估计全波形声波测井的散谱的非平稳最大似然方法

文档序号:157246 发布日期:2021-10-26 浏览:40次 >En<

阅读说明:本技术 估计全波形声波测井的散谱的非平稳最大似然方法 (Non-stationary maximum likelihood method for estimating dispersion spectrum of full waveform acoustic logging ) 是由 孙学凯 克里斯·B·阿亚迪诺 于 2020-03-09 设计创作,主要内容包括:本公开描述了用于估计全波形声波(FWS)测井的散谱的方法和系统。一种计算机实现的方法包括接收FWS数据、对FWS数据执行频率空间(FX)变换、对所变换的FWS数据使用非平稳预测误差滤波(PEF)反演来估计局部矩阵L和局部矩阵P、基于估计的局部矩阵L和局部矩阵P计算逆协方差矩阵,以及基于逆协方差矩阵获得非平稳最大似然方法(MLM)频谱。(The present disclosure describes methods and systems for estimating a dispersion spectrum of a Full Waveform Sonic (FWS) log. A computer-implemented method includes receiving FWS data, performing a frequency-space (FX) transformation on the FWS data, estimating local matrices L and P using non-stationary Predictive Error Filtering (PEF) inversion on the transformed FWS data, computing an inverse covariance matrix based on the estimated local matrices L and P, and obtaining a non-stationary Maximum Likelihood Method (MLM) spectrum based on the inverse covariance matrix.)

估计全波形声波测井的散谱的非平稳最大似然方法

要求优先权

本申请要求于2019年3月11日递交的美国专利申请No.16/298,540的优先权,其全部内容通过引用并入本文。

技术领域

本公开涉及估计全波形声波(FWS)测井的散谱,更具体地,通过使用非平稳最大似然方法(MLM)。

背景技术

在FWS测井中,频散分析已用于推断岩性、裂缝和流体类型。有效且准确的散谱估计对于FWS频散分析很重要。

发明内容

本公开描述了用于估计全波形声波(FWS)测井的散谱的方法和系统,其包括计算机实现的方法、计算机程序产品和计算机系统。一种计算机实现的方法包括接收FWS数据、对FWS数据执行频率空间(FX)变换、对所变换的FWS数据使用非平稳预测误差滤波(PEF)反演来估计局部矩阵L和局部矩阵P、基于估计的局部矩阵L和局部矩阵P计算逆协方差矩阵,以及基于逆协方差矩阵获得非平稳最大似然方法(MLM)频谱。

该方面的其他实现包括相应的计算机系统、装置和记录在一个或多个计算机存储设备上的计算机程序,它们均被配置为执行方法的动作。一个或多个计算机的系统可以被配置为通过在系统上安装的、在操作中导致系统执行动作的软件、固件、硬件或软件、固件或硬件的组合来执行特定的操作或动作。一个或多个计算机程序可以被配置为通过包括指令来执行特定操作或动作,所述指令在被数据处理装置执行时使得该装置执行动作。

前述和其他实现可以各自可选地以单独或组合的方式包括以下特征中的一个或多个:

第一方面,可与一般实施方式相结合,该方法进一步包括基于估计的局部矩阵L和局部矩阵P获得非平稳最大熵方法(MEM)频谱。

第二方面,可与前述方面中的任一方面相结合,其中,FWS数据是由接收器阵列记录的声波波形,并且声波波形由发射器激发并沿油气储层上的井筒传播。

第三方面,可与前述方面中的任一方面相结合,该方法进一步包括基于非平稳MLM频谱估计井筒区域的岩石物理属性。

第四方面,可与前述方面中的任一方面相结合,其中,使用伯格(Burg)方程计算逆协方差矩阵。

第五方面,可与前述方面中的任一方面相结合,其中,在FX域中执行非平稳PEF反演。

第六方面,可与前述方面中的任一方面相结合,其中,FX变换是一维(1D)傅立叶变换,并且独立于线性时差(LMO)校正获得非平稳MLM频谱。

虽然通常被描述为在有形介质上体现的计算机实现的软件,该软件处理和转换相应的数据,但这些方面中的一些或全部可以是计算机实现的方法或进一步被包括在相应的系统或其他设备中以用于执行所描述的功能。在附图和以下描述中阐述了本公开的这些方面和其他方面以及实施方式的细节。本公开的其他特征和优点将通过说明书和附图以及权利要求而变得显而易见。

附图说明

本专利或申请文件包含至少一个彩色附图。含有彩色附图的本专利或专利申请公开的副本将在提出请求并支付必要的费用后由专利商标局提供。

图1示出了根据一些实施方式的用于使用非平稳最大似然方法(MLM)估计全波形声波(FWS)测井的散谱的示例方法。

图2示出了根据一些实施方式的合成FWS数据和相应的频散曲线的示例图像。

图3示出了根据一些实施方式的使用常规MLM的估计散谱的示例图像。

图4示出了根据一些实施方式的使用非平稳MLM和非平稳最大熵方法(MEM)的估计散谱的示例图像。

图5示出了根据一些实施方式的使用常规MLM和非平稳MLM的估计散谱的示例图像。

图6是示出了根据一些实施方式的用于提供与如本公开中描述的算法、方法、功能、处理、流程和过程相关联的计算功能的示例计算机系统的框图。

各附图中相似的附图标记和标志指示相似的要素。

具体实施方式

下面的详细描述描述了使用非平稳最大似然方法(MLM)来估计全波形声波(FWS)测井的散谱,并且被呈现出来以使本领域技术人员能够在一个或多个特定实施方式的上下文中制作和使用所公开的主题。在不背离本公开的范围的情况下,对所公开的实施方式的各种修改、改变和置换可以被实现并且对本领域技术人员而言将显而易见,并且所定义的一般原理可适用于其他实施方式和应用。因此,本公开并非意在限于所描述的或示出的实施方式,而应赋予与公开的原理和特征一致的最宽范围。

在FWS测井中,频散分析已用于推断岩性、裂缝和流体类型。MLM可以用于估计FWS散谱。然而,MLM依赖于例如部分线性时差(LMO)校正或伪集成平均和预白化来估计MLM内核(即,逆局部协方差矩阵)。因此,使用MLM估计FWS散谱可能导致FWS散谱的高估和不准确表示。

在高层面处,所描述的方法提供了非平稳MLM来估计FWS测井的散谱。所描述的非平稳MLM利用伯格算法框架内的非平稳预测误差滤波(PEF)反演来估计局部矩阵L和局部矩阵P,并使用局部矩阵L和局部矩阵P来获得局部逆协方差。通过使用非平稳MLM,在估计FWS散谱时不需要部分LMO校正。换句话说,非平稳MLM独立于部分LMO校正和伪集合平均。因此,通过使用非平稳MLM可以降低估计FWS散谱的计算成本。此外,所描述的非平稳MLM可以用作频散估计和频散分析的标准工作流、提供高效和准确的散谱估计、以及在表征速度频散方面比其他平稳MLM具有更高的分辨率。

由于FWS测井数据的位于地震数据和超声数据之间的中间频带,FWS测井数据是研究频散现象的重要信息。在频散表征方法中,MLM是一种数据自适应处理方法,并且可以应用于反射地震、竖直地震轮廓和FWS处理。

通常,在FWS配置中,接收器阵列可以记录由发射器激发并沿井筒传播的声波波形。可以通过沿偏移方向的倾斜波形示出所记录的信号。例如,在FWS配置中,接收器阵列中有M个接收器,偏移范围从z1到zM,并且在第ith个接收器处记录的声波波形为xi(1≤i≤M)。用于频谱估计的经典MLM形式可以表示为:

其中w和tc分别是角频率和重新编码时间,而代表以参考慢度为中心的扫描慢度s,其用于部分校正倾斜的波形(通常在频域中),以便让更多的数据信息流入用于MLM分析的窗口中。的共轭转置。方程(1)的核心涉及R-1的估计,它是协方差矩阵R的逆矩阵。R可以表示为:

R(w,tc,s)=x(w,tc,s)x+(w,tc,s)(2)

其中x+(w,tc,s)是x(w,tc,s)的共轭转置,而x(w,tc,s)代表对每个通道的记录信号的LMO校正短时傅立叶变换(STFT),时间窗口大小为tw,即:

如方程(1)至方程(3)所示,R(或R-1)的估计精度对频谱估计是重要的。在一些实施方式中,在感兴趣频率的相邻频带上对协方差矩阵R求平均(也称为伪集合平均)可以用于提高R的估计精度。此外,可以使用归一化和预白化来确保从R到R-1的逆转换过程中的数值稳定性。

方程(1)在频率、时间和慢度方面表示三维(3D)MLM形式。要使用用于频谱估计的3DMLM形式,可以执行以下工作流。例如,为每个频率确定参考慢度及其相应的扫描慢度范围。对于特定频率,执行LMO校正STFT(即,方程(3)),然后对R进行估计(即,方程(2))。在R转换到R-1之后,可以使用方程(1)计算特定频率(即,)的频谱。在很多情况下,实际的扫描慢度是大的,并且不能用一个参考慢度来高效地处理。在这些情况下,可以使用多个参考慢度,并且可以对每个子扫描范围重复相同的过程。可以通过对所有感兴趣的频率重复前面描述的工作流来获得3D频谱(即,)。由于频散分析的一个重要任务是评估慢度(或速度)和频率(即,)的关系,因此在每个图上手动挑选能量簇来量化这种关系。

由于对时间维度的额外考虑和每个参考慢度的重复部分LMO校正,3DMLM(即方程(1))的计算成本可能是昂贵的。因此,用于频谱估计的3DMLM在实际应用中是负担不起的。在一些实施方式中,伯格算法可以用于作为一种有效的方法来降低计算成本,并高效地生成二维(2D)MLM频谱(即,)。

基于伯格算法,可以在频率-空间(FX)域中执行估计MLM频谱(使用下面的方程(4)进行更详细的讨论)。例如,在最大化前向/后向预测误差能量的原则下,通过递归计算反射系数可以构建所有可用阶数的预测误差过滤器(PEF)。因此,然后可以使用伯格方程(即,下面的方程(9))导出和组合包含PEF系数的下三角矩阵L和包含预测误差的对角矩阵P,以估计R-1和MLM频谱。

使用伯格算法进行MLM频谱估计,不考虑时间维度,并且不执行重复的部分LMO校正。因此,用于MLM频谱估计的伯格算法比用于频谱估计的3DMLM形式具有明显更低的计算成本,从而可以在实际应用中负担得起被使用。然而,伯格算法通过迭代求解每个频率的矩阵L和矩阵P(在下面的方程(7)至(9)中更详细地讨论)从静止的角度接近MLM,这忽略了频率维度的内在非平稳性。此外,当使用先前描述的伯格算法进行MLM频谱估计时,单独估计每个频率的频谱。因此,先前描述的伯格算法不能捕捉频散特征。此外,当使用先前描述的伯格算法进行MLM频谱估计时,执行伪集合平均和预白化以便增强估计过程的数值鲁棒性。执行伪集合平均和预白化能平均(或涂抹)最终估计的散谱,并导致散谱估计不准确。

为了有效和准确地对FWS数据进行频散表征,本公开中描述了一种用于频散估计和分析的新工作流(称为非平稳MLM)。在非平稳MLM中,采用反演形式的非平稳自回归来估计局部预测系数和预测误差。非平稳MLM与先前描述的用于MLM频谱估计的伯格算法具有相似的效率。此外,非平稳MLM在捕获和保留FWS数据中包含的非平稳频散特征方面比先前描述的用于MLM频谱估计的伯格算法更胜任。

要使用用于频谱估计的非平稳MLM,可以执行以下工作流。例如,在被用于频散估计和分析之前,FWS数据可以先进行预处理。在一些实施方式中,FWS数据在被用于频散估计和分析之前不需要进行预处理。换句话说,预处理是用于谱估计的非平稳MLM中的可选步骤。预处理可以包括确定有效频率和慢度范围。预处理还可以包括使用频率滤波程序或其他合适的去噪程序的信噪比增强。在一些情况下,预处理可以包括从总波场中分离目标波分量以减少其他波分量的混合效应。在一些实施方式中,可选的预处理被实施以更好地准备用于频散估计和分析的FWS数据。

接下来,频率-空间(FX)变换(也称为频率偏移变换)而不是STFT应用于预处理的FWS数据(或如果未实施可选的预处理,则FWS数据)。例如,可以通过对每个通道(或轨迹)的记录信号进行一维(1D)傅立叶变换来执行FX变换。一维傅里叶变换可以表示为:

xi(w,zi)=∫xi(t,zi)e-jwtdt(4)

如方程(3)至方程(4)所示,FX变换(即,方程(4))不具有方程(3)中包括的部分LMO校正。因此,方程(4)的计算成本低于方程(3)的计算成本。

FX变换后,可以在FX域中执行非平稳自回归。在一些实施方式中,使用非平稳预测误差滤波器(PEF)来执行非平稳自回归。为了获得可以保留FWS信号中频散特征的解决方案,可以通过考虑PEF系数对频率的依赖性(沿着频率维度而不是偏移维度)来用公式表示非平稳PEF,即:

其中ε(w)是频率的PEF误差w,aw,k是频率相关的PEF系数,m是偏移指数(例如,指示第mth个接收器),以及i是要分析的PEF阶数。在一些实施方式中,整形正则化可以用于减少非平稳PEF反演的非唯一性。例如,方程(5)的正则化目标函数可以表示为:

求解所有可用阶次(即,0~M-1)的非平稳PEF反演,获得的PEF系数和它们在频率w处的相应预测误差可以用来形成下三角矩阵Lw和对角矩阵Pw,即:

在方程(7)中,最右边一列至最左边一列对应于0阶至第(M-1)th阶的PEF系数。在方程(8)中,pw(i)是频率的ith阶预测误差w。局部L和局部P通过非平稳PEF反演进行估计。在这样做时,可以通过使用整形正则化来正确处理PEF的频率关系。因此,可以适当地保留和表示FWS信号中包含的非平稳特征。

基于伯格方程,每个频率w的逆协方差矩阵R-1可以表示为:

R-1=L P-1L+(9)

使用非平稳MLM,可以通过将从方程(9)而不是从方程(2)获得的逆协方差矩阵R-1代入方程(1)来获得估计的散谱(即,非平稳MLM频谱)。此外,可以分别基于从方程(7)和(8)获得的Lw和Pw获得非平稳最大熵方法(MEM)频谱。例如,该ith阶的MEM频谱可以表示为:

其中,Δx是偏移间距间隔。

图1示出了根据一些实施方式的用于使用非平稳最大似然方法(MLM)估计全波形声波(FWS)测井的散谱的示例方法100。为了说明的清楚,下面的描述在总体上描述了在本说明书中的其他附图的上下文中的方法100。例如,方法100可以由图5中描述的计算机系统执行。然而,应理解,方法100在适当时可以例如由任意合适的系统、环境、软件和硬件来执行,或由系统、环境、软件和硬件的合适的组合来执行。在一些实施方式中,方法100的各个步骤可以并行、组合、循环或以任意顺序运行。

方法100开始于方框105,其中接收全波形声波(FWS)数据。在一些实施方式中,FWS数据是由接收器阵列记录的声波波形。接收器阵列可以记录由发射器激发并沿油气储层上的井筒传播的声波波形。可以通过沿偏移方向的倾斜波形示出所记录的信号。例如,接收器阵列包括M个接收器,其偏移范围从z1到zM。接收器阵列中第ith个接收器处记录的声波波形为xi(1≤i≤M)。

在方框110,对FWS数据执行频率-空间(FX)变换。FX变换可以是一维(1D)傅立叶变换(例如,方程(4))。在一些实施方式中,可以在对FWS数据执行FX变换之前对FWS数据进行预处理。例如,可以基于FWS数据确定有效频率和慢度范围。可以使用频率滤波程序(或其他合适的去噪程序)来增强FWS数据的信噪比。在某些情况下,可以将目标波分量从总波场中分离出来,以减少其他波分量的混合效应。在这样做时,可以更好地为频散估计和分析准备FWS数据。

在方框115,非平稳预测误差滤波(PEF)反演而不是伯格算法被用于变换后的FWS数据以估计局部矩阵L和局部矩阵P。在一些实施方式中,在FX域中执行非平稳自回归。例如,PEF系数和在频率w处的相应PEF预测误差可以通过求解所有可用阶数(即,0~M-1)的非平稳PEF反演来获得。局部矩阵L和局部矩阵P(例如,下三角矩阵Lw和对角矩阵Pw)可以使用PEF系数和在频率w处的相应PEF预测误差(例如,方程(7)和(8))形成。

在方框120,基于估计的局部矩阵L和局部矩阵P计算逆协方差矩阵。在一些实施方式中,使用伯格方程(例如,方程(9))计算逆协方差矩阵。例如,可以使用伯格方程(即,)计算频率w的逆协方差矩阵。

在方框125,基于逆协方差矩阵获得非平稳最大似然方法(MLM)频谱。例如,从方程(9)而不是方程(2)获得的逆协方差矩阵可以用于方程(1)来估计非平稳MLM频谱(即FWS散谱)。在一些实施方式中,独立于线性时差(LMO)校正,获得非平稳MLM频谱。散谱可以不处理伪影,并且适用于推断井筒区域附近的岩石物理属性。在一些实施方式中,除了非平稳MLM频谱之外,还可以基于估计的局部矩阵L和局部矩阵P(例如方程(10))获得非平稳最大熵方法(MEM)频谱。

图1中所示的示例方法100可以被修改或重新配置为包括附加的、更少的或不同的步骤(图1中未示出),这些操作可以按所示的顺序或者按不同的顺序来执行。例如,在方框125之后,可以基于非平稳MLM频谱估计储层特性(例如井筒区域的岩石物理属性)。在一些实施方式中,非平稳MLM、非平稳MEM或两者的组合可以应用于实际偶极子数据(在下面的图5中讨论)以提供频散分析中的频散表征。在一些实施方式中,例如可以重复或迭代图1中所示的步骤中的一个或多个,直到达到终止条件为止。在一些实施方式中,图1中所示的各个步骤中的一个或多个可作为多个分离的步骤来执行,或者图1中所示的步骤的一个或多个子集可以组合并且作为单个步骤来执行。在一些实施方式中,图1中所示的一个或多个单独步骤也可以从示例方法100中省略。

图2示出了根据一些实施方式的合成FWS数据和相应的频散曲线的示例图像200。为了探讨非平稳MLM的效率和准确性,使用合成FWS数据。例如,在0.5英尺等间距的8个通道上模拟合成数据。第一通道距离发射器10.75英尺。图像205中的每条轨迹沿时间方向包含400个样本,时间间隔为20微秒。在图2中,在合成FWS数据中模拟了具有相反频散特性的两个波分量。相应的频散曲线(即,两个波分量的理论频散曲线)被示出在图像210中。

图3示出了根据一些实施方式的使用常规MLM的估计散谱的示例图像300。例如,先前描述的用于MLM频谱估计的伯格算法被应用于图2中的合成FWS数据。为了改善协方差矩阵估计,执行具有不同频率平均半径的伪集合平均。在图3中,由虚线表示的曲线为实际频散。图像305示出了具有1点长度半径(125Hz)的估计散谱。图像310示出了具有2点长度半径(250Hz)的估计散谱。图像315示出了具有4点长度半径(500Hz)的估计散谱。如图3所示,伪集合平均并不是捕捉和保存非平稳信号特征的好方法,因此常规的MLM不能生成高分辨率的散谱。此外,随着频率半径的增加,获得的散谱的分辨率降低。

图4示出了根据一些实施方式的使用非平稳MLM和非平稳最大熵方法(MEM)的估计散谱的示例图像400。例如,先前描述的非平稳MLM被应用于图2中的合成FWS数据。在图4中,图像405示出了非平稳MLM的估计散谱,而图像410示出了二阶非平稳MEM的估计散谱(即,i=2)。如前所述,非平稳MLM独立于部分LMO校正和伪集合平均。因此,非平稳MLM可以从非平稳PEF反演的角度有效地处理非平稳信号,并在频散表征上产生聚焦的且准确的结果(即,图像405)。如图4所示,非平稳MLM和二阶非平稳MEM在准确性和可靠性方面优于图3中的常规MLM。此外,图4示出了非平稳MLM能够在表征速度频散时实现高分辨率。因此,使用非平稳MLM的估计的散谱对于推断例如井筒区域附近的岩石物理属性是优选的和信息性的。

图5示出了根据一些实施方式的使用常规MLM和非平稳MLM的估计散谱的示例图像500。例如,先前描述的常规MLM和非平稳MLM应用于实际偶极子数据。图5中使用的实际偶极子数据来自内嵌分量,该内嵌分量在砂岩储层上由内嵌偶极子源(也称为XX分量)产生的。在图5中,图像505示出了来自常规MLM的估计散谱,而图像510示出了来自非平稳MLM的估计散谱。如图5所示,图像510示出了针对非平稳MLM的慢度在2000~4500Hz的频率范围内非线性随频率的增加而增加。然而,图像505没有示出常规MLM的清晰散频特征。因此,非平稳MLM可以生成比常规MLM更合理和高分辨率的频散表征。

图6是根据实施方式的用于提供与如本公开中描述的算法、方法、功能、处理、流程和过程相关联的计算功能的示例计算机系统600的框图。示出的计算机602旨在包括任意计算设备,例如服务器、台式计算机、膝上型/笔记本计算机、无线数据端口、智能电话、个人数字助理(PDA)、平板计算设备、或这些设备内的一个或多个处理器、或任意其它合适的处理设备(包括计算设备的物理和/或虚拟实例(或这两者))。附加地,计算机602可以包括计算机,该计算机包括可以接受用户信息的输入设备(例如键区、键盘、或触摸屏或其他设备)以及输出设备,该输出设备传达与计算机602的操作相关联的信息,包括数字数据、视觉或音频信息(或信息的组合)或图形用户界面GUI。

计算机602可以用作用于执行本公开中描述的主题的计算机系统的客户端、网络组件、服务器、数据库或其他持久性或任意其他组件(或它们的组合)。所示出的计算机602可通信地与网络630耦合。在一些实施方式中,计算机602的一个或多个组件可以被配置为在包括基于云计算、局部、全局、或其它环境在内的环境(或者环境的组合)中操作。

在高层次,计算机602是可操作为接收、发送、处理、存储或管理与所描述的主题相关联的数据和信息的电子计算设备。根据一些实施方式,计算机602还可以包括或可通信地耦合到应用服务器、电子邮件服务器、web服务器、缓存服务器、或流传输数据服务器、或其它服务器(或服务器的组合)。

计算机602可以通过网络630从客户端应用(例如,在另一计算机上执行的应用)接收请求,并通过使用适当的软件应用处理所接收的请求来响应所接收请求。此外,还可以从内部用户(例如,从命令控制台或通过其它适当的访问方法)、外部或第三方、其它自动化应用以及任何其它适当的实体、个人、系统或计算机向计算机602发送请求。

计算机602的组件中的每个组件可以使用系统总线603通信。在一些实施方式中,计算机602的任意或所有组件(硬件和/或软件(或硬件和软件的组合))可以使用应用编程接口(API)612或服务层613(或API 612和服务层613的组合),通过系统总线603彼此交互或与接口604(或两者的组合)交互。API 612可以包括针对例程、数据结构和对象类的规范。API 612可以是独立于或依赖于计算机语言,并且可以指的是完整的接口、单个功能或甚至是一组API。服务层613向计算机602或可通信地耦合到计算机602的其它组件(无论是否被示出)提供软件服务。计算机602的功能对于使用该服务层的所有服务消费者可以是可访问的。软件服务(例如,由服务层613提供的软件服务)通过定义的接口提供可重用的、定义的业务功能。例如,接口可以是以JAVA、或C++或以可扩展标记语言(XML)格式或其他合适格式提供数据的其他合适语言所编写的软件。尽管被示为计算机602的集成组件,但是备选实施方式可以将API612或服务层613示为相对于计算机602的其它组件或可通信地耦合到计算机602的其他组件(无论是否被示出)的独立组件。此外,在不脱离本公开的范围的情况下,API 612或服务层613的任意或所有部分可以被实现为另一软件模块、企业应用或硬件模块的子模块或副模块。

计算机602包括接口604。尽管在图6中被示为单个接口604,但是可以根据计算机602的特定需要、期望或特定实施方式而使用两个或更多个接口604。接口604由计算机602用于与连接到网络630的分布式环境中的其它系统(无论是否示出)通信。通常,接口604包括以软件或硬件(或软件和硬件的组合)编码的逻辑,并且可操作用于与网络630通信。更具体地,接口604可以包括支持与通信相关联的一个或多个通信协议的软件,使得网络630或接口的硬件可操作用于在所示出的计算机602内部和外部传送物理信号。

计算机602包括处理器605。尽管在图6中被示出为单个处理器605,但是可以根据计算机602的特定需要、期望或特定实施方式而使用两个或更多个处理器。通常,处理器605执行指令并操纵数据,以执行计算机602的操作以及如本公开中所描述的任何算法、方法、功能、处理、流程和过程。

计算机602还包括数据库606,其可以保存用于计算机602或可以连接到网络630的其它组件(无论是否被示出)(或两者的组合)的数据。例如,数据库606可以是存储与本公开一致的数据的内部存储器、常规或其他类型的数据库。在一些实施方式中,根据计算机602的特定需要、期望或特定实施方式和所描述的功能,数据库606可以是两个或更多个不同数据库类型(例如,混合的内部存储器和常规数据库)的组合。尽管在图6中被示为单个数据库606,但是可以根据计算机602的特定需要、期望或特定实施方式和所描述的功能而使用(相同的或组合的类型的)两个或更多个数据库。虽然数据库606被示出为计算机602的集成组件,但是在备选实施方式中,数据库606可以在计算机602的外部。

计算机602还包括存储器607,其可以保存用于计算机602或可以连接到网络630的其它组件(无论是否被示出)(或两者的组合)的数据。例如,存储器607可以是随机存取存储器(RAM)、只读存储器(ROM)、光盘、磁盘等,存储与本公开一致的数据。在一些实施方式中,根据计算机602的特定需要、期望或特定实施方式和所描述的功能,存储器607可以是两个或更多个不同类型的存储器的组合(例如,RAM和磁存储器的组合)。尽管在图6中被示为单个存储器607,但是可以根据计算机602的特定需要、期望或特定实施方式和所描述的功能而使用(相同的或组合的类型的)两个或更多个存储器607。尽管存储器607被示出为计算机602的集成组件,但是在备选实施方式中,存储器607可以在计算机602的外部。

应用608是根据计算机602的特定需要、期望或特定实施方式提供功能(尤其是关于本公开中描述的功能)的算法软件引擎。例如,应用608可以用作一个或多个组件、模块、应用等。此外,尽管被示出为单个应用608,但是应用608可以被实施为计算机602上的多个应用608。另外,尽管被示出为与计算机602集成在一起,但是在备选实施方式中,应用608可以在计算机602的外部。

可以存在与包含计算机602的计算机系统相关联或在其外部的任意数量的计算机602,每个计算机602通过网络630进行通信。此外,在不脱离本公开的范围的情况下,术语“客户端”、“用户”和其它适当的术语可以适当地互换使用。此外,本公开包含许多用户可以使用一个计算机602,或者一个用户可以使用多个计算机602。

在本说明书中描述的主题和功能操作的实施方式可以在数字电子电路中、在有形地被实现的计算机软件或固件中、在计算机硬件中实施,包括在本说明书中公开的结构及其结构等同物、或它们中的一个或多个的组合中实施。在本说明书中描述的主题的实施方式可以实现为一个或多个计算机程序,即,在有形的非暂时性计算机可读计算机存储介质上编码的计算机程序指令的一个或多个模块,以用于被数据处理装置执行或控制数据处理装置的操作。备选地或附加地,程序指令可以编码在人工生成的传播信号(例如,机器生成的电、光或电磁信号)上,所述信号被生成以对信息进行编码,以传输给合适的接收机装置,以供数据处理装置执行。计算机存储介质可以是机器可读存储设备、机器可读存储基板、随机或串行存取存储器设备、或计算机存储介质的组合。

术语“数据处理装置”、“计算机”或“电子计算机设备”(或本领域普通技术人员所理解的等同物)是指数据处理硬件,并且包括用于处理数据的各种装置、设备和机器,例如,包括可编程处理器、计算机、或多个处理器或计算机。所述装置还可以是或还包括专用逻辑电路,例如,中央处理单元(CPU)、FPGA(现场可编程门阵列)或ASIC(专用集成电路)。在一些实施方式中,所述数据处理装置或专用逻辑电路(或数据处理装置或专用逻辑电路的组合)可以基于硬件或基于软件(或基于硬件和基于软件的组合)。可选地,装置可以包括为计算机程序创建执行环境的代码,例如,构成处理器固件、协议栈、数据库管理系统、操作系统或者执行环境的组合的代码。本公开考虑具有或不具有常规操作系统(例如LINUX、UNIX、WINDOWS、MACOS、ANDROID、IOS或任意其他合适的常规操作系统)的数据处理装置的使用。

可以以任意形式的编程语言来写计算机程序(计算机程序也可以称作或被描述为程序、软件、软件应用、模块、软件模块、脚本或代码),所述编程语言包括:编译或解释语言、或者声明或过程语言,并且计算机程序可以以任意形式来部署,包括作为单独的程序或者作为适合于在计算环境中使用的模块、组件、子例程、或其他单元。计算机程序可以但无需与文件系统中的文件相对应。程序可以被存储在保存其他程序或数据(例如,存储在标记语言文档中的一个或多个脚本)的文件的一部分中、被存储在专用于所讨论的程序的单个文件中、或者被存储在多个协同文件(例如,存储一个或多个模块、子程序或代码部分的文件)中。计算机程序可以被部署为在一个计算机上或者在位于一个站点或分布在多个站点并且通过通信网络互联的多个计算机上执行。尽管各图中所出示的程序的部分被示出为通过各种对象、或方法或其他过程实施各种特征和功能的各个模块,但是在适当时程序可以替代地包括多个子模块、第三方服务、组件、库等。相反,各种组件的特征和功能可以视情况组合成单个组件。可以统计地、动态地或者统计地且动态地确定用于进行计算确定的阈值。

本说明书中描述的方法、过程或逻辑流可以由一个或多个可编程计算机来执行,所述一个或多个可编程计算机执行一个或多个计算机程序,以通过操作输入数据并且生成输出来执行功能。所述方法、过程或逻辑流也可以由专用逻辑电路(例如,CPU、FPGA或ASIC)来执行,并且所述装置也可以被实现为专用逻辑电路(例如,CPU、FPGA或ASIC)。

适合于执行计算机程序的计算机可以基于通用或专用微处理器、这两者或任何其他类型的CPU。通常,CPU将从只读存储器(ROM)或随机存取存储器(RAM)或者这二者接收指令和数据。计算机的必不可少的元件是用于执行指令的CPU和用于存储指令和数据的一个或更多个存储器设备。通常,计算机还将包括用于存储数据的一个或多个大容量存储设备(例如,磁盘、磁光盘或光盘),或可操作地耦合以便从所述一个或更多个大容量存储设备接收或向其发送数据或两者。然而,计算机不需要具有这些设备。此外,计算机可以嵌入在另一设备中,例如,移动电话、个人数字助理(PDA)、移动音频或视频播放器、游戏机、全球定位系统(GPS)接收机或者便携式存储设备(例如,通用串行总线(USB)闪存驱动器),这仅是举几个例子。

适合于存储计算机程序指令和数据的计算机可读介质(暂时或非暂时的)包括所有形式的非易失性存储器、介质和存储器设备,其包括例如半导体存储器设备、例如可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)和闪存设备;磁盘(例如内部硬盘或可移动盘);磁光盘;以及CD ROM、DVD+/-R、DVD-RAM和DVD-ROM盘。存储器可以存储各种对象或数据,包括:高速缓存区、类(class)、框架、应用、备份数据、工作、网页、网页模板、数据库表格、存储动态信息的知识库、以及包括任意参数、变量、算法、指令、规则、约束、对其的引用在内的任意其它适当的信息。此外,存储器可以包括任何其他适当的数据,例如,日志、策略、安全或访问数据、报告文件等等。处理器和存储器可以由专用逻辑电路来补充或者并入到专用逻辑电路中。

为了提供与用户的交互,本说明书中描述的主题可以实现在计算机上,该计算机具有用于向用户显示信息的显示设备(例如,CRT(阴极射线管)、LCD(液晶显示器)、LED(发光二极管)或等离子监视器)和用户可以向计算机提供输入的键盘和指点设备(例如,鼠标、轨迹球或轨迹板)。还可以使用触摸屏(例如,具有压敏性的平板计算机表面、使用电容或电感测的多点触摸屏或其他类型的触摸屏)向计算机提供输入。其他类型的设备也可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈,例如,视觉反馈、听觉反馈或触觉反馈;以及可以以任意形式(包括声音、语音或触觉输入)来接收来自用户的输入。此外,计算机可以通过向用户使用的设备发送文档或者从该设备接收文档来与用户交互;例如,通过响应于从用户客户端设备上的web浏览器接收到的请求而向所述web浏览器发送网页。

术语“图形用户界面”或“GUI”可以以单数或复数形式使用,以描述一个或更多个图形用户界面和特定图形用户界面的每一次显示。因此,GUI可以表示任意图形用户界面,包括但不限于web浏览器、触摸屏或处理信息并且高效地地向用户呈现信息结果的命令行界面(CLI)。通常,GUI可以包括多个用户界面(UI)元素,其中一些或全部与web浏览器相关联,例如,交互式字段、下拉列表和按钮。这些和其他UI要素可以与web浏览器的功能相关或表示web浏览器的功能。

本说明书中描述的主题的实施可以实现在计算系统中,该计算系统包括后端组件(例如,数据服务器)、或包括中间件组件(例如,应用服务器)、或者包括前端组件(例如,具有用户通过其可以与本说明书中描述的主题的实现进行交互的图形用户界面或者web浏览器的客户端计算机)、或者一个或更多个此类后端组件、中间件组件或前端组件的任意组合。系统的组件可以通过有线或无线数字数据通信(或数据通信的组合)的介质或任意形式(例如通信网络)互相连接。通信网络的示例包括局域网(LAN)、无线电接入网络(RAN)、城域网(MAN)、广域网(WAN)、全球微波接入互操作性(WIMAX)、使用例如802.11a/b/g/n或802.20(或802.11x和802.20的组合或与本公开一致的其它协议)的网络(WLAN)、互联网的全部或一部分、或一个或多个位置处的任意其它通信系统(或通信网络的组合)。网络可以在网络地址之间传输例如互联网协议(IP)分组、帧中继帧、异步传输模式(ATM)单元、语音、视频、或数据或其他合适的信息(或通信类型的组合)。

计算机系统可以包括客户端和服务器。客户端和服务器一般相互远离并且通常通过通信网络进行交互。客户端和服务器的关系通过在相应计算机上运行并且相互具有客户端-服务器关系的计算机程序来产生。

尽管本说明书包含许多特定的实现细节,但是这些细节不应被解释为对可被要求保护的范围的限制,而是对具体示例特有的特征的描述。在分离的实施方式的上下文中在本说明书中描述的特定特征也可以在单个实施方式中组合实现。反之,在单个实施方式的上下文中描述的各种特征也可以在多个实施方式中分开地或以任何合适的子组合来实现。而且,尽管可能将之前描述的特征描述为以某些组合起作用并且甚至最初要求如此保护,但是在一些情况下,来自所要求保护的组合的一个或多个特征可以从组合中删除,并且所要求保护的组合可以指子组合或子组合的变化。

已经描述了本主题的特定实施方式。对于本领域技术人员显而易见的是,所描述的实施方式的其他实施方式、改变和置换在下文的权利要求的范围内。尽管在附图或权利要求中以特定顺序描述了操作,但这不应被理解为:为了实现希望的结果,要求按所示出的特定顺序或按相继的顺序来执行这些操作,或者要求执行所有所示出的操作(一些操作可以被认为是可选的)。在一些情况下,多任务或并行处理(或者多任务和并行处理的组合)可以是有利的并且视情况来执行。

此外,在前述实施方式中的各种系统模块和组件的分离或集成不应被理解为在所有实施方式中需要这样的分离或集成,并且应理解,所描述的程序组件和系统一般可以一起集成在单个软件产品中或封装成多个软件产品。

因此,前述的示例实施方式不限定或限制本说明书。在不脱离本公开的精神和范围的情况下,还可以有其他改变、替换和变化。

此外,任何要求保护的实施方式被认为适用于至少一种计算机实施的方法;存储用于执行计算机实现的方法的计算机可读指令的非暂时性计算机可读介质;以及计算机系统,所述系统包括与硬件处理器可互操作地耦合的计算机存储器,所述硬件处理器被配置为执行计算机实现的方法或存储在非暂时性计算机可读介质上的指令。

20页详细技术资料下载
上一篇:一种医用注射器针头装配设备
下一篇:烟幕硬涂膜及使用其的显示装置

网友询问留言

已有0条留言

还没有人留言评论。精彩留言会获得点赞!

精彩留言,会给你点赞!

技术分类