-
公开(公告)号：CN117272244B
公开(公告)日：2024-03-15
申请号：CN202311550643.9
申请日：2023-11-21
Applicant: 中国石油大学(华东)
IPC: G06F18/27 , G06N3/0895 , G06F30/27 , G06F119/02
Abstract: 本发明公开了一种融合特征提取和自适应构图的软测量建模方法，属于软测量技术领域，首先，考虑到原始高维数据中的冗余特征会影响相似矩阵对数据间局部结构信息的准确逼近，本发明致力于结合特征和标签信息之间的相关性选择高维样本的低秩表示；同时，将特征学习和自适应构图整合在一个统一学习框架内，综合利用动态自适应构图优化思想指导算法特征提取，并保证算法同步进行特征学习和回归建模；最后采用交替迭代优化求解获得建模学习的整体最优解。因此，本发明提供的半监督学习框架能够充分利用标签数据所包含的监督信息，辅助以无标签数据所蕴含的结构信息，达到提升软测量模型泛化能力和可靠性之目的。
-
公开(公告)号：CN116738866B
公开(公告)日：2023-10-27
申请号：CN202311007772.3
申请日：2023-08-11
Applicant: 中国石油大学(华东)
IPC: G06F30/27 , G06F18/213 , G06F18/214 , G06F18/22 , G06F18/27 , G06N3/044 , G06N3/08
Abstract: 本发明公开了一种基于时间序列特征提取的即时学习的软测量建模方法，属于工业过程软测量技术领域，针对建模数据和采集到的查询数据，首先利用递归神经网络优异的特征学习能力，提取时序数据中的高维动态潜变量，得到复杂非线性动态数据的丰富特征表达，然后利用降维算法简化隐层特征维数并消除冗余变量，最后根据所提取的代表性简约特征，由基于局部标签传播的半监督即时学习算法建立软测量模型，计算查询数据对应的输出值。本发明不仅能够利用大量无标签样本辅助建立软测量模型，还可以有效挖掘过程变量之间的动态关系，显著强化即时学习对复杂动态数据的特征表示能力，从而有效处理工业过程的非线性和动态特性，提高软测量模型的预测精度。
-
公开(公告)号：CN116297619A
公开(公告)日：2023-06-23
申请号：CN202310306753.4
申请日：2023-03-27
Applicant: 中国石油大学(华东)
IPC: G01N24/08 , G01N23/046 , G01N1/28
Abstract: 本发明涉及一种白云岩储集空间全尺寸综合定量表征方法，包括以下步骤：S1.取白云岩岩心或露头样品制成柱状样品，并将柱状样品两端切割、磨平；S2.通过工业CT扫描柱状样品，获得白云岩孔隙三维数据体，基于密度差异利用分析软件通过灰度区分岩石基质组分和孔隙，并分析直径大于400μm的大孔和溶洞分布；S3.通过核磁共振检测柱状样品，得到白云岩样品直径小于1000μm的孔隙表征范围分布图；S4.将步骤S2中直径大于400μm的大孔和溶洞分布数据与步骤S3中直径小于1000μm的孔隙表征范围分布图进行数据融合，得到白云岩孔、洞含量及分布情况。本发明能全面地定量表征深层白云岩储层孔隙类型含量与分布特征。
-
公开(公告)号：CN114841073A
公开(公告)日：2022-08-02
申请号：CN202210537382.6
申请日：2022-05-17
Applicant: 中国石油大学(华东)
IPC: G06F30/27 , G06K9/62 , G06F16/2458 , G06F17/16 , G06F17/18
Abstract: 本发明涉及一种基于局部标签传播的即时学习半监督软测量建模方法，该方法通过局部标签传播算法充分提取未标记样本中的信息，通过整体优化即时学习算法建立关于查询数据的在线模型，并作为约束项加入局部标签传播算法中。对于采集的查询数据，首先根据已被标记的历史数据，通过整体优化即时学习算法建立局部模型，然后在所有的历史样本中选择出查询数据的相似样本，最后通过基于局部模型约束的局部标签传播算法计算查询数据的输出预测值。本发明不仅能够很好地处理工业过程的非线性、时变性及多重共线性问题，还可以有效利用大量的未被标记的历史数据，提高历史样本的利用率及软测量模型的预测精度。
-
公开(公告)号：CN113253682A
公开(公告)日：2021-08-13
申请号：CN202110533650.2
申请日：2021-05-17
Applicant: 中国石油大学(华东)
IPC: G05B19/418
Abstract: 本发明涉及一种非线性化工过程故障检测方法，其具体步骤为：离线建模阶段中，首先对训练数据进行归一化处理，然后构建M个随机慢特征分析模型，并求出对应的主导子空间统计量和残差空间统计量控制限；在线检测阶段，采集测试数据并进行归一化处理，然后将其映射到M个随机慢特征分析模型，求得M组主导子空间统计量和残差空间统计量，通过加权概率指数融合机制得到集成监控统计量和统计量BICQ，分别与1‑α比较，用于判断是否发生故障，其中，α为置信水平。本发明利用随机傅立叶映射深挖非线性过程的数据特性，能够更加高效的建立非线性慢特征分析模型，改善故障检测效果。
-
Patent Agency Ranking
公开(公告)号：CN102346058B
公开(公告)日：2014-07-09
申请号：CN201010244309.7
申请日：2010-07-29
Applicant: 中国石油大学(华东)
IPC: G01F1/86
Abstract: 本发明公开了一种科氏质量流量计测量夹气液体流量的模型法。测量方法包括有如下三个基本步骤：1)测量数据：采集压力值、瞬时质量流量、介质密度和介质温度数据；2)建立模型：建立科氏质量流量计测得的密度与夹气液体流动密度的关系模型，建立科氏质量流量计响应模型，建立夹气液体漂移通量模型；3)测量流量：估算夹气液体流动密度、体积流量和含气率，应用漂移通量模型计算气体、液体的瞬时体积流量和质量流量。本发明具有结构简单，安装方便，实时性好，可靠，易于实现等优点。适用于夹气液体的测量。本发明可用于夹气液体流量的测量。在含气率小于8％时，液相流量最大相对误差为5％，气相流量最大相对误差为10％。
-
公开(公告)号：CN101900589A
公开(公告)日：2010-12-01
申请号：CN201010170995.8
申请日：2010-04-29
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种基于质量流量计的夹气液体流量测量装置与方法。包括计量管道、压力传感器、质量流量计、A/D转换卡、计算机。压力传感器测得的压力信号、质量流量计测得的瞬时质量流量信号、介质密度信号、介质温度信号经A/D转换卡进计算机。测量方法包括有如下三个基本步骤：1)压力波动信号特征提取；2)BP神经网络训练；3)流量测量误差校正。本发明具有结构简单，安装方便，参数检测精度高，实时性好，可靠，易于实现等优点。适用于含气液体的测量。
-
公开(公告)号：CN101666770A
公开(公告)日：2010-03-10
申请号：CN200910171985.3
申请日：2009-09-18
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种低含气率原油测量装置及方法，属于流体测量技术领域。低含气率原油测量装置包括计量管道、计量管道前端的电容传感器、计量管道中部的混流器、计量管道后端的科氏质量流量计和压力传感器、A/D转换卡和计算机。电容传感器、科氏质量流量计、压力传感器均经A/D转换卡接计算机。本发明还提供一种该种装置采用的测量方法。本发明具有体积小，结构简单，安装方便，可获测量参数多，参数检测精度高，实时性好，可靠，易于实现等优点。适用于油田低含气率原油的测量。
-
公开(公告)号：CN114841073B
公开(公告)日：2024-12-17
申请号：CN202210537382.6
申请日：2022-05-17
Applicant: 中国石油大学(华东)
IPC: G06F30/27 , G06F18/214 , G06F16/2458 , G06F17/16 , G06F17/18
Abstract: 本发明涉及一种基于局部标签传播的即时学习半监督软测量建模方法，该方法通过局部标签传播算法充分提取未标记样本中的信息，通过整体优化即时学习算法建立关于查询数据的在线模型，并作为约束项加入局部标签传播算法中。对于采集的查询数据，首先根据已被标记的历史数据，通过整体优化即时学习算法建立局部模型，然后在所有的历史样本中选择出查询数据的相似样本，最后通过基于局部模型约束的局部标签传播算法计算查询数据的输出预测值。本发明不仅能够很好地处理工业过程的非线性、时变性及多重共线性问题，还可以有效利用大量的未被标记的历史数据，提高历史样本的利用率及软测量模型的预测精度。
-
公开(公告)号：CN116821695B
公开(公告)日：2023-11-03
申请号：CN202311099248.3
申请日：2023-08-30
Applicant: 中国石油大学(华东)
IPC: G06F18/214 , G06N3/0895 , G06N3/006
Abstract: 本发明公开了一种半监督神经网络软测量建模方法，属于工业过程检测技术领域，该方法通过神经网络提取原始数据的动态和非线性特征；同时在上下限估计方法的损失函数中加入点估计项，平衡区间宽度，覆盖率以及点估计的均方误差，通过粒子群优化算法最小化损失函数，以生成紧密的区间和更加准确的估计值；然后，通过双标准选择置信度高的无标签数据加入模型训练，以更新标签数据集；最后，对输出上下限权值和估计值权重进行迭代寻优。本发明提供的半监督学习框架不仅能够有效量化不确定因素对模型的影响，还能充分利用标签数据所包含的监督信息，辅助以无标签数据所蕴含的结构信息，达到提升软测量模型泛化能力和可靠性之目的。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.031 seconds)
