一种水平气井单射孔产量的定量预测方法和系统

    公开(公告)号:CN115062561B

    公开(公告)日:2024-11-15

    申请号:CN202210736755.2

    申请日:2022-06-27

    Inventor: 赖敏 何吉祥 刘博

    Abstract: 本发明公开了一种水平气井单射孔产量的定量预测方法和系统,定量预测方法包括:获取水平气井各段的温度、持液率以及垂直出口段的总产气量和总产液量;通过预构建的垂直压降模型计算得到主段的压力;根据预建立能量守恒模型以及气液热量守恒模型,计算得到每一射孔段的产气量和产液量以及每一射孔段上游主段的含气量和产液量。本发明通过DTS测量得到水平气井各段的温度,并在持液率数据的基础上通过搭建垂直压降模型来计算得到水平井段各单射孔油气产量。通过最少测试参数预测水平气井的产量将极大的提高石油天然气井的开采效率,可以提前对井段的油气储量进行准确的判断来降低成本,提高工作效率。

    一种基于配准的高光谱异常检测方法

    公开(公告)号:CN118379295B

    公开(公告)日:2024-09-10

    申请号:CN202410824230.3

    申请日:2024-06-25

    Abstract: 本发明公开了一种基于配准的高光谱异常检测方法,包括:对高光谱图像数据进行数据增强,并提取增强后的高光谱数据的特征矩阵,包括局部源矩阵、全局源矩阵和目标矩阵;将全局源矩阵、局部源矩阵分别与目标矩阵进行一阶空间点云配准操作,分别获取两种高光谱数据像素点度量值,即局部像素点相似度值、全局像素点相似度值;通过得到的局部和全局像素点相似度值对高光谱图像进行异常检测,得到全局检测结果图及局部检测结果图,并将全局与局部检测结果图进行融合,得出最终异常检测结果。本发明通过点云配准操作对高光谱异常检测进行求解,提高了高光谱异常目标检测精度,在同等条件下降低了虚警率。

    一种超高阶delta-sigma调制方法

    公开(公告)号:CN118473890A

    公开(公告)日:2024-08-09

    申请号:CN202410924680.X

    申请日:2024-07-11

    Abstract: 本发明提供一种超高阶delta‑sigma调制方法,包括获取比特信息,通过调制映射方法形成星座图,将星座图划分为多个方形的子星座集合,进行子星座重叠整形重新分配概率,形成概率整形后的星座图;将比特信息重新映射到概率整形后的星座图上,形成QAM调制信号;使用高阶Delta‑Sigma调制器对QAM调制信号进行DSM调制,生成PAM4形式的数字信号并输出,接收数字信号,确定星座点位置,恢复和解码得到原始信号。本发明创新地结合DSM和概率整形技术,有效降低了量化噪声的影响和误码率,同时有效对抗了非线性问题,降低信号失真,增强了系统稳定性。

    一种基于配准的高光谱异常检测方法

    公开(公告)号:CN118379295A

    公开(公告)日:2024-07-23

    申请号:CN202410824230.3

    申请日:2024-06-25

    Abstract: 本发明公开了一种基于配准的高光谱异常检测方法,包括:对高光谱图像数据进行数据增强,并提取增强后的高光谱数据的特征矩阵,包括局部源矩阵、全局源矩阵和目标矩阵;将全局源矩阵、局部源矩阵分别与目标矩阵进行一阶空间点云配准操作,分别获取两种高光谱数据像素点度量值,即局部像素点相似度值、全局像素点相似度值;通过得到的局部和全局像素点相似度值对高光谱图像进行异常检测,得到全局检测结果图及局部检测结果图,并将全局与局部检测结果图进行融合,得出最终异常检测结果。本发明通过点云配准操作对高光谱异常检测进行求解,提高了高光谱异常目标检测精度,在同等条件下降低了虚警率。

    基于频域主动学习的高光谱图像分类方法

    公开(公告)号:CN118097313B

    公开(公告)日:2024-06-25

    申请号:CN202410504575.0

    申请日:2024-04-25

    Abstract: 本发明公开了一种基于频域主动学习的高光谱图像分类方法,方法为采用主成分分析对高光谱图像数据集进行降维处理获得降维图像,再依次进行傅里叶变换、高通滤波、傅里叶逆变换得到高频部分;将降维图像代入熵率超像素分割得出三个尺度的超像素分割图并分别提取出三个尺度的超像素分割图特征用于制作SVM分类器的训练样本、初步结果,采用随机游走优化初步结果并对比优化后的结果得到不同的像素点集;基于高频部分查找像素点集获得高频部分所关联的像素点并采用信息量排序,获得更新训练样本的若干像素点,从而保持分类器的学习;本发明对频域保持高精度的自主学习状态,避免高光谱图像在获取和传输过程中因数据质量降低导致的图像分类精度低。

Patent Agency Ranking