简介:摘要:公路运输系统是我国重要的基础设施,道路承担着我国经济发展、不同地区间联系和改善人民生活的重任。开发一种用于道路裂缝检测的神经网络模型对于改善人们生活具有重大意义。随着深度学习技术的快速发展,语义分割在道路裂缝检测任务中被广泛采用,本文介绍了一种基于U-Net网络改进的模型,首先对使用到的数据集进行介绍,然后对数据预处理方法进行概要,接着构建道路裂缝分割模型,最后将构建好的裂纹分割模型进行训练,并且对我们训练好的道路裂缝检测模型进行数据的分析。
简介:摘要:及时准确地发现路面、桥梁、房屋的裂缝对做到及时维护和消除安全隐患至关重要,大规模的表面裂缝检测工程量巨大,且易受人们主观因素影响。本文构建一种基于编码器-解码器的U型网络结构,以改进的Transformer作为网络基础模块,以捕获裂缝狭长语义信息。利用卷积模块对局部强特征提取的优势,在瓶颈层处引进了空洞空间金字塔池化模块。为了弥补编码器-解码器之间的语义鸿沟,在U型网络的不同跳跃连接处插入注意力模块以更好聚合不同层次的特征信息。
简介:许多致密气井和页岩气井的线性流态都可以持续数年。然而,非常规油藏(如巴肯油藏)生产分析表明,线性流态并不是唯一的主导流态。现场数据表明,受增产处理油藏体积(SRV)影响的边界流(boundary—dominatedflow)和复合线性流的持续时间一般要远长于早期的线性流态。根据裂缝网络或SRV模式,非常规油藏的线性流态可能只持续几个月,但对估计最终开采量(EUR)的贡献却高达约30%。本研究提出了一种基于解析模型来识别裂缝网络模式和获取相关流动参数的方法,由此得出的油藏描述结果被移植到油藏~流量数值模拟模型中,用于捕捉非常规油藏系统中压实作用、多相流动特性以及各种流态对开采动态的影响。这种方法有助于认识油井的开采动态,以便于了解历史拟合情况。特别是,文中通过产量不稳定分析确定了裂缝网络模式和流态,通过数值模拟与解析模型相结合,开展了生产动态约束下的历史拟合;对非均质效应、压实效应和多相流效应进行了敏感性分析;此外,还介绍了本方法在巴肯油井的现场应用。研究认为,在开展详细的油藏一流量数值模拟研究之前,应当先进行解析模拟。该项研究成果为改善非常规油藏描述奠定了基础。