章瑞
- 作品数:24 被引量:2H指数:1
- 供职机构:中国石油天然气集团公司更多>>
- 相关领域:电子电信自动化与计算机技术石油与天然气工程文化科学更多>>
- 一种自适应模糊PID控制页岩油增压站输油泵的方法及系统
- 本发明公开了一种自适应模糊PID控制页岩油增压站输油泵的方法及系统,基于缓冲罐实际液位值与设定液位值的偏差及偏差变化率,获取偏差的模糊量及偏差变化率的模糊量;再结合模糊控制约束条件、偏差的模糊量及偏差变化率的模糊量获取模...
- 李秋实胡建国马建军王娟章瑞马丽涛韩江李晨琛梁倩方茹佳邹永玲刘天宇蔡亮王兴刁海胜贾志鹏程世东余杰赵霈穆中华
- 基于EPON的宽带接入网应用研究
- 本文针对长庆油田新建住宅小区因业务扩大、延伸而面临的通信接入网建网成本居高不下;“用户”和“核心网”之间的接入网因带宽限制形成的业务瓶颈无法解决;通信管道资源紧张等现状提出了将EPON技术应用于新建住宅小区的宽带接入网解...
- 章瑞
- 关键词:宽带接入网光线路终端住宅小区
- 文献传递
- 油区数字公路路网模型的生成方法及生成系统
- 本发明公开了油区数字公路路网模型的生成方法及生成系统,油区数字公路路网模型的生成方法,具体过程为:下载公开的油区已有路网模型数据作为基础数据,再使用油区车辆收集现场GPS轨迹信息,根据车辆收集的轨迹信息生成油区路网数据,...
- 王娟马建军单吉全章瑞郭宣宏秦海峰张琴何光伟靳洪贺亮陈高辉张勇蔡亮马丽涛蔡海燕窦敬姜淇田宁王旭芦鹏赵有贵李敏龙雄云刁海胜王永平杨娜李鹏飞姚伟刘玉梅王霄刘宇鹏王鸿麟符明宋养齐王斌
- 一种基于文本聚类事件数据处理识别的方法
- 本发明提供了一种基于文本聚类事件数据处理识别的方法,解决了使用TF‑IDF算法进行文本分类和关键词提取,需要提前预知事件类别个数,需要人为干预,难以实现完全的自动化识别的问题,本发明基于TF‑IDF算法将目标文本数据进行...
- 王海峰苏莹杨璐单吉全马建军章瑞海涛刘文君杨文波杨国栋段金奎许斌王军曹敏于垒窦敬尤靖茜王荣李晨琛耿慧霞徐兰萍高琰黄海燕郭莎莎麻守忠郭晶苏慧生梁倩
- 一种阻垢杀菌剂管道加注装置及方法
- 本发明属于石油地面集输系统加药装备技术领域,具体涉及一种阻垢杀菌剂管道加注装置及方法。本发明还包括混药机构、原药储备机构、控制器和输出管线;控制器分别与混药机构和原药储备机构电信号连接;原药储备机构与混药机构连接;混药机...
- 李秋实马建军韩江章瑞蔡亮田源刘磊李晨琛张珊李敏杨倩关键刁海胜
- 油田二氧化碳驱油注入工艺流程建模仿真方法及相关装置
- 本发明公开了一种油田二氧化碳驱油注入工艺流程建模仿真方法及相关装置,属于二氧化碳驱油技术领域;根据二氧化碳驱油工艺流程相关数据建立数字孪生模型;在数字孪生模型中注入工艺仿真模块。通过建立三维数字化模型,涵盖了传输管线、二...
- 王绍平王登海章瑞李敏安玥馨张珊梁磊王祥波宋丽媛曹举
- 一种基于边云端计算技术的油井智能控制终端
- 本发明提供了一种基于边云端计算技术的油井智能控制终端,包括采集单元、设备控制单元、数据处理单元、通信单元和电源单元。通过将记产分析实现下移至边端,以降低平台运算压力、传输压力和传输的不可靠性,保证记产算法样本数据完整性的...
- 王祥波丑世龙单吉全章瑞王绍平孟繁平仲庭祥王海国魏明刁海胜周良志曹举高乐
- 油田数字化管理技术的研发和应用
- 冉兴权朱天寿吕永杰郑光荣杨世海高玉龙马建军仲庭祥丑世龙魏明蒲新阳靳笋方鹂章瑞
- 推进企业信息化与工业化的融合,是现代企业走新型工业化道路的必由之路。中国石油天然气集团公司坚持走信息化带动工业化,工业化促进信息化的道路,着力改造提升传统产业链结构,增强企业创新发展能力。油田数字化管理是应用日新月异发展...
- 关键词:
- 关键词:抽油机油气藏开发
- 一种模拟神经网络计算模型的动环境视频AI分析预警系统
- 本发明公开了一种模拟神经网络计算模型的动环境视频AI分析预警系统,采用机器学习算法建立错误状态识别模型、管道泄漏识别模型以静态目标数据、动态目标数据、逻辑事件以及行为目标数据分析数据做为训练样本,研究多算法融合提升动环境...
- 单吉全晏宁平马世清马建军章瑞李佩何战友杨一帆许斌任小荣陈鹏
- 数智油田建设中的小样本数据处理方法研究
- 2025年
- 在数智油田建设中,数智化模型的构建至关重要,数据集的质量和大小又决定着数智化模型的最终性能。然而,油田目前受到工作复杂环境、现场因素等制约,导致其无法实现大规模数据集的采集。不同样本的数量存在一定的差异,导致油田数据集样本规模小、内部类不均衡、数智化模型训练容易过拟合等问题。因此,对小样本数据进行处理扩充是保证数智模型的基础。目前针对小样本的处理主要以数学方法为主,但是数学方法往往是在原数据上进行简单变换,存在与原数据相似的情况。随着深度学习方法愈发成熟,本文尝试将深度学习方法运用到小样本数据扩充上。通过合成少数类过采样(SMOTE)、深度卷积对抗网络(DCGAN)等方法,以神经网络为基础,将原小样本数据集进行卷积计算,生成新的数据。这种方法在增加了数据集的同时保留了原分布状态,达到了扩大小样本的目的。对运用深度学习方法的小样本数据扩充进行实例验证,结果表明,深度学习小样本扩充方法能达到较高准确率地扩充小样本的目标,为后续数智化模型的构建提供数据基础。
- 章瑞许斌张亮宋旭田琨郝壮远