检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于波动方程的地震波数值模拟研究综述

吉林大学学报(地球科学版) 2024年

作者：李航孙宇航李佳慧李学贵董宏丽东北石油大学黑龙江省网络化与智能控制重点实验室东北石油大学三亚海洋油气研究院

地震波场数值模拟在地震勘探、地震资料处理和地球构造研究等方面发挥着重要的作用。波动方程数值模拟方法充分考虑了地震波传播的动力学特征和几何学特征，可以为地震波传播机理的研究和复杂地层的解释提供强有力的理论支持，是目前应... 详细信息

地震波场数值模拟在地震勘探、地震资料处理和地球构造研究等方面发挥着重要的作用。波动方程数值模拟方法充分考虑了地震波传播的动力学特征和几何学特征，可以为地震波传播机理的研究和复杂地层的解释提供强有力的理论支持，是目前应用较为广泛的地震波场数值模拟方法之一。本文调研了五种基于波动方程的数值模拟方法：有限差分法易于理解，但数值频散问题明显；伪谱法精度高，但计算过程复杂；有限元法适用于复杂模型，但计算资源消耗大；谱元法适合高精度问题，但对计算内存需求较高；基于物理信息神经网络的深度学习法具有较强的适应性，但训练成本较高。并分别叙述了这五种数值模拟方法的理论基础、适用条件和最新进展。未来，地震波场数值模拟方法应结合深度学习等最新技术；优化边界条件模拟真实的边界反射情况；提高模拟的精度和效率。

关键词：波场模拟有限差分法伪谱法有限元法谱元法物理信息神经网络

基于联合小波域深度学习的地震数据规则化方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

石油地球物理勘探 2022年第4期57卷 777-788,I0002页

作者：张岩李杰王斌李新月董宏丽东北石油大学计算机与信息技术学院黑龙江大庆163318 东北石油大学人工智能能源研究院黑龙江大庆163318 黑龙江省网络化与智能控制重点实验室黑龙江大庆163318

数据规则化是地震资料处理的关键步骤之一,基于物理建模的传统方法计算量大且不具备广泛适用性。当前基于卷积神经网络的地震数据规则化方法通常局限在时域,尤其在低采样率条件下,重建数据过于平滑,纹理细节信息损失严重。小波分析具有... 详细信息

数据规则化是地震资料处理的关键步骤之一,基于物理建模的传统方法计算量大且不具备广泛适用性。当前基于卷积神经网络的地震数据规则化方法通常局限在时域,尤其在低采样率条件下,重建数据过于平滑,纹理细节信息损失严重。小波分析具有多尺度、多方向的特性,更适于表示二维数据的纹理特性,可以聚焦地震数据信号的细节信息。为此,提出一种联合小波域的卷积神经网络模型,学习地震数据在时域与小波域的联合分布特征以逼近实际数据,将不规则地震数据重建问题转化为在卷积神经网络框架下各尺度不同方向分量的小波系数预测,重建规则化的地震数据;构建时域与小波域的联合损失函数,结合地震数据的整体分布和局部细节特征,约束网络模型,通过修正联合损失函数的权重调整卷积神经网络学习的注意力,提高重建地震数据信噪比。实验结果表明,与其他方法对比,该方法细节保持效果更好,对地震数据缺失位置不敏感,更具鲁棒性。

关键词：地震数据规则化深度学习联合损失函数小波变换卷积神经网络

重放攻击下多智能体系统H_(∞)一致性PID控制

在线全文

学校读者我要写书评

暂无评论

控制理论与应用 2024年第4期41卷 658-666页

作者：宋金波董宏丽申雨轩侯男东北石油大学电气信息工程学院黑龙江大庆163318 东北石油大学人工智能能源研究院黑龙江大庆163318 东北石油大学黑龙江省网络化与智能控制重点实验室黑龙江大庆163318 东北石油大学三亚海洋油气研究院海南三亚572025

本文针对一类带有加性噪声和乘性噪声的离散多智能体系统,研究重放攻击下多智能体系统的H_(∞)一致性比例-积分-微分(PID)控制问题.首先,根据智能体的测量输出设计状态观测器,对智能体的状态进行有效估计,观测器设计过程中考虑了系统测... 详细信息

本文针对一类带有加性噪声和乘性噪声的离散多智能体系统,研究重放攻击下多智能体系统的H_(∞)一致性比例-积分-微分(PID)控制问题.首先,根据智能体的测量输出设计状态观测器,对智能体的状态进行有效估计,观测器设计过程中考虑了系统测量输出从传感器传输到观测器过程中受到重放网络攻击的影响.然后,利用智能体与其邻居智能体的估计状态差设计PID控制器.利用李雅普诺夫稳定性理论和代数图论,证明在该控制策略下,多智能体系统在重放攻击存在的情况下达到预期的H_(∞)性能指标.最后,利用线性矩阵不等式(LMI)方法求解观测器和控制器增益,利用数值仿真验证了所设计的观测器和PID控制器的有效性.

关键词：多智能体重放攻击 PID控制 H_(∞)性能观测器

在线全文

学校读者我要写书评

暂无评论

基于事件触发的全信息粒子群优化器及其应用

自动化学报 2023年第4期49卷 891-903页

作者：王闯韩非申雨轩李学贵董宏丽东北石油大学人工智能能源研究院大庆163318 黑龙江省网络化与智能控制重点实验室大庆163318 东北石油大学计算机与信息技术学院大庆163318

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... 详细信息

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.

关键词：粒子群优化器事件触发策略全信息策略去噪算法变分模态分解

在线全文

学校读者我要写书评

暂无评论

基于时频联合深度学习的地震数据重建

吉林大学学报（地球科学版） 2023年第1期53卷 283-296页

作者：张岩刘小秋李杰董宏丽东北石油大学计算机与信息技术学院黑龙江大庆163000 东北石油大学人工智能能源研究学院黑龙江大庆163000 黑龙江省网络化与智能控制重点实验室黑龙江大庆163000

地质条件和采集环境等因素的影响往往导致在地质勘探过程中无法获取完备的地震数据,对后续地质解释工作造成影响。随着计算机硬件的发展及基于卷积神经网络的地震数据处理方法的应用,越来越多的深度学习方法应用于地震数据规则化,当前... 详细信息

地质条件和采集环境等因素的影响往往导致在地质勘探过程中无法获取完备的地震数据,对后续地质解释工作造成影响。随着计算机硬件的发展及基于卷积神经网络的地震数据处理方法的应用,越来越多的深度学习方法应用于地震数据规则化,当前此类方法通常局限在时域范围内处理数据,导致重建数据过于平滑,纹理细节信息缺失。本文提出一种联合时频域特征的卷积神经网络模型,通过在地震数据的时域和傅里叶域上进行联合约束,学习地震数据在时域和傅里叶域的多维度分布特征,重建欠采样地震数据,修正联合损失函数的权重,调整卷积神经网络学习的注意力;采用多级可调节的残差块构建卷积神经网络中间层,提高特征提取能力,根据任务的需要调节残差块数量,平衡网络的精度与效率。实验结果表明,本文提出的方法与双三次插值、基于块匹配的3D协同滤波、深超分辨率网络、增强深度学习超分辨率重建网络等方法对比,具有更好的细节保持效果和鲁棒性。

关键词：地震数据规则化卷积神经网络时频联合深度学习傅里叶变换

基于AO优化VMD-小波包的岩石破裂声发射信号去噪算法

在线全文

学校读者我要写书评

暂无评论

采矿与岩层控制工程学报 2023年第6期5卷 78-91页

作者：王婷婷李方霍雨佳王振豪赵万春东北石油大学电气信息工程学院黑龙江大庆163318 东北石油大学黑龙江省网络化与智能控制重点实验室黑龙江大庆163318 东北石油大学非常规油气研究院黑龙江大庆163318 东北石油大学陆相页岩油气成藏及高效开发教育部重点实验室黑龙江大庆163318

针对岩石在破裂过程中产生的大量含噪声发射信号问题,基于天鹰优化(Aquila Optimizer,AO)算法提出一种改进的变分模态分解(VMD)联合小波包分解的声发射(AE)信号去噪算法。利用Circle混沌优化的AO算法对VMD算法中的分解模态个数K和二次... 详细信息

针对岩石在破裂过程中产生的大量含噪声发射信号问题,基于天鹰优化(Aquila Optimizer,AO)算法提出一种改进的变分模态分解(VMD)联合小波包分解的声发射(AE)信号去噪算法。利用Circle混沌优化的AO算法对VMD算法中的分解模态个数K和二次惩罚因子α进行寻优,有效避免了人为经验选取参数导致的时间消耗以及效果不佳等问题;利用得到的最优参数组合对岩石破裂声发射信号进行分解,得到一系列本征模态分量,结合相关系数筛选出含噪分量;然后利用小波包去噪算法对含噪分量进行处理;最后,将未处理的分量与降噪处理后的分量重构得到去噪后的AE信号。通过仿真和实测信号分析,结果表明与现有去噪算法相比,该算法能更好地去除AE信号中的噪声分量,保留信号的频域特征信息,可为后续利用声发射信号探究岩体破裂规律提供参考。

关键词：岩石破裂声发射信号天鹰优化算法变分模态分解小波包去噪 Circle混沌

基于VMD去噪和散布熵的管道信号特征提取方法

在线全文

学校读者我要写书评

暂无评论

吉林大学学报（工学版） 2022年第4期52卷 959-969页

作者：周怡娜董宏丽张勇路敬祎东北石油大学人工智能能源研究院黑龙江大庆163318 东北石油大学黑龙江省网络化与智能控制重点实验室黑龙江大庆163318 东北石油大学三亚海洋油气研究院海南三亚572024 东北石油大学电子科学学院黑龙江大庆163318

针对管道声波信号非线性、非平稳性特点和管道泄漏信号特征提取困难的问题,提出一种管道声波信号特征提取方法。首先,采用变分模态分解(VMD)算法对采集到的声波信号进行去噪,在此过程中采用最小巴氏距离法确定VMD分解的模态个数,并通过... 详细信息

针对管道声波信号非线性、非平稳性特点和管道泄漏信号特征提取困难的问题,提出一种管道声波信号特征提取方法。首先,采用变分模态分解(VMD)算法对采集到的声波信号进行去噪,在此过程中采用最小巴氏距离法确定VMD分解的模态个数,并通过评估VMD分解后各本征模态函数(IMF)分量与原始信号的概率密度之间的Wasserstein距离(WD)来筛选有效模态,对筛选的有效模态进行重构。然后,对重构的信号计算其散布熵值作为信号特征参数,最后将特征参数输入极限学习机(ELM)进行工况识别。实验结果表明,本文方法能够较准确地分类识别管道信号,总的识别率达到了100%。

关键词：管道泄漏变分模态分解 Wasserstein距离散布熵特征提取

在线全文

学校读者我要写书评

暂无评论

基于多模态时序对比生成网络的数据增强算法

控制理论与应用 2023年

作者：商柔董宏丽王闯周国强管闯闫天红东北石油大学人工智能能源研究院黑龙江省网络化与智能控制重点实验室东北石油大学三亚海洋油气研究院

针对工业故障诊断中的小样本和类不平衡问题,本文提出一种基于马尔可夫链的多模态时序对比生成模型(Time-Series Contrastive Generative Network, TCGN).首先,为了提升合成数据时间结构的真实性,设计了一种时序趋势一致化损失(Time-Ser... 详细信息

针对工业故障诊断中的小样本和类不平衡问题,本文提出一种基于马尔可夫链的多模态时序对比生成模型(Time-Series Contrastive Generative Network, TCGN).首先,为了提升合成数据时间结构的真实性,设计了一种时序趋势一致化损失(Time-Series Trend Consistency Loss, TTC),以提升真实数据与合成数据之间时间演化规律的相似度.随后,为了在增强数据集中形成有效且正确的决策边界,提出了一种类意识对比损失(Class-Aware Contrastive Loss, CAC),以对齐真实数据与合成数据的类条件分布.此外,为了更好地维持不同学习任务之间的动态平衡,引入了一种基于马尔可夫链的多模态切换策略,以实现TCGN算法在生成,刻画,探索,收敛四个模态之间的自适应切换优化.最后,将所提出的TCGN算法应用于管道故障诊断.实验结果表明TCGN算法在视觉评估和量化指标方面均优于一些先进的生成算法,显著提高了故障诊断准确率.

关键词：管道故障诊断类别不平衡时间序列数据增强马尔可夫链多任务学习

基于空间—波数域联合深度学习的数值频散压制

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

石油地球物理勘探 2022年第3期57卷 510-524,I0001页

作者：张岩崔淋淇宋利伟董宏丽东北石油大学计算机与信息技术学院黑龙江大庆163318 东北石油大学物理与电子工程学院黑龙江大庆163318 东北石油大学人工智能能源研究院黑龙江大庆163318 黑龙江省网络与智能控制重点实验室黑龙江163318

有限差分法是地震勘探领域常用的波场数值模拟方法,当空间网格间距大或使用低阶差分算子时会产生严重数值频散现象,影响模拟精度。为此提出一种基于联合学习深度卷积神经网络的数值频散压制方法,该方法使用卷积神经网络自适应提取波场... 详细信息

有限差分法是地震勘探领域常用的波场数值模拟方法,当空间网格间距大或使用低阶差分算子时会产生严重数值频散现象,影响模拟精度。为此提出一种基于联合学习深度卷积神经网络的数值频散压制方法,该方法使用卷积神经网络自适应提取波场特征进行频散校正。首先,利用波场数据在空间域和波数域的稀疏特征构建残差学习卷积神经网络,提取波场的主要特征;其次,基于L_(1)范数对网络模型进行稀疏优化,降低模型的复杂度,增加网络的泛化能力;最后,构造联合目标优化函数,使网络在空间—波数域联合约束的语义下学习频散压制的非线性逼近能力。将所提方法应用到不同模型正演的波场数据,结果表明:该方法可有效保护地震信号、压制频散;将网络与迁移学习结合,用于新模型的正演数据,可取得较好效果。与同类算法相比,该方法可以提高粗网格的计算精度、降低计算成本,所得波场快照具有较高的信噪比。

关键词：数值频散压制卷积神经网络联合学习稀疏约束残差网络