检索结果-南通市图书馆

基于多特征融合自编码器的无监督地震相分类研究

在线全文

学校读者我要写书评

暂无评论

地球物理学报 2024年第1期67卷 370-378页

作者：王倩楠王治国杨阳朱剑兵高静怀西安交通大学数学与统计学院西安710049 陕西国家应用数学中心西安710049 西安交通大学信息与通信工程学院西安710049 中国石油化工股份有限公司胜利油田分公司物探研究院东营257022

地震相分类是地震数据解释中的一个重要步骤,是地震数据与沉积相的连接工具.为了提高地震相分类精度和减少对有限人工标签的依赖,本文提出了一种基于多特征融合自编码器的无监督地震相分类方法.首先,提出了一种混合卷积和变分编码的多... 详细信息

地震相分类是地震数据解释中的一个重要步骤,是地震数据与沉积相的连接工具.为了提高地震相分类精度和减少对有限人工标签的依赖,本文提出了一种基于多特征融合自编码器的无监督地震相分类方法.首先,提出了一种混合卷积和变分编码的多特征融合自编码器,实现了地震数据中表征地震相的大量隐含特征提取.其次基于非负矩阵分解和K均值聚类实现了主特征分量分解和地震相聚类.实际地震数据应用结果和指标分析表明,本文方法提取的隐含特征趋于正态分布,且主特征分量中蕴含了不同地震相类别的响应,从而可以获得更准确的地震相分类结果.在渤海湾盆地东营凹陷古近系沙河街组湖相沉积中,清晰划分出了六类沉积微相的边界,有利于揭示三角洲沉积环境演变.

关键词：地震相分类多特征融合自编码器卷积自编码器变分自编码器非负矩阵分解

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

多期贝叶斯强化学习鲁棒投资组合选择模型

工程数学学报 2024年第2期41卷 232-244页

作者：李柔佳段启宏冯卓航刘嘉西安交通大学数学与统计学院西安710049

在传统多期分布式鲁棒投资组合选择模型中,不确定集合的估计是一个具有挑战性的难题。使用贝叶斯强化学习方法来动态更新不确定集合中的一、二阶矩等模型参数,进而研究贝叶斯强化学习框架下均值–最坏鲁棒CVaR模型的求解问题。通过结合... 详细信息

在传统多期分布式鲁棒投资组合选择模型中,不确定集合的估计是一个具有挑战性的难题。使用贝叶斯强化学习方法来动态更新不确定集合中的一、二阶矩等模型参数,进而研究贝叶斯强化学习框架下均值–最坏鲁棒CVaR模型的求解问题。通过结合动态规划和渐进对冲算法,设计了两层分解求解框架。下层通过求解一系列二阶锥规划来得到给定模型参数下子问题的最优策略,上层使用贝叶斯公式得到可实施的非预期投资策略。基于美国股票市场的实证结果表明:多期鲁棒强化学习投资组合选择模型相较传统模型具有更好的样本外投资表现。

关键词：贝叶斯强化学习鲁棒风险度量投资组合二阶锥规划

基于多尺度Transformer的多视图三维形状分析方法

在线全文

学校读者我要写书评

暂无评论

工程数学学报 2024年第1期41卷 164-174页

作者：卫鑫孙剑西安交通大学数学与统计学院西安710049

基于多视图的三维形状分析方法是三维计算机视觉领域中的重要研究分支,通过整合三维形状在多个视角下的二维图像的特征来完成三维形状的识别、检索等任务。然而,如何有效地探索不同视角之间的关联性,并运用这些关联性来聚合多视图图像... 详细信息

基于多视图的三维形状分析方法是三维计算机视觉领域中的重要研究分支,通过整合三维形状在多个视角下的二维图像的特征来完成三维形状的识别、检索等任务。然而,如何有效地探索不同视角之间的关联性,并运用这些关联性来聚合多视图图像的特征仍然是三维形状分析中一个亟待解决的核心问题。受到最近兴起的Transformer网络在关系建模问题上成功应用的启发,研究工作引入了一种创新的多尺度Transformer架构,提出了基于多尺度Transformer的多视图三维形状分析方法(Multi-View Multi-Scale Transformer,MVMST)。此方法能够有效地学习不同视角之间的关联性,将多视图图像的特征聚合为一个具有强大表达能力的整体描述符。与以往方法使用感受野为全局的Transformer建模多视图特征的关系不同,该方法受到多尺度学习方法的启发,使用多尺度的Transformer来建模不同尺度下的多视图图像特征之间的关系,并设计了一个多尺度融合模块将多个尺度下经过Transformer处理的特征进行融合,得到一个相比单一尺度更加有效的多尺度表示。多个视图的多尺度表示最终经过视角池化模块融合成三维形状的一个整体描述符。研究了在多个合成和真实扫描三维形状分类数据集上进行了实验,结果表明所提出的方法在三维形状分类任务上表现出令人满意的性能。

关键词：三维形状分析 Transformer 多尺度方法

在线全文

学校读者我要写书评

暂无评论

应用小波通道注意力网络的地震数据重建方法

石油地球物理勘探 2024年第1期59卷 31-37页

作者：刘沛王长鹏董安国张春霞张讲社长安大学理学院陕西西安710064 西安交通大学数学与统计学院陕西西安710049

重建缺失的地震道是地震数据处理的关键环节之一。近年来提出了多种基于深度学习理论的地震数据重建方法。然而,这些方法中常用的卷积运算只能捕捉到地震数据的局部特征,没有充分利用全局信息。另外,池化操作也会造成特征图信息的丢失,... 详细信息

重建缺失的地震道是地震数据处理的关键环节之一。近年来提出了多种基于深度学习理论的地震数据重建方法。然而,这些方法中常用的卷积运算只能捕捉到地震数据的局部特征,没有充分利用全局信息。另外,池化操作也会造成特征图信息的丢失,从而破坏地震反射的细节特征。为此,提出了基于小波通道注意力网络的地震数据重建方法。哈尔(Haar)小波变换能够有效提取信号的多尺度特征,并在上采样过程中避免信息的丢失;高效通道注意力模块通过对不同通道特征图之间的相关性进行建模,能实现全局信息的充分利用。合成和实际地震数据的实验结果表明,与具有代表性的深度学习方法相比,文中所提出的网络模型可以产生更准确的重建结果。

关键词：地震数据重建随机缺失深度学习哈尔小波变换高效通道注意力

维普期刊数据库博看期刊

K_(1)峭度约束的地震频域反褶积方法研究

在线全文

学校读者我要写书评

暂无评论

地球物理学报 2024年第8期67卷 3109-3119页

作者：杨阳王治国魏千盛王竟仪刘乃豪张兵高静怀西安交通大学信息与通信工程学院西安710049 西安交通大学数学与统计学院西安710049 中国石油长庆油田分公司第三采气厂鄂尔多斯017000

由于鄂尔多斯盆地近地表地形复杂多变,且地震波存在地层吸收等效应,导致采集到的地震资料品质较差,主频较低,纵向分辨率较差.频域反褶积方法是提高鄂尔多斯盆地地震资料分辨率的一项关键技术.目前,峭度是频域反褶积最常用的非高斯性度量... 详细信息

由于鄂尔多斯盆地近地表地形复杂多变,且地震波存在地层吸收等效应,导致采集到的地震资料品质较差,主频较低,纵向分辨率较差.频域反褶积方法是提高鄂尔多斯盆地地震资料分辨率的一项关键技术.目前,峭度是频域反褶积最常用的非高斯性度量.但是由于实际地层反射系数序列呈现尖峰、长尾分布,传统的峭度定义难以准确度量实际反射系数序列的非高斯性.与传统的峭度不同,K_1峭度能够充分利用概率密度的峰值信息来指示随机变量的非高斯性.因此,本文提出一种基于K_1峭度度量的地震频域反褶积方法,从而能够更加准确地判断反射系数序列的非高斯性.同时引入了定义于频率域上的两参数广义Beta母小波,可以使得本文所提方法能够更好匹配不同地震子波.最后,合成地震数据和鄂尔多斯盆地实际地震数据算例说明:本文所提的方法能够有效的提升低品质地震数据的纵向分辨率,尤其是多个相邻的细小反射系数.井震匹配结果进一步验证了本文所提的方法将原始地震数据的主频从25 Hz提升到35 Hz,有效地识别出多个含气薄储层,从而有利于后续的井位部署优化.

关键词：高分辨率处理地震反褶积峭度非高斯性

在线全文

学校读者我要写书评

暂无评论

Pedrolide的不对称全合成

有机化学 2024年第3期44卷 1031-1032页

作者：司瑞琪李鹏飞西安交通大学前沿科学技术研究院西安710054

复杂天然产物的全合成是一门精深的科学,也是一门具有观赏性的艺术.近年来,随着新方法和新策略的发展,路线简洁、可规模化的全合成越来越成为合成科学家所追求的目标.由于复杂萜类分子通常含有全碳多环骨架、多立体中心和数目不等的氧... 详细信息

复杂天然产物的全合成是一门精深的科学,也是一门具有观赏性的艺术.近年来,随着新方法和新策略的发展,路线简洁、可规模化的全合成越来越成为合成科学家所追求的目标.由于复杂萜类分子通常含有全碳多环骨架、多立体中心和数目不等的氧化基团,因此一直是全合成极具领域挑战性的方向之一.萜类化合物的生源合成一般是从简单异戊二烯开始,通过“两相途径”完成,即“环化酶相”和“氧化酶相”[1].然而,由于缺乏化学、区域和立体选择性高的催化剂,现实的化学合成难以完全模拟生物过程.

关键词：全合成环化酶异戊二烯萜类化合物天然产物生源合成化学合成

采用门控循环单元与深度进化策略的股票指数量化模型

在线全文

学校读者我要写书评

暂无评论

西安交通大学学报 2024年

作者：任晓萍陈志平西安交通大学数学与统计学院东北石油大学数学与统计学院

为了提高股票价指数预测的准确性、增强统计建模性能优化与股票指数特征相依的交易策略效果。提出一种将指数预测与量化交易策略有效结合的门控循环单元深度进化量化模型（GRU-DES）。首先，建立RNN、LSTM和GRU神经网络预测模型，分别... 详细信息

为了提高股票价指数预测的准确性、增强统计建模性能优化与股票指数特征相依的交易策略效果。提出一种将指数预测与量化交易策略有效结合的门控循环单元深度进化量化模型（GRU-DES）。首先，建立RNN、LSTM和GRU神经网络预测模型，分别对上证超大盘股票指数指数、上证中盘股票指数和上证小盘股票指数进行预测; 接着采用提出的深度进化量化模型（DES）对三大股票指数的预测值与真实值进行回测研究，通过比较预测结果与真实结果在同一策略下的各项回测指标和交易细节等特性，依此进而优化深度进化策略；最后根据优化后的策略提出了GRU-DES模型，并再次对三大股票指数进行样本外数据回测来验证模型有效性。研究结果表明: 所提出的GRU-DES模型在各量化回测指标上较LSTM-DES模型与RNN-DES模型的预测精度均高出14%以上，有效解决了统计预测指标的随机性和过拟合的问题; 根据2016年至2024年7年间数据回测，所提出GRU-DES模型比强化学习模型在各回测指标中均展现了稳定性和有效性。

关键词：股票指数量化模型长短时记忆神经网络门控循环单元收益率

基于卷积自编码傅里叶神经算子的声波速度反演方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

煤田地质与勘探 2024年

作者：李谌赵海霞白钊蔚郝禹帆西安交通大学数学与统计学院

【背景】地震波反演是利用地震波的到达时间、振幅和波形等信息获取地下介质构造、岩性和物性特征的有效手段。基于波动方程的地震反演方法利用正演模拟技术不断迭代更新模型参数，这通常需要大量的数值模拟和优化计算，耗费大量的计算... 详细信息

【背景】地震波反演是利用地震波的到达时间、振幅和波形等信息获取地下介质构造、岩性和物性特征的有效手段。基于波动方程的地震反演方法利用正演模拟技术不断迭代更新模型参数，这通常需要大量的数值模拟和优化计算，耗费大量的计算资源和时间。近年来，以傅里叶神经算子(FNO)为代表的神经算子学习引起了广泛关注。然而，在复杂介质地震波反演中，原始FNO结构无法有效学习地质结构变化剧烈的波场信息，导致其反演结果准确性不高。【目的和方法】为了提升FNO在复杂地质模型下学习地震波场信息的准确性和泛化性能，提出了一种新颖的声波速度反演方法——卷积自编码傅里叶神经算子(CAE-FNO)。CAE-FNO利用编码器进行特征提取，并基于FNO进行高效训练，以更好地捕捉波场的细微特征并提高预测精度。CAE-FNO在网络训练过程中逐层减小傅立叶模的规模，从而有效减少网络参数的数量，同时增强网络的泛化能力。【结果和结论】通过对均匀、非均匀、层状和Marmousi2等模型进行数值实验验证，结果表明：CAE-FNO的反演精度显著优于FNO及其变体UFNO和UNO。在均匀介质模型中，CAE-FNO的速度反演结果相对误差为1.3%，而UFNO与UNO的反演结果相对误差分别为1.7%、2.3%,FNO的误差高达10.1%。在非均匀模型中，CAE-FNO准确反演地质结构和速度变化位置，而UFNO和UNO在速度变化剧烈区域的误差相对较大。层状模型中，CAE-FNO能够清晰区分不同层间的微小速度变化，而FNO无法明显区分。在Marmousi2模型的平滑区域和突变区域，CAE-FNO较UFNO和UNO更能准确捕捉不规则的速度变化界面，FNO则无法有效处理这些区域的速度突变与细节变化。CAE-FNO通过更低的损失函数值和更高的反演精度，展示了其在复杂介质反演中的优势，为地震反演技术提供新的研究思路。

关键词：地震波反演傅里叶神经算子卷积自编码器深度学习数据驱动

频率矫正广义S变换及在储层含油气性预测中的应用

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

地球物理学报 2024年第7期67卷 2820-2829页

作者：刘乃豪魏圣焘张泽洲杨阳王治国刘镕菖路漫高静怀西安交通大学信息与通信工程学院西安710049 西安交通大学数学与统计学院西安710049 中国石油勘探开发研究院北京100083 中国石油大学(北京)地球科学学院北京102249

随着我国油气勘探程度的不断加深,陆相页岩油气等非常规油气逐渐成为我国勘探开发的重点,陆相页岩非均质性强、储层薄且纵横向变化剧烈等典型特征导致含油气性预测精度差,影响后续井位部署和生产等.时频变换方法是储层含油气性预测最有... 详细信息

随着我国油气勘探程度的不断加深,陆相页岩油气等非常规油气逐渐成为我国勘探开发的重点,陆相页岩非均质性强、储层薄且纵横向变化剧烈等典型特征导致含油气性预测精度差,影响后续井位部署和生产等.时频变换方法是储层含油气性预测最有效的工具.为了提高储层含油气性预测的精度,本文提出了一种频率矫正广义S变换(Frequency-Corrected Generalized S-Transform, FCGST),该变换既具有S变换多尺度多分辨率的特性,又可以通过自适应选取窗函数参数以控制窗函数的带宽和主频等,这一特性可以适用于不同工区地震数据的处理与解释.与传统的S变换和广义S变换不同,该变换修正了传统S变换和广义S变换中的尺度因子,改善了S变换和广义S变换等传统方法中时频谱主频向高频方向偏移的问题,有利于精确描述复杂储层含油气性.合成数据算例表明,频率矫正广义S变换提升了地震信号局部时频特征的表征能力;将频率矫正广义S变换应用于鄂尔多斯盆地某工区储层含油气性预测中,实钻结果数据进一步验证了该时频分析方法在储层含油气性解释中的有效性和潜力.

关键词：时频分析广义S变换频率矫正广义S变换储层含油气性预测