摘要：基于深度神经网络的地震速度反演方法面临的挑战是:时间域地震数据与空间域模型信息间语义映射的弱对应关系导致多解性;神经网络将地震数据映射到速度模型过程中缺少有效引导,易受噪声干扰,影响反演精度。为此,提出一种基于特征强化U‑Net的地震速度反演方法。首先,通过多炮地震数据特征叠加使输入网络的地震时间序列信号与对应速度模型之间的空间关系更加明确;其次,基于多尺度特征融合的思想设计具有不同尺寸卷积核的模块,以增强网络对有效特征的学习能力;然后,利用注意力门引导网络,增强网络重点关注的特征;最后,结合瓶颈残差和预激活的思想,在网络中加入预激活瓶颈残差,避免梯度消失和网络退化。实验表明,该方法在地震速度反演方面具有更高的精度,并在抗噪声测试中效果较好,具有一定的泛化能力。

摘要：将无线射频识别(RFID)技术应用到油水井压裂中,能够很好地解决现有压裂滑套存在的压裂级数受限、操作非智能等诸多问题。因井下工况复杂,理论分析与实际应用差别较大,为进一步系统地探究井下无线射频系统的开发应用,使用三维软件设计无线射频滑套模拟试验台,对标签的运动状态进行理论分析,并建立室内模拟试验平台,系统地进行井下相关试验。试验结果表明:标签选择有铁氧体磁芯,且天线绕制形式选用单层螺线管线圈,可以提高整个系统的性能;在系统电感值相同的情况下,单层螺线管天线轴向长度对阅读器模块能识别的标签最大通过速度有积极的影响;标签天线线圈与阅读器天线线圈平面之间的角度也会影响标签的识别率。研究结果对井下无线射频系统的开发应用具有一定的指导作用。

摘要：针对光信号检测传输速率低、传输距离短及检测成本高等问题,结合EP4CE115F29C7N型芯片,设计基于以太网的光电信号检测系统。该系统将光电信号采集模块采集到的信号通过AD7606采样并进行预处理后存储到片外SDRAM,同时在UDP/IP协议基础上设计以太网通信模块,将数据通过数据包的方式发送到上位机,并基于LabVIEW设计光信号采集监控系统,实现对上传数据的滤波和实时检测。通过对比输入信号和LabVIEW监控系统显示信号的一致性,验证了系统的正确性。实验结果表明:该系统可以减少光检测信号远距离传输的数据损耗,提高光电信号的检测效率,有较好的实时性和可读性,且程序移植灵活,节约并缩短了光电检测成本和系统开发时间。

摘要：在实际采集过程中,受地形条件和人为因素的影响,地震数据不仅在空间上会出现采样不足或不规则的情况,而且会混入噪声,不利于后续地震数据的处理和解释。通常将重建与去噪分为两个阶段处理,这样往往会引入额外的误差。为此,文中提出了一种基于条件韦氏生成对抗网络(cWGAN)的地震数据重建去噪一体化方法,该方法研究的重点是在缺失道和噪声的混合干扰下,准确提取地震数据的有效特征。首先,以U-Net模型为基本网络结构来构建生成器模型,分级提取地震数据同相轴特征;在判别器模型中引入条件约束,引导生成器优化梯度方向。其次,建立重建和去噪误差描述模型,该模型设计了一体化损失函数,可以兼顾重建与去噪两方面的处理任务。最后,经过合成数据和实际数据测试,证明文中所提的网络模型恢复的地震数据信噪比更高且具有较强鲁棒性。

摘要：针对微地震有效信号时序特征存在的局限导致微地震事件识别准确率不高的问题,提出了一种基于多模态学习的神经网络微地震事件检测方法。首先,利用道集数据的相关性以目标道为轴对称制作多道时域模态,对目标道进行时频分析得到S域模态特征;然后,联合时域模态和S域模态设计微地震事件检测神经网络,综合多模态的特征进行训练学习,提高微地震事件识别的精度;最后,为验证方法的有效性,对合成微地震信号进行低信噪比数据分析、小幅值数据分析以及实际油井微地震监测信号事件分析。结果表明,该方法可以有效检测低信噪比及微弱的微地震事件;与支持向量机、卷积神经网络、基于监督机器学习方法的对比实验结果表明该方法具有更高的抗噪性与准确率。

摘要：培养学生具有解决复杂工程问题能力是国内高校开展工程教育的重要内容。以地方高校电子信息工程专业应用型人才培养为例,提出以培养解决复杂工程问题能力为核心的一体化课程体系的构建过程,提出教学团队负责专业课程群建设,精心设计案例式、项目式教学的思路,有效提高学生解决复杂工程问题能力。

摘要：为了提高抛物槽式真空管太阳能集热器相变材料导热性能,设计了一种相变材料埋置金属泡沫与半圆管型强化换热结构相结合的真空管太阳能集热器,利用FLUENT软件对其蓄热过程中的传热进行了数值模拟,分析了热流密度分布非均匀的情况下在相变材料中集成翅片和金属泡沫对相变材料液态分数的影响.

摘要：针对油气物联网(OGIoT:Oil and Gas Internet of Things)连接设备的数量暴增导致边缘计算(EC:Edge Computing)系统中的边缘节点算力不足,且难以有效识别其他边缘节点的恶意攻击而导致的服务崩溃问题,提出针对油气物联网数据污染检测改进的高效机器学习算法(EMLDI:Efficient Machine Learning Method for Improved Data Contamination Detection of Oil and Gas IoT),解决了因边缘节点鲁棒性不强,数据失真或遭到轻度质变导致边缘节点运算结果波动大且不准确问题。通过随机选择批量样本加入高斯噪声(GN:Gaussian Noise)扩充数据集训练网络,使网络具有更宽泛的数据拟合能力和预测能力,解决了数据被严重破坏时边缘节点难以实施正确运算导致系统性崩溃问题。实验结果表明,该算法能更有效地识别噪声污染以及随机标签污染的样本,并且算法在规定的训练批次内能达到最好的效果。

摘要：电容法测油水两相流含水率在油田的地面油水计量及井中的产出剖面分层测试中都得到广泛应用。持水率(水相体积分数)的测量需要建立油水两相流持水率与传感器电容的关系,为此需要建立混相等效介电常数与持水率的理论模型或经验模型。由于油井采出的地层水以及地面实验室标定所用的自来水在低频和中频时均具有良好导电性,因此,单纯考虑介电性而不考虑导电性会对持水率测量的准确性产生显著影响。基于电介质极化的有效电场理论,在低含水且油水状态为精细泡状流条件下,将水视为良导体,建立了油水两相流等效介电常数模型。按此模型,油水两相流的等效介电常数只取决于持水率和油相介电常数,与水相介电常数以及水相电导率无关,初步实验验证了模型正确。该研究对于油为连续相时油水两相流的含水率传感器的设计和现场应用具有重要意义。

摘要：非常规油气储层精细描述是实现目标油藏精细开发的关键,而现有测井曲线自动分层算法很难适用于单砂体级非常规油气储层的精细描述。为此,针对井间薄砂体储层结构划分问题,提出了利用测井曲线构建地质描述不变特征以有效挖掘井间多曲线不变关联信息,进而,在不变特征的支撑下,设计了分层能量约束的无监督集成聚类区域生长模型,实现了具有显著多井一致性的目标储层精细自动分层。以自然伽马(GR)、井径(CAL)、自然电位(SP)、声波时差(AC)、浅侧向电阻率(LLS)、深侧向电阻率(LLD)、密度(DEN)共7条常规测井曲线为输入,对大庆油田陆相坳陷盆地齐家凹陷工区多口井的实际测井数据进行了自动分层实验,实验结果表明,该方法比传统分层方法更加准确高效,特别是对于工区内的薄层和薄互层储层,利用该方法进行储层划分的结果与油田专业人员人工划分的结果吻合度较高,能准确实现0.375 m以上的薄层分层,且具有了很强的井间一致性。所提方法对于非常规油气藏精细描述具有一定的应用价值。