永恒的背景

总有很多平凡的人,总有很多可爱的人.我不知道自己的远方在哪里,但是我停止不了追逐的脚步.在我的心里,忘不了那些背影,虽然我不知道他们的名字.     

根据钻速方程分析提高钻速的有效途径

在安全条件下,提高钻井速度是钻井工程技术人员追求的目标和紧迫任务。根据大庆长垣通用钻速方程,分析影响钻速的主要因素及提高钻速的有效途径,以供钻井工程设计及现场工程技术人员参考,并用莺深1井、达深2井实钻数据在通用钻速方程中验证,其预测钻速与实际钻速误差仅为4．3％和4．8％,取得较好的符合率。     

����RBF���˲�������Բο�վ�߳�ʱ�����з���

?????????IGS???????вο??????????仯???????仯????????????????????????????仯??????RBF?????????缰С??????????????????MATLAB7.0????????IGS???????????????GRNN?????????С??????????????????????????????????????????????????????д??????仯????????????????????????????仯?????????????????????     

基于混沌动力学系统高程时间序列分析

随着我国CORS基准站的投入使用,获得了大量高精度连续观测数据,这些数据被广泛应用到测绘行业、航天、航空和军事等许多行业的领域中,因此,对高程时间序列分析有着极其重要的意义。本文先采用Pan Ta方法剔除异常值,然后基于混沌动力学系统,采用Lyapunov指数Wolf方法检验与Lyapunov指数谱矩阵估计对时间序列进行平稳性分析;采用约束实现CAFFT算法生成替代时间序列与Lyapunov指数p-范数检验时间序列非线性。通过分析可知,北京房山站高程时间序列为非线性、非稳态时间序列,观测系统为部分确定性机制低阶混沌动力系统,所以在对该高程时间序列进行拟合、谱估计和周期拟合等数据处理前,必须对数据进行数据相空间重构。     

北京房山站神经网络高程时间序列分析

为了更好地分析高程时间序列的变化规律,使其能更好地应用到地壳运动监测.本文对房山站观测数据先采用PanTa方法剔除异常值,然后进行混沌动力学系统检验.经检验可知,北京房山站高程时间序列为非线性、非稳态时间序列,观测系统为部分确定性机制低阶混沌动力系统.因此对数据进行正则化RBF网络相空间重构和小波神经网络滤波,然后再对数据进行加窗谱估计、最小差距拟合和去除趋势FFT周期拟合计算分析.计算结果显示,北京房山站高程时间序列的平均谱功率为7694W,年周期为0.994～1.109(年),半年周期为0.438～0.617(年),年周期为0.247～0.378(年).分析计算结果表明,该时间序列斜趋势不明显,随机性不明显,其存在着年周期性、半年周期性和季周期性,其中年周期最为明显.