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
2
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
基于人工智能的测井地层划分方法研究现状与展望
被引量：
6
1
作者
孙龙祥
韩宏伟
+4 位作者
冯德永
刘海宁
李泽瑞
康宇
吕文君
《油气地质与采收率》
CAS
CSCD
北大核心
2023年第3期49-58,共10页
基于地球物理测井地层划分相关概念及分类,将测井曲线自动分层方法分为传统方法和人工智能方法,从有监督学习方法和无监督学习方法2个方面分析人工智能方法的应用情况,并综合比较各类地层自动划分方法的优缺点。通过探索相关领域的发展...
基于地球物理测井地层划分相关概念及分类,将测井曲线自动分层方法分为传统方法和人工智能方法,从有监督学习方法和无监督学习方法2个方面分析人工智能方法的应用情况,并综合比较各类地层自动划分方法的优缺点。通过探索相关领域的发展情况,从不同角度思考测井地层划分方法进一步发展所存在的挑战及其解决方法。一是引入半监督学习方法,解决人工标签稀缺问题;二是从分割模型的角度,打破对测井数据的固有认识;三是采用测井曲线重构等方法,解决井段失真或缺失所导致的数据异构问题;四是通过样本加权,解决人工标签错误导致的数据偏差问题;五是采用迁移学习方法,解决不同地区数据分布差异问题。人工智能方法是解决地层划分、岩性识别、储层识别、生产运行中现有难题以及推进测井相关任务数字化转型的重要支撑。
展开更多
关键词
测井曲线
地层划分
人工智能
半监督学习
迁移学习
在线阅读
下载PDF
职称材料
基于特征采样引导和集成RFELM的道路高排放源识别模型
2
作者
周汉胜
段培杰
+1 位作者
李泽瑞
周金华
《现代电子技术》
北大核心
2024年第6期124-130,共7页
机动车排放的污染气体会对环境造成严重危害,其中尾气排放超标的车辆是主要污染来源,因此实现对道路高排放源的有效识别具有重要意义。针对尾气遥测数据,提出一种基于特征采样引导和集成随机傅里叶特征极限学习机(RFELM)的道路高排放源...
机动车排放的污染气体会对环境造成严重危害,其中尾气排放超标的车辆是主要污染来源,因此实现对道路高排放源的有效识别具有重要意义。针对尾气遥测数据,提出一种基于特征采样引导和集成随机傅里叶特征极限学习机(RFELM)的道路高排放源识别模型。首先对遥测数据进行多次随机采样,构建多组训练子集;然后对每组训练子集进行多次特征采样,并训练对应的子分类器,根据组内最优子分类器的输入特征更新特征采样的概率与特征权重;最后对所有子分类器的验证分数进行排序,筛选出一定比例的RFELM组成分类器集合,采用加权投票法预测数据的标签。实验结果表明,相比于RFELM和随机森林等算法,所提模型在真实的道路遥测数据上具有更好的识别效果,还有着更强的抗噪能力。
展开更多
关键词
道路高排放源识别
遥测数据
特征采样
集成学习
随机傅里叶特征极限学习机
子分类器
在线阅读
下载PDF
职称材料
题名
基于人工智能的测井地层划分方法研究现状与展望
被引量：
6
1
作者
孙龙祥
韩宏伟
冯德永
刘海宁
李泽瑞
康宇
吕文君
机构
安徽大学安徽大学与合肥综合性国家科学中心人工智能研究院联合实验室
合肥
综合性
国家
科学
中心
人工智能
研究院
中国石化胜利油田分公司物探
研究院
中国
科学
技术
大学
自动化系
出处
《油气地质与采收率》
CAS
CSCD
北大核心
2023年第3期49-58,共10页
基金
国家自然科学基金面上项目“地球物理测井资料智能处理与解释方法研究”(62273319)
中国石化科技攻关项目“人工智能技术在井位部署中应用探索研究”(PE19008-8)
+1 种基金
胜利油田基础前瞻研究项目“面向‘十五五'胜利油田勘探开发技术发展方向及战略研究—地球物理专题”(YJQ2205)
胜利油田重点科技项目“地震储层预测样本标注智能化方法研究及应用”(YKJ2201)。
文摘
基于地球物理测井地层划分相关概念及分类,将测井曲线自动分层方法分为传统方法和人工智能方法,从有监督学习方法和无监督学习方法2个方面分析人工智能方法的应用情况,并综合比较各类地层自动划分方法的优缺点。通过探索相关领域的发展情况,从不同角度思考测井地层划分方法进一步发展所存在的挑战及其解决方法。一是引入半监督学习方法,解决人工标签稀缺问题;二是从分割模型的角度,打破对测井数据的固有认识;三是采用测井曲线重构等方法,解决井段失真或缺失所导致的数据异构问题;四是通过样本加权,解决人工标签错误导致的数据偏差问题;五是采用迁移学习方法,解决不同地区数据分布差异问题。人工智能方法是解决地层划分、岩性识别、储层识别、生产运行中现有难题以及推进测井相关任务数字化转型的重要支撑。
关键词
测井曲线
地层划分
人工智能
半监督学习
迁移学习
Keywords
logging curve
stratigraphic division
artificial intelligence
semi-supervised learning
transfer learning
分类号
TE319 [石油与天然气工程—油气田开发工程]
在线阅读
下载PDF
职称材料
题名
基于特征采样引导和集成RFELM的道路高排放源识别模型
2
作者
周汉胜
段培杰
李泽瑞
周金华
机构
安徽
医科
大学
生物医学工程学院
合肥
综合性
国家
科学
中心
人工智能
研究院
安徽大学安徽大学与合肥综合性国家科学中心人工智能研究院联合实验室
出处
《现代电子技术》
北大核心
2024年第6期124-130,共7页
基金
国家自然科学基金资助项目(62103125)
国家自然科学基金资助项目(62033012)
安徽省博士后研究人员科研活动资助项目(2021A484)。
文摘
机动车排放的污染气体会对环境造成严重危害,其中尾气排放超标的车辆是主要污染来源,因此实现对道路高排放源的有效识别具有重要意义。针对尾气遥测数据,提出一种基于特征采样引导和集成随机傅里叶特征极限学习机(RFELM)的道路高排放源识别模型。首先对遥测数据进行多次随机采样,构建多组训练子集;然后对每组训练子集进行多次特征采样,并训练对应的子分类器,根据组内最优子分类器的输入特征更新特征采样的概率与特征权重;最后对所有子分类器的验证分数进行排序,筛选出一定比例的RFELM组成分类器集合,采用加权投票法预测数据的标签。实验结果表明,相比于RFELM和随机森林等算法,所提模型在真实的道路遥测数据上具有更好的识别效果,还有着更强的抗噪能力。
关键词
道路高排放源识别
遥测数据
特征采样
集成学习
随机傅里叶特征极限学习机
子分类器
Keywords
on-road high-emitter recognition
remote sensing data
feature sampling
ensemble learning
random Fourier feature extreme learning machine
subclassifier
分类号
TN957.523-34 [电子电信—信号与信息处理]
X734.2 [环境科学与工程—环境工程]
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
基于人工智能的测井地层划分方法研究现状与展望
孙龙祥
韩宏伟
冯德永
刘海宁
李泽瑞
康宇
吕文君
《油气地质与采收率》
CAS
CSCD
北大核心
2023
6
在线阅读
下载PDF
职称材料
2
基于特征采样引导和集成RFELM的道路高排放源识别模型
周汉胜
段培杰
李泽瑞
周金华
《现代电子技术》
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
