期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
三维地震速度建模技术在川南页岩气随钻地质导向中的应用
被引量：
1
1
作者
张明
李润川
+3 位作者
余兆才
于学勇
王熊飞
陈怡仁
《录井工程》
2024年第2期80-90,共11页
四川盆地川南地区地质构造复杂,地层变形强度不一,精细三维地震速度建模难度较大。以往地震速度建模更多侧重于深层目的层水平段的迭代校正,但丛式平台井在浅层非目的层段复杂工况(气侵、溢流、漏失、掉块等)频频发生,严重影响了钻井时...
四川盆地川南地区地质构造复杂,地层变形强度不一,精细三维地震速度建模难度较大。以往地震速度建模更多侧重于深层目的层水平段的迭代校正,但丛式平台井在浅层非目的层段复杂工况(气侵、溢流、漏失、掉块等)频频发生,严重影响了钻井时效和施工安全,亟需建立深、浅层兼顾的精细地震速度模型进行时深转换。基于三维时间域地震数据,通过精细人工合成地震记录标定,结合层位数据和井数据,建立初始地震速度模型,并参考实钻邻井数据设置虚拟控制井,采用最小曲率插值和反距离加权插值相结合的方法,对初始地震速度模型进行优化,可快速实现深、浅层同时迭代校正,最终得到符合构造沉积特征的精细三维地震速度模型。在川南地区现场随钻地质导向过程中应用校正后的三维地震速度模型可以及时、准确地为钻井工程提供全层系风险预警和地质导向建议,效果显著,可推广应用。
展开更多
关键词
页岩气
三维建模
地震速度
随钻地质导向
四川盆地
川南地区
在线阅读
下载PDF
职称材料
基于多特征融合的心搏类型识别研究
被引量：
2
2
作者
李润川
张行进
+3 位作者
陈刚
姚金良
于婕
王宗敏
《郑州大学学报（工学版）》
CAS
北大核心
2021年第4期7-12,共6页
心律失常是一种常见的心电活动异常,严重的可能危及人的生命。为了能准确诊断心律失常,提出了一种新的方法,用于心律失常诊断中对心搏的识别分类。首先对原始心电信号进行去噪预处理,并根据R峰位置获得心搏段。然后提取235单心搏特征点...
心律失常是一种常见的心电活动异常,严重的可能危及人的生命。为了能准确诊断心律失常,提出了一种新的方法,用于心律失常诊断中对心搏的识别分类。首先对原始心电信号进行去噪预处理,并根据R峰位置获得心搏段。然后提取235单心搏特征点、R波幅值、PR间期、QT间期、ST段和RR间期作为特征参数,并对比分析不同特征组合下分类的性能,选出最佳的特征组合,最后基于最佳特征组合使用KNN模型对心搏进行分类。在MIT-BIH心律失常数据库上进行实验,并根据ANSI/AAMI分类方法对MIT-BIH心律失常数据库中的3种心搏类型:正常或束支传导阻滞(N)、室上性异位搏动(S)、心室异位搏动(V)进行分类。实验结果显示:S类心搏的灵敏度为87.8%,阳性预测值为95.1%;V类心搏的灵敏度为96.6%,阳性预测值为98.2%,测得的平均准确率为99.2%。与其他心搏分类方法相比,所提的基于多特征融合与KNN模型的心搏分类方法提高了分类准确率,具有较高的灵敏度和阳性预测值,对临床决策具有重要价值。
展开更多
关键词
心电图
多特征融合
KNN模型
心搏分类
在线阅读
下载PDF
职称材料
面向MEC多智能体协同任务卸载的深度强化学习算法
3
作者
张茜
苏冬冬
+1 位作者
张聪
李润川
《电讯技术》
北大核心
2024年第11期1750-1757,共8页
针对移动边缘计算中的多用户协同任务卸载场景,提出了一种基于深度强化学习的多智能体协同任务卸载算法(Deep Reinforcement Learning-based Multi-agent Collaborative Task Offloading Algorithm,MCTO-DRL)。考虑到用户移动性、协同...
针对移动边缘计算中的多用户协同任务卸载场景,提出了一种基于深度强化学习的多智能体协同任务卸载算法(Deep Reinforcement Learning-based Multi-agent Collaborative Task Offloading Algorithm,MCTO-DRL)。考虑到用户移动性、协同性、任务动态优先级以及资源受限等问题,构建了一种多用户协同任务卸载的网络模型。在此基础上建立了端到端优化目标函数,并利用马尔可夫决策过程(Markov Decison Processes,MDP)形式化多任务协同卸载问题。利用双向长短期记忆(Bidirectional Long Short-Term Memory,Bi-LSTM)网络提取状态向量动态时序依赖关系的特征信息,结合强化学习方法建立高维状态与动作之间的关系映射,并设计了一种动态优先级协同采样算法,用于提高多智能体的协同性。实验分析表明,在多智能体协同任务卸载场景中,MCTO-DRL算法最优卸载概率达到86%以上,时隙累积奖励较4种基线算法分别提升约20.0%、16.23%、22.0%、9.44%,并能够适应不同复杂性和需求型的卸载任务。
展开更多
关键词
移动边缘计算
深度强化学习
协同卸载
双向长短期记忆(Bi-LSTM)网络
在线阅读
下载PDF
职称材料
题名
三维地震速度建模技术在川南页岩气随钻地质导向中的应用
被引量：
1
1
作者
张明
李润川
余兆才
于学勇
王熊飞
陈怡仁
机构
中国石油集团东方地球物理勘探有限责任公司研究院塔里木物探研究院
中国石油西南油气田分公司开发事业部
中国石油集团测井有限公司物资装备公司EISC西南分中心
中国石油集团东方地球物理勘探有限责任公司研究院西南物探研究院
出处
《录井工程》
2024年第2期80-90,共11页
基金
中国石油集团油田技术服务有限公司科学研究与技术开发项目“EISC平台完善与数据治理技术研究与应用”(编号:2023T003001)。
文摘
四川盆地川南地区地质构造复杂,地层变形强度不一,精细三维地震速度建模难度较大。以往地震速度建模更多侧重于深层目的层水平段的迭代校正,但丛式平台井在浅层非目的层段复杂工况(气侵、溢流、漏失、掉块等)频频发生,严重影响了钻井时效和施工安全,亟需建立深、浅层兼顾的精细地震速度模型进行时深转换。基于三维时间域地震数据,通过精细人工合成地震记录标定,结合层位数据和井数据,建立初始地震速度模型,并参考实钻邻井数据设置虚拟控制井,采用最小曲率插值和反距离加权插值相结合的方法,对初始地震速度模型进行优化,可快速实现深、浅层同时迭代校正,最终得到符合构造沉积特征的精细三维地震速度模型。在川南地区现场随钻地质导向过程中应用校正后的三维地震速度模型可以及时、准确地为钻井工程提供全层系风险预警和地质导向建议,效果显著,可推广应用。
关键词
页岩气
三维建模
地震速度
随钻地质导向
四川盆地
川南地区
Keywords
shale gas
3D modeling
seismic velocity
geosteering while drilling
Sichuan Basin
southern Sichuan region
分类号
TE132.1 [石油与天然气工程—油气勘探]
在线阅读
下载PDF
职称材料
题名
基于多特征融合的心搏类型识别研究
被引量：
2
2
作者
李润川
张行进
陈刚
姚金良
于婕
王宗敏
机构
郑州大学信息工程学院
郑州大学互联网医疗与健康服务河南省协同创新中心
出处
《郑州大学学报（工学版）》
CAS
北大核心
2021年第4期7-12,共6页
基金
国家重点研发计划项目(2017YFB1401200)
兵团重点领域科技攻关项目(2018AB017)。
文摘
心律失常是一种常见的心电活动异常,严重的可能危及人的生命。为了能准确诊断心律失常,提出了一种新的方法,用于心律失常诊断中对心搏的识别分类。首先对原始心电信号进行去噪预处理,并根据R峰位置获得心搏段。然后提取235单心搏特征点、R波幅值、PR间期、QT间期、ST段和RR间期作为特征参数,并对比分析不同特征组合下分类的性能,选出最佳的特征组合,最后基于最佳特征组合使用KNN模型对心搏进行分类。在MIT-BIH心律失常数据库上进行实验,并根据ANSI/AAMI分类方法对MIT-BIH心律失常数据库中的3种心搏类型:正常或束支传导阻滞(N)、室上性异位搏动(S)、心室异位搏动(V)进行分类。实验结果显示:S类心搏的灵敏度为87.8%,阳性预测值为95.1%;V类心搏的灵敏度为96.6%,阳性预测值为98.2%,测得的平均准确率为99.2%。与其他心搏分类方法相比,所提的基于多特征融合与KNN模型的心搏分类方法提高了分类准确率,具有较高的灵敏度和阳性预测值,对临床决策具有重要价值。
关键词
心电图
多特征融合
KNN模型
心搏分类
Keywords
ECG
multi-feature fusion
KNN model
heartbeat classification
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
面向MEC多智能体协同任务卸载的深度强化学习算法
3
作者
张茜
苏冬冬
张聪
李润川
机构
中原工学院人工智能学院
中原工学院计算机学院
深圳江行联加智能科技有限公司
出处
《电讯技术》
北大核心
2024年第11期1750-1757,共8页
基金
河南省科技攻关计划项目(242102211046)
河南省高等学校重点科研项目(25A520039,24B520048)
+2 种基金
中原工学院优势学科实力提升计划资助(SD202230)
中原工学院研究生教育教学改革研究项目(JG202424,JG202328)
中原工学院基本科研业务费专项资金项目(K2022QN021)。
文摘
针对移动边缘计算中的多用户协同任务卸载场景,提出了一种基于深度强化学习的多智能体协同任务卸载算法(Deep Reinforcement Learning-based Multi-agent Collaborative Task Offloading Algorithm,MCTO-DRL)。考虑到用户移动性、协同性、任务动态优先级以及资源受限等问题,构建了一种多用户协同任务卸载的网络模型。在此基础上建立了端到端优化目标函数,并利用马尔可夫决策过程(Markov Decison Processes,MDP)形式化多任务协同卸载问题。利用双向长短期记忆(Bidirectional Long Short-Term Memory,Bi-LSTM)网络提取状态向量动态时序依赖关系的特征信息,结合强化学习方法建立高维状态与动作之间的关系映射,并设计了一种动态优先级协同采样算法,用于提高多智能体的协同性。实验分析表明,在多智能体协同任务卸载场景中,MCTO-DRL算法最优卸载概率达到86%以上,时隙累积奖励较4种基线算法分别提升约20.0%、16.23%、22.0%、9.44%,并能够适应不同复杂性和需求型的卸载任务。
关键词
移动边缘计算
深度强化学习
协同卸载
双向长短期记忆(Bi-LSTM)网络
Keywords
mobile edge computing
deep reinforcement learning
collaborative offloading
long short-term memory(Bi-LSTM)network
分类号
TN929.5 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
三维地震速度建模技术在川南页岩气随钻地质导向中的应用
张明
李润川
余兆才
于学勇
王熊飞
陈怡仁
《录井工程》
2024
1
在线阅读
下载PDF
职称材料
2
基于多特征融合的心搏类型识别研究
李润川
张行进
陈刚
姚金良
于婕
王宗敏
《郑州大学学报（工学版）》
CAS
北大核心
2021
2
在线阅读
下载PDF
职称材料
3
面向MEC多智能体协同任务卸载的深度强化学习算法
张茜
苏冬冬
张聪
李润川
《电讯技术》
北大核心
2024
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
