公共文化服务平台

曹茂俊: 作品数：63 被引量：134H指数：6; 供职机构：东北石油大学计算机与通信工程学院更多>>; 发文基金：黑龙江省自然科学基金国家科技重大专项中国博士后科学基金更多>>; 相关领域：自动化与计算机技术天文地球石油与天然气工程机械工程更多>>

合作作者

基于目标导向的采油射孔培训考试系统研究被引量：2: 2020年; 为了提高采油射孔培训效率,增强工人培训兴趣,解决现有射孔工序操作培训目标不清晰、培训方式单一等弊端问题。根据目标导向的层次目标特点,开发了基于目标导向的射孔培训考试系统。根据不同阶段的不同目标,制定不同的实现方法。系统经现场试用,效果显著,实现了目标设定合理、考试结果反馈及时以及培训效果突出等优点,极大地提高了工人的培训效率。; 尚福华冀晓玲曹茂俊; 关键词：仿真培训

基于加涅认知学习理论SPOC教学平台研究与应用被引量：4: 2020年; 针对SPOC现有教学学习氛围孤单、时间规划笼统等弊端,提出了基于加涅认知学习理论的移动端SPOC教学平台设计方法。通过设置激励、学习情报和课程通告等功能,不断刺激与引导学习者,使学生不受时间和地点限制,更高效地激发学习者学习兴趣,增强学习动机。并通过教学实践证明了平台效果。; 吴雅娟王亚菲曹茂俊; 关键词：认知学习理论

一种基于预训练语言模型XLNet的测井曲线重构方法: 2025年; 在油田勘探开发过程中,测井曲线作为地球物理测井的第一手资料,能够真实反映地下空间的分布与特性。然而,在实际工作中,由于井壁垮塌和仪器故障等原因,部分测井数据常常出现失真或缺失。为解决这一问题,该文提出了一种基于预训练语言模型XLNet的测井曲线重构方法。该方法通过筛选地层地质岩性特征指数,获取高质量的训练样本,并将其作为预训练模型重构测井曲线的依据。构建并训练带有预训练权重信息的XLNet模型,使模型具备对复杂地层特性的理解和数据重构能力。在模型的构建与训练过程中,引入了预训练权重,并进一步结合了LoRA(Low-Rank Adaptation)模块,以充分利用测井曲线之间的高度依赖关系,进而辅助XLNet生成和补全失真或缺失的测井数据。与已知曲线重构模型:基于注意力表征的长短期记忆神经网络(LSTM-Attent)、双向门控神经网络(BiGRU)、TimesNet及XLNet相比,基于预训练语言模型XLNet-LoRA的测井曲线重构模型具有更高的预测准确性。; 曹茂俊赵宇杰

基于VAEAC的成像测井图像复原方法研究: 2025年; 成像测井图像能清晰展示地下的地质结构和特征,助力地质分析和资源勘探。但由于电成像测井仪器的设计限制,电成像测井图像上会出现空白条带,这严重影响了图像的完整性和可用性。现有的图像复原方法在处理空白条带的填充问题时效果不佳。为此,提出一种基于改进任意条件变分自编码器(Variational Autoencoder with Arbitrary Conditioning,VAEAC)的成像测井图像复原方法。该方法在解码器部分引入卷积块注意力机制,以增强模型在通道和空间两个维度上对特征图重要性的自适应学习能力。此外,采用转置卷积替代传统的上采样技术,提高了上采样过程中对细节信息的捕捉能力。实验结果表明,测试集中五组具有不同缺失区域的成像测井图像的平均结构相似性度量为0.94,与其他同类方法比较提升了0.25左右。改进后的VAEAC模型在处理电成像测井图像复原任务时表现更为出色,不仅有效复原了成像测井图像的纹理特征,还保留了其语义结构,为后续的成像测井图像解释提供了更为准确的图像信息。; 曹茂俊张鹏杰; 关键词：电成像测井图像复原

量子衍生布谷鸟搜索算法被引量：1: 2017年; 为提高布谷鸟搜索算法的寻优能力,通过在经典布谷鸟搜索算法中引入量子计算机制,提出了一种量子衍生布谷鸟搜索算法.该算法采用量子比特编码个体,采用泡利矩阵确定旋转轴,采用Levy飞行原理确定旋转角度,采用量子比特在Bloch球面上的绕轴旋转实现个体更新.标准函数极值优化的实验结果表明,与传统布谷鸟搜索算法相比,该算法的搜索能力确有明显提升.; 李盼池杨淑云刘显德潘俊辉肖红曹茂俊; 关键词：群智能优化

基于改进BP神经网络的地层划分方法被引量：6: 2020年; 测井曲线分层是地球物理勘探利用测井资料了解地层情况首先要完成的基础工作。针对测井曲线自动分层问题,提出了一种基于改进BP神经网络的地层划分方法。首先针对三层BP神经网络模型,设计了改进的L-M算法以提升其逼近能力。然后设计了基于BP神经网络的地层划分方法。该方法精选了描述地层岩性类别的六个特征,将这些特征进行数据滤波和归一化后构造训练样本,实施网络训练,训练后的网络即可用于同类地区的地层划分。最后以辽河油田某区块的测井资料为基础数据进行地层划分,实验结果表明,与普通L-M算法比较,基于改进L-M算法的BP神经网络,地层划分结果的准确率大约提升3~5个百分点。因此,提出的基于改进BP神经网络的地层划分方法为测井曲线的自动划层提供了新思路。; 尚福华李金成原野曹茂俊杜睿山; 关键词：地层划分测井曲线 L-M算法神经网络

面向测井处理解释领域的本体构建方法研究被引量：4: 2018年; 为提高测井处理解释软件的智能性,如何以一种显示的、形式化的方式来表示测井领域知识是面临的一个重要问题。在研究测井处理解释业务流程的基础上引入本体的概念,将领域本体与测井处理解释的具体应用需求相结合提出了一种基于业务流程的领域本体构建方法,实现了测井处理解释领域本体的构建,解决了传统知识表示方法难以适应大规模信息的处理和表示的问题。该方法使知识与测井处理解释流程紧密关联,更加高效的满足应用需求。以地层评价业务流程为例,详细介绍了领域本体的构建过程。; 尚福华薛诚曹茂俊; 关键词：领域本体知识表示

基于人工智能技术的局部离群数据挖掘方法被引量：7: 2021年; 针对传统离散数据挖掘方法存在内存消耗过大的问题,研究基于人工智能技术的局部离群数据挖掘方法。提取离散数据特征,并使用基于信息熵的算法检测局部离群数据。标准化处理检测出的数据,在神经网络中实现对局部离群数据的挖掘,完成对基于人工智能技术的局部离群数据挖掘方法的研究。通过与传统数据挖掘方法的对比实验结果可知,本文方法在数据挖掘过程中内存消耗较少,与传统方法相比具有明显的优越性,充分验证了该方法的应用性和有效性。; 尚福华曹茂俊王才志; 关键词：人工智能技术神经网络

基于一维卷积神经网络的地层智能识别方法: 2023年; 地层识别是油气藏勘探的研究基础。传统地层识别由地质学家根据自身掌握的知识和经验手工完成,这种地质学家主导的人工解释是主观的、耗时的,可能引入人为偏差。深度学习在解决复杂非线性问题上具有优势,目前尚无有效解决地层识别的深度学习方法。针对测井-地层识别,提出了基于特征工程和一维卷积神经网络的地层智能识别方法。首先,利用INPEFA技术和中值滤波对原始曲线进行了多维重构,更好地提取了原始曲线的地层趋势及边缘特征,并对重构矩阵和原始曲线特征采用K-means聚类算法提取时空相关聚类特征;然后,以原始曲线特征、INPEFA曲线、中值滤波特征和聚类特征作为输入,基于一维卷积神经网络得到当前深度地层预测类型。与长短期记忆网络(LSTM)和传统的机器学习方法对比发现,在地层的识别上,地层智能识别方法具有更优异的性能和鲁棒性。该方法能有效识别地层,识别准确率达到92.82%,且在识别地层的同时也完成了地层划分。; 曹茂俊崔欣锋; 关键词：测井曲线

前磁曲线数据数字化预处理: 2006年; 曹茂俊李建平李阳王松江; 关键词：数字化分布信息灰度图阈值

曹茂俊

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

曹茂俊

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈