-
题名基于边缘强化神经拉动模型的三维表面重建
- 1
-
-
作者
徐宝昌
王毅豪
郝围围
尹士轩
王威
李雅飞
-
机构
中国石油大学(北京)信息科学与工程学院/人工智能学院
中国石油集团工程技术研究院有限公司钻井工艺研究所
-
出处
《红外与激光工程》
EI
CSCD
北大核心
2024年第6期202-212,共11页
-
基金
国家自然科学基金项目(52374015)
国家重点研发计划项目(2019YFA0708304)。
-
文摘
通过学习空间点云数据的符号距离函数(Signed Distance Functions, SDFs)进行三维表面重建是当前的研究热点。为重建出高精度的水密模型,神经拉动(Neural-pull, NP)采用点云拉动,以训练同步更新SDFs,但在实际重建过程中,重建模型会因为点云存在噪声和缺失而导致重建结果不够精细,带来错误的表面重建。针对以上问题,引入边缘提取强化输入点云的边缘信息,提出利用残差学习机制的边缘强化神经拉动模型(Neural Pull based on Edge Enhancement, NPEE)。为确保重建表面平滑的同时能够获取更多的表面细节,该方法在保留原本神经网络用于学习SDFs的基础上引入一个新的网络,利用残差学习机制学习点云的边缘SDFs。同时在原始点云的基础上,引入边缘因子σ,结合学习的边缘SDFs,通过点云边缘的鲁棒提取强化输入点云。为验证算法模型的优化效果,采用目前广泛使用的ABC数据集、斯坦福扫描模型和模拟扫描数据集设计对比实验,实验结果以及评估指标(CD)表明,NPEE可以有效改善神经拉动算法在边缘表面重建的缺陷,同时和其他重建方法相比,NPEE在面对稀疏点云和含噪点云时仍能保证重建的精确性和完整性。
-
关键词
深度学习
三维点云
表面重建
符号距离函数
-
Keywords
deep learning
3D point cloud
surface reconstruction
signed distance functions
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
TP391.9
[自动化与计算机技术—计算机应用技术]
-
-
题名基于测井资料的页岩储层可压裂性评价新方法
被引量：19
- 2
-
-
作者
翟文宝
李军
周英操
柳贡慧
黄涛
宋学锋
-
机构
中国石油大学(北京)石油工程学院
中国石油集团工程技术研究院有限公司钻井工艺研究所
北京工业大学机械工程与应用电子技术学院
-
出处
《岩性油气藏》
CSCD
北大核心
2018年第3期112-123,共12页
-
基金
国家自然科学基金面上项目"长水平段非均质页岩储层非均匀分簇射孔优化研究"(编号:51674272)
国家自然科学基金联合基金重点项目"页岩气水平井井筒完整性失效机理与控制方法"(编号:U1762211)
国家重大科技专项子课题"页岩气水平井分簇射孔完井优化新技术"(编号:2017ZX05009-003)联合资助
-
文摘
影响页岩储层可压裂性的因素较多,目前难以建立连续且完整的页岩储层可压裂性评价方法。基于测井资料可以较连续、完整地获取地层信息的特点,在考虑页岩脆性指数、矿物组成、含气性、断裂韧性等因素对可压裂性影响的基础上,利用层次分析法建立长水平井段页岩储层可压裂性评价模型,并通过引入突变理论,形成一种新的页岩储层可压裂性评价方法。分别利用基于突变理论和层次分析法的可压裂性评价方法,对四川盆地威远地区的1口水平井进行可压裂性评价,并将评价结果与微地震监测的该井页岩储层压裂后裂缝的发育情况和依据测井资料进行的储层分类情况进行对比。结果表明,基于突变理论的11级压裂段可压裂性评价结果与依据测井资料的储层分类结果及微地震监测的压裂后有效压裂体积的分布结果均吻合较好。该研究成果可为威远地区压前评价以及提高增产改造效果等提供理论依据。
-
关键词
页岩储层
可压裂性
测井资料
突变理论
层次分析法
-
Keywords
shale reservoir
fracability
logging data
catastrophe theory
analytic hierarchy process
-
分类号
TE377
[石油与天然气工程—油气田开发工程]
-
-
题名一种求解复杂优化问题的快速遗传算法算子
被引量：5
- 3
-
-
作者
裴莹
苏山
付加胜
韩霄松
-
机构
长春财经学院信息工程学院
吉林大学计算机科学与技术学院
中国石油集团工程技术研究院有限公司钻井工艺研究所
-
出处
《吉林大学学报（理学版）》
CAS
北大核心
2021年第3期602-608,共7页
-
基金
国家自然科学基金(批准号:61972174)
吉林省科技发展计划项目(批准号:20190302107GX)
+2 种基金
吉林省产业技术专项研究与开发项目(批准号:2019C053-7)
广东省应用基础研究重点项目(批准号:2018KZDXM076)
广东省重点学科建设计划项目(批准号:2016GDYSZDXK036)。
-
文摘
针对利用遗传算法解决参数维度高、计算复杂,且适应度依赖于其他工具的问题,提出一种加快遗传算法收敛速度的聚集算子.该算子首先利用AP(affinity propagation)聚类对种群进行划分,然后通过主成分分析(PCA)对每个聚簇降维,再利用加权最小二乘法在低维空间下将种群分布拟合成二次曲面,并将计算极值点作为优势个体返回到原始空间.实验结果表明,相比于传统遗传算法,聚集算子在保证优化精度的同时可有效提高收敛速度.
-
关键词
复杂问题求解
遗传算法
快速收敛
聚集算子
-
Keywords
complex problems solving
genetic algorithm
fast convergence
aggregation operator
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
