公共文化服务平台

李学贵: 作品数：37 被引量：78H指数：5; 供职机构：东北石油大学更多>>; 发文基金：国家自然科学基金中国石油科技创新基金黑龙江省自然科学基金更多>>; 相关领域：自动化与计算机技术天文地球石油与天然气工程电子电信更多>>

合作作者

基于涡流搜索算法的支持向量机分类模型被引量：2: 2016年; 提出一种将涡流搜索算法用于支持向量机参数选取的新算法,利用该算法不必遍历搜索空间内所有的参数点即可找到全局最优解。给出了具体的算法流程,并进行了仿真。仿真实验结果表明涡流搜索算法是选取SVM参数的有效方法。; 李学贵许少华李娜张强; 关键词：支持向量机参数优化

一种基于LCD-EE的管道声波信号特征提取的管道工况识别方法: 一种基于LCD‑EE的管道声波信号特征提取的管道工况识别方法，涉及信号处理和管道泄漏检测技术领域。其为了解决目前管道声波信号的特征提取难、无法反应出泄漏信号的本质特征，从而影响管道工况的准确识别的问题。本发明利用声波传感...; 路敬祎董宏丽周怡娜韩非李学贵高宏宇霍凤财宋金波杨帆; 文献传递

微地震震源定位方法综述被引量：10: 2020年; 微地震震源定位方法是微地震监测领域的一项核心技术,而考量微地震技术应用效果好坏的准则在于震源定位方法的精确程度。针对非常规油气开发过程中微地震震源定位方法的应用,本文对微地震震源定位方法进行阐述。其中:几何作图法具有稳健、效率高的优势,但震源位置较深时定位精度较低;线性定位法无需速度模型精度,但对初至拾取的精度有较大影响;非线性定位法对初至拾取较为敏感,对速度模型的精度要求较高,但计算量较小;混合优化定位法在一定程度上提高了定位的精度和效率,但在低信噪比、速度模型精度较低时优势不明显;基于波形偏移的定位方法无需考虑初至拾取的精度,但计算量较大;基于神经网络的定位方法采用训练网络进行训练,定位精度高,误差小。同时,本文还介绍了多方法多参数信息融合技术在油气藏微震震源定位中的应用。; 达姝瑾李学贵李学贵李含阳; 关键词：微地震

基于Android系统的油气处理设备巡检系统开发: 2015年; 根据石油化工行业关于设备运行管理要求,在充分考虑生产运行巡检工作要求基础上,本文利用网络技术、Web Service技术、Android技术以及二维条码扫描技术等最新技术开发基于Android系统的油气处理设备巡检系统,来提高装置运行巡检的效率,逐步实现无纸化办公的目标。; 李学贵李娜; 关键词：设备巡检 ANDROID 二维码

基于迁移学习LSTM的长输油管道泄漏实时检测系统: 本发明属于油田生产设备技术领域，具体涉及一种基于迁移学习LSTM的长输油管道泄漏实时检测系统，包括以下步骤：1、通过长输油管道泄漏实验平台采集数据，包含正常数据和泄露数据，通过数据训练，使LSTM网络检测准确率达到达95...; 董宏丽王闯韩非路敬祎霍凤财李学贵王梅杨帆

基于事件触发的全信息粒子群优化器及其应用被引量：6: 2023年; 针对标准粒子群优化算法存在早熟收敛和容易陷入局部最优的问题,本文提出了一种基于事件触发的全信息粒子群优化算法(Event-triggering-based full-information particle swarm optimization,EFPSO).首先,引入一类基于粒子空间特性的事件触发策略实现粒子群优化算法(Particle swarm optimization,PSO)的模态切换,更好地维持了算法搜索和收敛能力之间的动态平衡.然后,鉴于引入历史信息能够降低算法陷入局部最优的可能性,提出一种全信息策略来克服PSO算法搜索能力不足的缺陷.数值仿真实验表明,EFPSO算法在种群多样性、收敛率、成功率方面优于其他改进的PSO算法.最后,应用EFPSO算法对变分模态分解(Variational mode decomposition,VMD)去噪算法进行改进,并在现场管道信号去噪取得了很好的效果.; 王闯韩非申雨轩李学贵李学贵; 关键词：去噪算法

基于涡流搜索算法的过程支持向量回归机模型被引量：2: 2017年; 针对传统支持向量回归机在机制上难以直接对时变信号进行处理的问题,提出了一种用于时间序列预测的过程支持向量回归模型,采用涡流搜索算法优化选择模型参数,采用UCI(University of California Irvine)数据库的空气质量数据集和比利时SIDC(Solar Influences Data Analysis Center)的太阳黑子数据进行仿真实验。实验结果表明,该模型预测结果均优于粒子群过程支持向量回归机和支持向量回归机的预测结果,具有较好的预测能力。; 李学贵许少华李娜赵恩涛郭昊; 关键词：过程支持向量机参数优化

微地震数据去噪方法综述被引量：16: 2019年; 随着常规油气藏资源不断枯竭,非常规油气藏的勘探开发已逐渐成为一种必然趋势,从而使得微地震监测技术快速发展。微地震事件的发生持续时间短、声波频率高,使得实际采集到的微地震数据信噪比较低。本文首先简要介绍了微地震监测技术能够在非常规油气藏开发中保证高效的增产,以及微地震噪声压制在微地震监测技术数据处理流程中是关键一步,直接影响着后续微地震研究的准确性和可靠性;并对地面微地震监测数据中的噪声源进行分析,归纳了地面微地震监测中常见噪声:强脉冲干扰、工业交流电干扰、钻井干扰、声波干扰、规则干扰等,分析了其各自的基本特点。然后,概述了地面微地震数据去噪方法已取得的成果,按频率、传播方向、空间分布区域等特性进行分类,分析各种去噪方法在实际应用过程中针对的噪声类型,以及在去噪过程中对有效信号造成的影响等。最后,基于深度学习具有更强的复杂函数表征能力,分析了3种典型深度学习模型的结构及特点;结合在其他相关领域数据去噪问题的成功应用,深度学习可以解决目前微地震数据噪声压制存在的问题,可以作为微地震数据去噪的一种新方法;考虑到目前微地震数据样本数量可能影响深度学习在微地震监测中大规模的应用,本文提出用生成式对抗网络来构建微地震数据样本库以解决该问题,并将其用于后续深度学习过程中的模型训练。; 代丽艳董宏丽李学贵; 关键词：微地震

基于支持向量机和粒子群优化的油层开采状态识别被引量：1: 2017年; 针对开发小层生产状态评价问题,基于油井套损检测信号和储层岩性、物性、生产动态等动静态数据,提出了一种支持向量机和粒子群优化相结合的判别算法,较大提高了对多学科信息的综合能力和判别的准确性。; 李学贵许少华李娜; 关键词：支持向量机粒子群优化

基于LVQ过程神经元网络的储层岩性识别被引量：2: 2017年; 针对基于取心井岩心分析数据和测井过程数据的储层岩性判别问题,建立了一类学习向量量化过程神经元网络模型(LVQ-PNN:Learning Vector Quantization Process Neural Network)。该模型通过增加输出层,扩展了自组织过程神经元网络的深度结构;采用无监督竞争与有教师示教相结合的算法策略,提高了多维信号特征的自适应提取和自组织综合能力。实验证明,该方法具有较好的岩性特征综合和辨识能力,岩性识别率达到了84.7%。; 李学贵许少华赵恩涛赵玲; 关键词：过程神经元网络学习向量量化岩性识别

李学贵

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

李学贵

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈