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

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

在线全文

学校读者我要写书评

暂无评论

复杂热流承载结构拓扑优化设计研究

机械工程学报 2024年

作者：李宝童刘策洪军刘庆芳史萌李开泰西安交通大学机械工程学院西安交通大学数学与统计学院西安交通大学现代设计与转子-轴承系统教育部重点实验室

随着多领域高端装备的快速升级与发展，迫切需要面向复杂服役工况的高性能热流承载结构优化设计。然而，缺乏热流耦合物理场的高效求解手段以及考虑复杂边界条件的热流承载结构设计能力不足仍是制约装备更新换代速度和质量的两大关键问... 详细信息

随着多领域高端装备的快速升级与发展，迫切需要面向复杂服役工况的高性能热流承载结构优化设计。然而，缺乏热流耦合物理场的高效求解手段以及考虑复杂边界条件的热流承载结构设计能力不足仍是制约装备更新换代速度和质量的两大关键问题。因此，提出了一种新的无网格粒子方法——等几何粒子流体动力学方法(NURBS-based particle hydrodynamics,NBPH)。通过配置真伪粒子，基于非均匀有理B样条(Non-uniform rational B-splines,NURBS)基函数的插值构建粒子通讯，缓解了偏微分方程数值求解质量与分析域离散化程度之间的强耦合关系，提升了算法的计算效率。其次，将所提出的NBPH方法与固体各向同性材料惩罚(Solid isotropic material with penalization,SIMP)方法结合，搭建了一种新的无网格法拓扑优化框架——NBPH-topology Optimization，用于复杂热流场景的优化设计。根据体素分布构造了粒子流动阻力场，实现了流场与结构场的关联，通过求解连续伴随灵敏度，指导结构拓扑的连续演化。为了验证NBPH-TO框架的有效性和鲁棒性，研究了液冷和风冷两大典型散热场景，完成了优化设计与实验验证，结果表明该研究为复杂热流承载结构拓扑优化设计提供了可行的解决方案和有效的数值工具。

关键词： NBPH SIMP 无网格法拓扑优化热流耦合

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

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

循环噪声作用下周期调制双稳系统的驻留时间分布函数

在线全文

学校读者我要写书评

暂无评论

西北工业大学学报 2024年第1期42卷 165-172页

作者：吴亚珍孙中奎西北工业大学数学与统计学院陕西西安710129 运城学院数学与信息技术学院山西运城044000

提出了一种计算循环噪声作用下周期调制双稳系统驻留时间分布函数的理论方法。基于具有分段逃逸速率的两态模型理论,建立粒子逃逸的瞬时速率方程,推导得出驻留时间分布函数的递归表达式。基于此,分别计算信号振幅与循环噪声强度比值较... 详细信息

提出了一种计算循环噪声作用下周期调制双稳系统驻留时间分布函数的理论方法。基于具有分段逃逸速率的两态模型理论,建立粒子逃逸的瞬时速率方程,推导得出驻留时间分布函数的递归表达式。基于此,分别计算信号振幅与循环噪声强度比值较大和较小2种不同情形下驻留时间分布函数的解析表达式。并且,从理论和数值模拟两方面分别阐明了循环噪声对驻留时间分布函数结构的影响。研究结果表明:驻留时间分布函数呈现指数衰减且在循环滞后时间处出现骤然下降趋势,且随着噪声强度和相关强度的增大驻留时间分布函数衰减速度变快,说明循环噪声能够加速粒子在势阱间的跃迁。此外,在周期信号的调制下,驻留时间分布函数在信号半周期的奇数倍处出现一系列峰值,这预示着系统发生了随机共振现象。

关键词：循环噪声周期调制双稳系统驻留时间分布函数随机共振

抛物型最优控制问题的全离散Crank-Nicolson有限元法

在线全文

学校读者我要写书评

暂无评论

新疆大学学报（自然科学版中英文） 2024年第2期41卷 196-205,245页

作者：张馨丹赵建平侯延仁新疆大学数学与系统科学学院新疆乌鲁木齐830017 西安交通大学数学与统计学院陕西西安710049

针对具有积分控制约束的抛物型最优控制问题,提出了一种基于Crank-Nicolson格式的全离散有限元法.使用分段线性有限元对状态进行空间离散,采用Crank-Nicolson格式进行时间离散,对控制变量采用分段线性近似,从而得到离散的最优性系统.证... 详细信息

针对具有积分控制约束的抛物型最优控制问题,提出了一种基于Crank-Nicolson格式的全离散有限元法.使用分段线性有限元对状态进行空间离散,采用Crank-Nicolson格式进行时间离散,对控制变量采用分段线性近似,从而得到离散的最优性系统.证明了状态变量、伴随状态变量和控制变量的误差估计,并通过数值算例验证理论结果.

关键词：抛物型最优控制问题 Crank-Nicolson格式最优性系统

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

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

在线全文

学校读者我要写书评

暂无评论

基于集体影响力的重叠社区检测算法

哈尔滨工业大学学报 2024年

作者：刘彬颖刘三阳白艺光西安电子科技大学数学与统计学院

随着大数据时代的到来，网络结构越来越复杂，探索复杂网络的社区结构对理解复杂网络系统的功能和组织至关重要。针对社区检测已经进行了许多研究，其中标签传播算法(LPA)具有接近线性的时间复杂度，更适用于大规模的复杂网络。但其主... 详细信息

随着大数据时代的到来，网络结构越来越复杂，探索复杂网络的社区结构对理解复杂网络系统的功能和组织至关重要。针对社区检测已经进行了许多研究，其中标签传播算法(LPA)具有接近线性的时间复杂度，更适用于大规模的复杂网络。但其主要的缺点就是随机性太强，准确度不高。本文提出了一种基于集体影响力的标签传播算法(CILPA)，用于发现重叠社区结构。CILPA引入集体影响力这个全局指标，综合节点自身信息和全局信息重新定义节点重要性，并根据节点重要性固定节点更新顺序，提高算法稳定性；在标签传播过程中，制定了一个标签选择策略，并设置了一个过滤因子，防止错误标签的干扰，提高算法准确性和鲁棒性。最后在不同规模、复杂度、重叠率的人工网络和真实网络上进行了实验，结果表明，本方法兼具检测重叠社区的有效性和稳定性。

关键词：社区检测重叠社区集体影响力标签传播节点重要性

基于股价盈余公告漂移的LGBM多因子量化策略

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

深圳大学学报(理工版) 2024年

作者：陈怡君李欣雨王潇逸惠永昌西安交通大学数学与统计学院中国平安财产保险股份有限公司海南分公司西安航空学院图书馆

在国内外资本市场波动加剧的时代，挖掘有效因子与市场信息构建合适的投资组合策略，可以实现对风险的控制和获取稳定且持续的超额收益率．选取2018—2022年第1季度中国沪深两市A股上市股票的业绩报告作为研究对象，以公司盈余公告后的1... 详细信息

在国内外资本市场波动加剧的时代，挖掘有效因子与市场信息构建合适的投资组合策略，可以实现对风险的控制和获取稳定且持续的超额收益率．选取2018—2022年第1季度中国沪深两市A股上市股票的业绩报告作为研究对象，以公司盈余公告后的1～12周作为时间窗口，通过研究股价的盈余公告后漂移（post-earnings-announcement drift, PEAD）选取市场异象的代理变量预期外盈余因子与其他5个相关市场异象因子，并使用信息系数（information coefficient, IC）、信息比率（information ratio, IR）和双重排序法进行有效因子的筛选和检验．考虑到本次量化选股是低数据量、低频次、特征值高有效性的分类任务，采用基于轻量梯度提升树的多因子量化策略构建投资组合预测股票的收益率，并与传统量化策略（简单打分法、基于预期外盈余的单因子模型、IC值加权的多因子选股模型）、基于其他机器学习模型（支持向量回归（support vector regression, SVR）、人工神经网络（artificial neural network, ANN）与分布式梯度增强（eXtreme Gradient Boosting,XGBoost））的量化策略进行对比．实证结果表明，在基于A股市场第1季度PEAD效应的股票超额收益率预测中，轻量级梯度提升机（light gradient boosting machine, LGBM）机器学习多因子量化策略构建的投资组合在多空组合中实现的年均收益率达到21.633%，超过基准年化收益率20.184%.LGBM多因子量化策略构建的投资组合在A股市场表现优异，较其他量化策略有显著提升且更为稳定，可更好地控制组合风险并获取更高的超额收益．

关键词：数字经济量化投资多因子选股轻量梯度提升树盈余公告后漂移异象因子

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于盈余公告漂移的LGBM多因子量化策略

深圳大学学报（理工版） 2024年第3期41卷 313-322页

作者：陈怡君李欣雨王潇逸惠永昌西安航空学院图书馆陕西西安710077 西安交通大学数学与统计学院陕西西安710049 中国平安财产保险股份有限公司海南分公司海南海口570100

在资本市场波动加剧的时代,挖掘有效因子与市场信息,构建合适的投资组合策略,可以实现对风险的控制和获取稳定且持续的超额收益率.选取2018—2022年第1季度中国沪深两市A股上市股票的业绩报告作为研究对象,以公司盈余公告后的1~12周作... 详细信息

在资本市场波动加剧的时代,挖掘有效因子与市场信息,构建合适的投资组合策略,可以实现对风险的控制和获取稳定且持续的超额收益率.选取2018—2022年第1季度中国沪深两市A股上市股票的业绩报告作为研究对象,以公司盈余公告后的1~12周作为时间窗口,通过研究盈余公告后的股价漂移(post-earnings-announcement drift,PEAD)选取市场异象的代理变量预期外盈余因子与其他5个相关市场异象因子,并使用信息系数(information coefficient,IC)、信息比率(information ratio,IR)和双重排序法进行有效因子的筛选和检验.考虑到本次量化选股是低数据量、低频次、特征值高有效性的分类任务,采用基于轻量梯度提升树的多因子量化策略构建投资组合预测股票的收益率,并与传统量化策略(简单打分法、基于预期外盈余的单因子模型、IC值加权的多因子选股模型)、基于其他机器学习模型(支持向量回归(support vector regression,SVR)、人工神经网络(artificial neural network,ANN)与分布式梯度增强(extreme gradient boosting,XGBoost))的量化策略进行对比.实证结果表明,在基于A股市场第1季度PEAD效应的股票超额收益率预测中,轻量级梯度提升机(light gradient boosting machine,LGBM)机器学习多因子量化策略构建的投资组合在多空组合中实现的年均收益率达到21.633%,超过基准年化收益率20.184%.LGBM多因子量化策略构建的投资组合在A股市场表现优异,较其他量化策略有显著提升且更为稳定,可更好地控制组合风险并获取更高的超额收益.

关键词：数字经济量化投资多因子选股轻量梯度提升树盈余公告后漂移异象因子