李学贵
- 作品数：30 被引量：48H指数：3
- 供职机构：东北石油大学更多>>
- 发文基金：国家自然科学基金中国石油科技创新基金黑龙江省自然科学基金更多>>
- 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电子电信更多>>
- 基于涡流搜索算法的支持向量机分类模型被引量：2
- 2016年
- 提出一种将涡流搜索算法用于支持向量机参数选取的新算法,利用该算法不必遍历搜索空间内所有的参数点即可找到全局最优解。给出了具体的算法流程,并进行了仿真。仿真实验结果表明涡流搜索算法是选取SVM参数的有效方法。
- 李学贵许少华李娜张强
- 关键词：支持向量机参数优化
- 一种基于LCD-EE的管道声波信号特征提取的管道工况识别方法
- 一种基于LCD‑EE的管道声波信号特征提取的管道工况识别方法，涉及信号处理和管道泄漏检测技术领域。其为了解决目前管道声波信号的特征提取难、无法反应出泄漏信号的本质特征，从而影响管道工况的准确识别的问题。本发明利用声波传感...
- 路敬祎董宏丽周怡娜韩非李学贵高宏宇霍凤财宋金波杨帆
- 文献传递
- 微地震震源定位方法综述被引量：6
- 2020年
- 微地震震源定位方法是微地震监测领域的一项核心技术,而考量微地震技术应用效果好坏的准则在于震源定位方法的精确程度。针对非常规油气开发过程中微地震震源定位方法的应用,本文对微地震震源定位方法进行阐述。其中:几何作图法具有稳健、效率高的优势,但震源位置较深时定位精度较低;线性定位法无需速度模型精度,但对初至拾取的精度有较大影响;非线性定位法对初至拾取较为敏感,对速度模型的精度要求较高,但计算量较小;混合优化定位法在一定程度上提高了定位的精度和效率,但在低信噪比、速度模型精度较低时优势不明显;基于波形偏移的定位方法无需考虑初至拾取的精度,但计算量较大;基于神经网络的定位方法采用训练网络进行训练,定位精度高,误差小。同时,本文还介绍了多方法多参数信息融合技术在油气藏微震震源定位中的应用。
- 达姝瑾李学贵李学贵李含阳
- 关键词：微地震
- 基于Android系统的油气处理设备巡检系统开发
- 2015年
- 根据石油化工行业关于设备运行管理要求,在充分考虑生产运行巡检工作要求基础上,本文利用网络技术、Web Service技术、Android技术以及二维条码扫描技术等最新技术开发基于Android系统的油气处理设备巡检系统,来提高装置运行巡检的效率,逐步实现无纸化办公的目标。
- 李学贵李娜
- 关键词：设备巡检ANDROID二维码
- 基于迁移学习LSTM的长输油管道泄漏实时检测系统
- 本发明属于油田生产设备技术领域，具体涉及一种基于迁移学习LSTM的长输油管道泄漏实时检测系统，包括以下步骤：1、通过长输油管道泄漏实验平台采集数据，包含正常数据和泄露数据，通过数据训练，使LSTM网络检测准确率达到达95...
- 董宏丽王闯韩非路敬祎霍凤财李学贵王梅杨帆
- 基于事件触发的全信息粒子群优化器及其应用被引量：1
- 2023年
- 针对标准粒子群优化算法存在早熟收敛和容易陷入局部最优的问题,本文提出了一种基于事件触发的全信息粒子群优化算法(Event-triggering-based full-information particle swarm optimization,EFPSO).首先,引入一类基于粒子空间特性的事件触发策略实现粒子群优化算法(Particle swarm optimization,PSO)的模态切换,更好地维持了算法搜索和收敛能力之间的动态平衡.然后,鉴于引入历史信息能够降低算法陷入局部最优的可能性,提出一种全信息策略来克服PSO算法搜索能力不足的缺陷.数值仿真实验表明,EFPSO算法在种群多样性、收敛率、成功率方面优于其他改进的PSO算法.最后,应用EFPSO算法对变分模态分解(Variational mode decomposition,VMD)去噪算法进行改进,并在现场管道信号去噪取得了很好的效果.
- 王闯韩非申雨轩李学贵李学贵
- 关键词：去噪算法
- 基于支持向量机和粒子群优化的油层开采状态识别被引量：1
- 2017年
- 针对开发小层生产状态评价问题,基于油井套损检测信号和储层岩性、物性、生产动态等动静态数据,提出了一种支持向量机和粒子群优化相结合的判别算法,较大提高了对多学科信息的综合能力和判别的准确性。
- 李学贵许少华李娜
- 关键词：支持向量机粒子群优化
- 基于LVQ过程神经元网络的储层岩性识别被引量：2
- 2017年
- 针对基于取心井岩心分析数据和测井过程数据的储层岩性判别问题,建立了一类学习向量量化过程神经元网络模型(LVQ-PNN:Learning Vector Quantization Process Neural Network)。该模型通过增加输出层,扩展了自组织过程神经元网络的深度结构;采用无监督竞争与有教师示教相结合的算法策略,提高了多维信号特征的自适应提取和自组织综合能力。实验证明,该方法具有较好的岩性特征综合和辨识能力,岩性识别率达到了84.7%。
- 李学贵许少华赵恩涛赵玲
- 关键词：过程神经元网络学习向量量化岩性识别
- 基于过程支持向量回归机的油田开发指标预测模型
- 2018年
- 针对传统支持向量回归机在机制上难以直接对时变信号进行处理，提出了一种用于时间序列预测的过程支持向量回归模型，面向油田开发指标综合分析预测等问题，提出了一种过程支持向量回归机模型，建立了基于涡流搜索的优化学习算法，方法可综合历史数据和开发条件，实现对油田开发指标的预测。
- 赵玲李学贵许少华夏惠芬
- 关键词：过程支持向量机开发指标预测
- 基于改进涡流搜索算法的支持向量机分类模型被引量：1
- 2020年
- 支持向量机(SVM:Support Vector Machine)是定义在特征空间上的间隔最大的线性分类器,参数的选择决定了其学习性能和泛化能力。针对此参数选择问题,采用改进的涡流搜索算法对支持向量机参数进行选择,寻找最优适应度函数。仿真实验表明,改进的涡流搜索算法是一种有效的SVM参数选择方法,有利于跳出局部最小值,其优化性能不低于涡流搜索算法。
- 李学贵郭远涛李盼池王艾
- 关键词：支持向量机参数优化
