人工神经网络具有良好的收敛性和稳定性。应用于江苏南通如泰运河大桥和江苏无锡开源大桥的实际监测数据的结果表明,基于主成分分析的人工神经网络方法用于桥梁结构异常状态识别,与传统的神经网络以及其他模式识别算法相比,有更好的识别精度。
简介:大城市轨道交通的迅猛发展令轨道客流逐年攀升,换乘站点已成为城市大规模客流的主要集散地,由此带来了客流拥塞的安全隐患.本文旨在研究轨道换乘站客流拥塞风险的识别方法.基于实时回传的AFC数据,提取轨道换乘站客流,并在时变特征分析的基础上将客流划分为3类:进站客流、出站客流和换乘客流,将对应的客流量选取为客流拥塞风险评价指标.将轨道的运营时间(05:00—23:00)以15min为最小单元细分为72个时段,基于灰色聚类构建轨道换乘站客流拥塞风险评价模型,实现对轨道换乘不同时段客流拥塞风险等级的识别.应用该方法对北京市东直门轨道换乘站的客流拥塞风险进行评价,验证了该方法的有效性.