检索范围：
排序： 展示方式：
Xueying Lu, Kirk E. Jordan, Mary F. Wheeler, Edward O. Pyzer-Knapp, Matthew Benatan
《工程（英文）》 2022年 第18卷 第11期 页码 96-104 doi: 10.1016/j.eng.2022.06.011
We present a framework that couples a high-fidelity compositional reservoir simulator with Bayesian optimization (BO) for injection well scheduling optimization in geological carbon sequestration. This work represents one of the first at tempts to apply BO and high-fidelity physics models to geological carbon storage. The implicit parallel accurate reservoir simulator (IPARS) is utilized to accurately capture the underlying physical processes during CO2 sequestration. IPARS provides a framework for several flow and mechanics models and thus supports both stand-alone and coupled simulations. In this work, we use the compositional flow module to simulate the geological carbon storage process. The compositional flow model, which includes a hysteretic three-phase relative permeability model, accounts for three major CO2 trapping mechanisms: structural trapping, residual gas trapping, and solubility trapping. Furthermore, IPARS is coupled to the International Business Machines (IBM) Corporation Bayesian Optimization Accelerator (BOA) for parallel optimizations of CO2 injection strategies during field-scale CO2 sequestration. BO builds a probabilistic surrogate for the objective function using a Bayesian machine learning algorithm—the Gaussian process regression, and then uses an acquisition function that leverages the uncertainty in the surrogate to decide where to sample. The IBM BOA addresses the three weaknesses of standard BO that limits its scalability in that IBM BOA supports parallel (batch) executions, scales better for high-dimensional problems, and is more robust to initializations. We demonstrate these merits by applying the algorithm in the optimization of the CO2 injection schedule in the Cranfield site in Mississippi, USA, using field data. The optimized injection schedule achieves 16% more gas storage volume and 56% less water/surfactant usage compared with the baseline. The performance of BO is compared with that of a genetic algorithm (GA) and a covariance matrix adaptation (CMA)-evolution strategy (ES). The results demonstrate the superior performance of BO, in that it achieves a competitive objective function value with over 60% fewer forward model evaluations.
基于含隐变量的贝叶斯网络质量相关局部加权的非平稳过程软测量方法 Research Articles
《信息与电子工程前沿（英文）》 2021年 第22卷 第9期 页码 1234-1246 doi: 10.1631/FITEE.2000426
王良民,马建峰
《中国工程科学》 2008年 第10卷 第8期 页码 87-96
为解决反应式容忍入侵系统中的入侵预测问题，提出了新的混合式贝叶斯网络方法。提出了基于入侵模型的混合式贝叶斯网络(HyBN, hybrid bayesian network)模型，将入侵模型中攻击行为和系统安全状态节点分离为攻击层和状态层两个网络层次，两层间使用收敛连接，而两层内部的节点间使用连续连接在特定的信度更新算法的支持下，实验说明该贝叶斯网络方法用于入侵预测的有效性，比较说明HyBN方法的优点。
王华亭,冯俊文,高朋,王健
《中国工程科学》 2007年 第9卷 第12期 页码 4-9
Sousa Luis Ribeiro e,Miranda Tiago,Sousa Rita Leal e,Tinoco Joaquim
《工程（英文）》 2017年 第3卷 第4期 页码 552-558 doi: 10.1016/J.ENG.2017.04.002
目前在世界范围内的很多地下矿山，岩爆已经成为一个与矿山采矿生产密切相关的重要现象。深入理解这类现象，不仅有助于岩爆管理，而且还有可能节约采矿成本，减少人身伤亡事故。其中，实验室实验是深入研究岩爆机理的一个重要途径。在本文作者前期的研究中，已经建立了实验室岩爆实验数据库。与此同时，借助于数字采矿技术，也建立了岩爆最大应力和岩爆风险指数的预测模型。为实现基于矿山地质条件和矿山井巷建筑结构特性对岩爆类型即岩爆强度等级的准确预测，本文的重点是，基于对岩爆实例的分析来建立岩爆影响矩阵，明确岩爆现象的诱发因子，并厘清这些影响因子之间的相互关系。运用人工神经网络（ANN）和初始贝叶斯分类器等数字矿山技术，对矿山岩爆数据库进行了更深入的研究。最后给出了研究得出的各项结论。
基于MCMC稳态模拟的Weibull共享异质性模型及其可靠性应用
林静,韩玉启,朱慧明
《中国工程科学》 2006年 第8卷 第2期 页码 55-60
针对传统假设中个体寿命独立同分布的不足，构建了贝叶斯Weibull共享异质性模型，提出了对寿命服从Weibull分布的产品，运用基于Gibbs抽样的马尔可夫链蒙特卡罗（Markov chain MonteCarlo，MCMC）方法动态模拟出参数后验分布的马尔可夫链，在异质性因子的先验分布为Gamma分布时，给出随机截尾条件下，参数在Weibull共享异质性模型中的贝叶斯估计，提高了计算的精度。
一种用于文本分类的去冗余特征选择新方法 None
You-wei WANG, Li-zhou FENG
《信息与电子工程前沿（英文）》 2018年 第19卷 第2期 页码 221-234 doi: 10.1631/FITEE.1601761
贝叶斯推理和动态神经反馈促进先天性心脏病智能诊断的临床应用 Article
谭伟敏, 曹银银, 马晓静, 茹港徽, 李吉春, 张璟, 高燕, 杨佳伦, 黄国英, 颜波, 李健
《工程（英文）》 2023年 第23卷 第4期 页码 90-102 doi: 10.1016/j.eng.2022.10.015
基于深度序列特征学习的临床感染性角膜炎图像分类 Article
许叶圣, 孔鸣, 谢文加, 段润平, 方钲清, 林宇萧, 朱强, 汤斯亮, 吴飞, 姚玉峰
《工程（英文）》 2021年 第7卷 第7期 页码 1002-1010 doi: 10.1016/j.eng.2020.04.012
标题 作者 时间 类型 操作
基于样地调查的地质碳储量的贝叶斯优化
Xueying Lu, Kirk E. Jordan, Mary F. Wheeler, Edward O. Pyzer-Knapp, Matthew Benatan
期刊论文
数据驱动的随机微分方程辨识
王亚森, 方华臻, 金骏阳, 马贵君, 何心, 代星, 岳作功, 程骋, 张海涛, 浦栋麟, 伍冬睿, 袁烨, Jorge Gonçalves, Jürgen Kurths, 丁汉
期刊论文
京公网安备 11010502051620号
