检索结果-南通市图书馆

地球物理学进展 2023年第3期38卷 1143-1151页

作者：李键陈桂 David Cova 孙永壮孙宇航刘洋中海石油(中国)有限公司上海分公司上海200335 中国石油大学(北京)油气资源与探测国家重点实验室北京102249 中国石油大学(北京)克拉玛依校区克拉玛依834000

TOC(Total Organic Carbon,总有机碳)含量所表征的有机质丰度是评价烃源岩生烃潜力的重要指标之一.地震弹性参数与岩石的TOC含量之间存在一定的相关性,而且这种关系可能是非线性的.由于线性回归和XGBoost(Extreme Gradient Boosting,极... 详细信息

TOC(Total Organic Carbon,总有机碳)含量所表征的有机质丰度是评价烃源岩生烃潜力的重要指标之一.地震弹性参数与岩石的TOC含量之间存在一定的相关性,而且这种关系可能是非线性的.由于线性回归和XGBoost(Extreme Gradient Boosting,极端梯度提升)方法的复杂映射能力有限,以致TOC含量预测精度有限.本文提出了一种基于convlstm(Convolutional Long Short-Term Memory,卷积长短时记忆)神经网络的TOC含量地震预测方法,主要包括网络搭建、数据预处理、网络训练和测试四个部分.通过训练具有强复杂映射能力的convlstm神经网络来建立TOC含量与地震弹性参数(纵波阻抗、速度比以及泊松比)之间的非线性关系,以有效地预测TOC含量的区域性分布.L区的数据试算结果表明,相比于线性回归和XGBoost方法,本文方法具有更高的TOC含量预测精度.

关键词： TOC含量预测 convlstm神经网络地震弹性参数

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于convlstm神经网络的TOC预测方法

基于ConvLSTM神经网络的TOC预测方法

引用

中国石油学会2021年物探技术研讨会

作者：张毅刘洋中国石油大学(北京)油气资源与探测国家重点实验室中国石油大学(北京)克拉玛依校区

TOC（总有机碳）含量对于评价烃源岩具有重要意义。针对目前实测TOC值较少并且测量成本较高的问题,本文提出一种基于convlstm神经网络的TOC预测方法,该方法利用自然电位、自然伽马和声波时差等储层参数实现TOC的直接预测。利用某工区的... 详细信息

TOC（总有机碳）含量对于评价烃源岩具有重要意义。针对目前实测TOC值较少并且测量成本较高的问题,本文提出一种基于convlstm神经网络的TOC预测方法,该方法利用自然电位、自然伽马和声波时差等储层参数实现TOC的直接预测。利用某工区的4口井的测井数据对convlstm神经网络进行训练和测试,并与传统方法进行比较,结果表明该方法具有较高的预测精度和实用价值。

关键词：烃源岩 TOC convlstm神经网络储层参数

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

基于2D-VMD和convlstm的电力负荷图像化短期预测方法

引用

南方电网技术 2024年

作者：李承皓杨永标宋嘉启张翔颖徐青山东南大学电气工程学院南瑞工程技术有限公司南京分公司南瑞集团有限公司(国网电力科学研究院有限公司) 南京应用数学中心

电力负荷预测受到诸多不确定性事件的影响，因此准确地预测负荷一直是行业内研究的重点方向。针对传统方法在对台区短期电力负荷预测精度较低的问题，文中给出一种基于二维变分模态分解（two-dimensional variational mode decompositio... 详细信息

电力负荷预测受到诸多不确定性事件的影响，因此准确地预测负荷一直是行业内研究的重点方向。针对传统方法在对台区短期电力负荷预测精度较低的问题，文中给出一种基于二维变分模态分解（two-dimensional variational mode decomposition，2D-VMD）和卷积长短时记忆（convolutional long short-term memory，convlstm）神经网络的电力负荷图像化短期预测方法。首先采用格拉姆角场方法(Gramian angular fields，GAF)将预处理后的负荷数据转换为一组格拉姆角场图像，然后通过2D-VMD将这组图像各自分解成一系列不同中心频率的子模态并按中心频率分类，使用convlstm神经网络对不同模态图像组进行预测，最终将预测结果重构并逆操作得到负荷预测值。预测结果表明此方法提高了短期负荷预测的精度，为电力负荷预测提供了新方法。

关键词：电力系统负荷预测格拉姆角场二维变分模态分解 convlstm神经网络

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于剩余泊位短时预测的路内停车位动态分配模型研究

基于剩余泊位短时预测的路内停车位动态分配模型研究

引用

作者：尹志鹏长沙理工大学

学位级别：硕士

为了解决停车资源不均衡利用的问题,对路内停车资源的合理配置和管理至关重要。然而现有的停车分配模型没有充分考虑停车需求和供给的实时变化对停车位分配的影响,导致最终实施的效果并不理想。因此,动态的停车分配对于优化道路停车资... 详细信息

为了解决停车资源不均衡利用的问题,对路内停车资源的合理配置和管理至关重要。然而现有的停车分配模型没有充分考虑停车需求和供给的实时变化对停车位分配的影响,导致最终实施的效果并不理想。因此,动态的停车分配对于优化道路停车资源利用、改善交通状况具有重要价值。首先,本文以路内停车场为研究对象,分析了天气和工作日类型对剩余泊位数的影响,并对相邻与不相邻路内停车场间的泊位占用率的相关性进行研究,接着深入分析了七类典型路内停车场的停车特性,根据分析得到典型路内停车场的需求高峰时段,并结合典型路内停车场间的泊位占有率的相关性分析结果,总结出路内停车场泊位共享的组合。其次,构建了一种基于自回归移动平均模型(ARIMA)与卷积长短时神经网络(convlstm)结合的剩余停车位预测模型。根据皮尔逊相关系数对剩余停车位数据进行分析,筛选出相关性强的特征变量包括剩余停车位数、温度、风速和工作日类型作为模型输入参数,采用ARIMA模型去除数据的趋势性使其平稳化,利用convlstm模型提取数据中的时空特征,并选取三个停车场在ARIMA-convlstm模型和其他基线模型进行训练和验证,实验结果表明在ARIMA-convlstm模型在预测剩余停车位数的精度更高,为驾驶员选择和平台动态分配提供了参考依据。最后,构建了一种基于剩余泊位预测的动态停车分配模型。并建立了基于神经网络的动态停车分配模型,模型考虑了 3个影响因素:步行距离、停车费用、停车指数。实验结果表明,基于神经网络的动态停车位分配模型不仅能够实时分配停车位,而且能够提高停车位的利用率。实例表明在2-20分钟时间间隔下的动态停车分配模型的性能得分保持在80%以上,证明模型能有效提高资源的利用率和分配更加均衡。本文主要以解决路内停车资源利用效率低下为目的,结合泊位共享策略,综合考虑停车管理平台和停车者主观感知效用两个方面的因素,提出动态泊位资源匹配方法,以缓解交通拥堵和资源浪费等问题。

关键词：路内停车泊位共享剩余停车位预测 convlstm神经网络动态停车分配

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：