基于多点地质统计学的数字岩心建模

常用的数字岩心建模方法有X射线CT扫描法、模拟退火法和过程法。X射线CT扫描法虽然能够建立准确的三维数字岩心模型,但是其价格贵、周期长;模拟退火法和过程法能够降低建模成本提高建模效率,不过模拟退火法不能有效地表征孔隙结构的长距离连通性,过程法不适用于模拟成岩作用复杂的岩石。为了解决以上问题,提出基于多点地质统计学重构数字岩心模型的方法。以密西根盆地Waverly组的Berea砂岩为例,从X射线CT扫描法构建的Berea砂岩模型中提取两个1503体素的代表体积元,令一个为训练图像,另一个为真实模型;把真实模型的两张切片作为条件数据,使用多点地质统计学法重构出三维数字岩心模型。通过以变差函数、孔隙结构参数和单相流渗流参数为评价指标,对重构模型的准确性及该方法的可行性进行研究。结果表明:重构模型与真实模型的孔喉几何形态和拓扑结构具有较高的一致性,证明了重构模型的准确性和多点地质统计学法建立数字岩心模型的可行性。     

碳纳米管生长机理研究现状及固-液界面生长模型探索

分析讨论了电弧法、激光蒸发法、CVD法制备碳纳米管的生长模型,结合催化剂的熔点,尝试性提出了CVD法制备碳纳米管的固-液界面生长模型.     

青岛市大气污染时间序列分析预报方法研究

根据青岛市大气污染监测资料,采用时间序列分析方法,建立多种预报模型,有原序列周期外延法、均生函数周期外延法,均生函数逐步回归法以及自回归预报法等,最后提出一种综合预报模型。连续预报试验表明,综合预报模型优于任何个别预报模型,有较好的预报能力。利用马尔可夫模型对污染状态（轻、中、重）进行了分级预报试验,也获得良好的效果。     

《物流管理》课程中"单设施选址模型"教学探讨

设施选址是物流管理的重要环节,其中单设施选址模型是最基本、也是最重要的选址模型. 重心法是求解单设施选址模型的重要方法,因此,本文从重心法原理、重心法计算步骤及重心法的程序实现等环节对"重心法"的教学进行了设计.     

路面不平度随机激励时域模型的仿真比较与评价

为深入研究常用路面不平度随机模型的特性,基于Matlab仿真环境,对白噪声法、谐波叠加法、FFT法、AR/ARMA法4种模型在指定环境下的效率与结果进行了仿真分析和比较.在将4种模型拓展到多点时域模型后,对多点单轮辙模型的时延相关性、可用性和严密性以及多点双轮辙模型的轮辙相关性、合理性和波动性进行了仿真分析和比较.结合模型适用范围与扩展应用等方面的比较,给出了4种模型应用特性的综合评价结果.完善了多点时域模型的建模方法和体系,得到的评价结果,为车辆优化和设计、路面不平度和谱分析、道路数据库建立以及人车路大系统分析等方向的科研工作者选择模型提供了理论依据.     

下期论文摘要预告

活性污泥法动力学模型研究进展和展望卢培利 ,张代钧 ,刘　颖 ,王　飞(重庆大学资源及环境科学学院 ,重庆　 40 0 0 44)摘　要 :从模型的机理、功能和表述形式等方面对活性污泥法动力学模型的研究进展进行了全面的综述 ,详细介绍了发展进程中具有重要意义的几种模型 :Ｅｃｋｅｎｆｅｌｄｅｒ模型、Ｍｃｋｉｎｎｅｙ模型、Ｌａｗｒｅｎｃｅ＿ＭｃＣａｒｔｙ模型、Ａｎｄｒｅｗｓ模型、ＷＲｃ模型及国际水协的 3套模型 ,分析比较了各自的优点和不足。结合环境微生物学研究成果和废水处理技术的发展方向 ,分析讨论了活性污泥法动力学模型研究需…     

复合函数自回归模型参数估计预选条件法及其应用

目的:通过建立复合函数自回归模型分析南通市孕产妇死亡率;方法:复合函数自回归模型参数估计的预选条件法;结果:依据分析复合函数自回归模型建立的预选条件的过程,获得了在预选条件满足时复合函数自回归模型参数的预选条件法估计公式,通过实例应用预选条件法建立复合函数自回归模型,并与最小二乘法建立的复合函数自回归模型进行比较:预选条件法建立模型的残差平方和比最小二乘法小,模型更可靠;结论:孕产妇死亡率模型为用预选条件法建立的复合函数自回归模型.     

我国金融企业价值评估的特殊性及评估方法选择分析

通过比较分析目前企业价值评估中常用的成本法、市场法、收益现值法、EVA法和期权定价模型等方法的一般优缺点和适用性,结合金融企业价值评估的特殊性,初步提出了目前适合我国大多数金融企业价值评估的方法为收益法。在收益法中,现金流折现模型（DCF）比股利折现模型（DDM）更有优势。而DCF中的FCFE模型是最佳选择方案。     

变权重组合预测模型在生活垃圾产量预测计算中的应用

以合肥市2000年～2005年城市生活垃圾产量为基础数据,采用变权重组合模型对其进行分析.结果表明,该模型的预测效果优于一元线性回归法、Logarithm Fit法、指数平滑法、灰色GM(1,1)模型等各单项模型.采用该模型对合肥市2006年～2015年的垃圾产量进行了预测.预计到2015年,合肥市生活垃圾产量将达到125 Mt.     

以演示法为主的安全教育信息认知模型构建及学习促进

为提高多模态教育形势下的安全教育效果,开展以演示法为主的安全教育信息认知模型构建及学习促进研究。演示法是应用范围较广的一种教学方法,本文基于瑟利模型,结合安全信息认知通用模型和优化瑟利模型的判据,对演示法在安全教育中的应用构建信息认知模型,并将此模型运用在以3D视频演示法为主的安全教育培训中。研究结果表明,该模型表述了安全教育信息流从外界环境刺激到内部机理信息接收(感知、认知、响应)的过程及以演示法为主的安全教育的促进作用,对于多模态教育形势下的安全教育效果的提高具有指导意义。     

基于等时距处理和IOWHA算子的路基沉降预测

为避免随机因素对单一预测模型影响,建立更符合软土路基沉降规律的模型和方法以提高预测模型的精度和可靠性,分别以原始沉降数据、经三次样条插值和经分段三次Hermite插值处理的数据为样本值建立Gompertz模型、Logistic模型和灰色Verhulst模型3种预测模型,将每种模型的3种情况的预测值同实测值进行对比分析,选出每种模型对样本处理的优势方法。以每种模型的优势方法为单一模型,建立基于IOWHA算子的组合模型,该组合模型按照每个时刻单一模型的预测精度的高低对最优权系数进行求解。研究结果表明:在沉降速率发生明显变化时刻的数据作为最后一组样本值进行预测时,Gompertz模型和Logistic模型以分段三次Hermite插值等时距处理的数据为样本值预测效果更好,灰色Verhulst模型以原始沉降数据为样本值预测结果精度更高。求解基于IOWHA算子的组合预测模型的赋权系数时,GA比使用MATLAB的非线性优化的工具箱的求解方法更为可靠,得到的组合模型预测精度更高。     

基于XLNet的情感分析模型

目前通过深度学习方法进行语言模型预训练是情感分析的主要方式,XLNet模型的提出解决了BERT模型上下游任务不一致的问题.在XLNet基础上增加LSTM网络层和Attention机制,提出XLNet-LSTM-Att情感分析优化模型,通过XLNet预训练模型获取包含上下文语义信息的特征向量,接着利用LSTM提取上下文相关特征,最后引入注意力机制根据特征重要程度赋予不同权重,再进行文本情感倾向性分析.仿真实验中将XLNet-LSTM-Att模型与5种常用的情感分析模型进行对比,结果表明提出的模型优于其他测试模型,模型的精准率达到89.29％.     

基于卷积神经网络的无人机识别方法仿真研究

为了提高卷积神经网络(CNN)的泛化性和鲁棒性,改善无人机航行时识别目标图像的精度,提出了一种CNN与概率神经网络(PNN)相结合的混合模型。利用CNN提取多层图像表示,使用PNN提取特征对图像进行分类以替代CNN内部的BP神经网络,采用均方差和降梯度法训练模型,通过将预处理的图像传输到CNN-PNN模型,对图像纹理和轮廓进行分类识别,并将此模型的仿真结果与卷积神经网络模型、卷积神经网络-支持向量机模型的结果进行对比。仿真结果表明,与其他两种模型相比,CNN-PNN模型具有更好的精准度,识别率高达96.30%。因此,CNN-PNN模型能够快速有效地识别图像,准确度和实时性较高,在图像识别等方面具有很好的应用前景。     

基于车身变形的Ishikawa回弹模型改进研究

为克服弹性恢复系数人为选取对Ishikawa回弹模型再现事故的影响,考虑车辆变形这一重要参数,在Ishikawa回弹模型的基础上,增加能量守恒公式,建立新的碰撞动力学模型并再现一起实际事故,通过pc-crash进行验证表明:所建模型能很好地再现交通事故,且该模型不易受弹性恢复系数选取的影响,对弹性恢复系数的选取有指导意义。     

基于多元兰彻斯特方程的电火一体作战模型

为合理描述现代战争中电火一体作战过程,提出了基于兰彻斯特方程的过程描述模型。首先基于兰彻斯特第二线性律和平方律,给出不完全信息条件下的对抗模型;然后引入火力分配因子,将不完全信息模型拓展为协同对抗模型;而后在详细分析电子进攻对火力进攻影响的基础上,讨论毁伤概率和信息因子,给出电火一体条件下的多元兰彻斯特模型;最后,通过仿真验证了模型的合理性。     

基于知识组件的夹具元件快速设计研究

针对夹具元件知识不能在设计过程中快速重用的问题,引入知识组件的概念,提出一种夹具元件知识组件建模方法. 对集参数、规则、实体模型和装配等信息于一体的知识组件模型进行定义,通过XML对模型进行表示和存储.基于知识组件模型,以松耦合的方式为夹具元件规格的确定、实体模型的语义建模和夹具元件装配等设计过程提供知识支持.实现设计知识无缝、快速地应用于夹具元件的设计过程.通过某飞机零件的夹具元件设计实例验证了所提模型和算法的有效性.      

基于ELMR-SVMR的海水水质预警模型研究

海水水质预警对海洋环境监控和保护有着重要的意义.极限学习机回归和支持向量机回归(extreme learning machine regression-support vector machine regression,ELMRSVMR)集成预警模型采用预测与评价相结合的方式,实现对未来海水富营养化状况综合预警的目的.其中SVMR方法用于构建海水富营养化评价模型;ELMR用于对未来一段时间的水质状况进行综合预测,ELMR的预测结果作为评价模型的输入变量.集成模型的可靠性直接影响预警的有效性,ELMR-SVMR的可靠性通过分析ELMR预测误差对SVMR评价模型的灵敏度得到.将各参变量的预测误差结果作为评价模型的灵敏度影响参量,通过灵敏度计算可获得对ELMR-SVMR模型的灵敏度评价.通过与其他方法的实验对比及分析,验证了该区域范围内所建ELMR-SVMR预警模型的有效性,为探索建立有效的海水水质预警模型提供了一种新途径.     

基于LIP的多通道图像边缘检测研究

由于弱光照图像的成像特点,使得普通的边缘检测的算法难以奏效。20世纪80年代中期由Jourlin和Pinoli提出的对数图像处理LIP模型颇具特色,该模型中的方法对低亮度图像敏感,并且对灰度有界图像的加法运算是封闭的,在边缘检测等方面有着其他方法所不具备的优点。文章基于灰度图像的对数图像处理LIP模型,建立了多通道图像的对数图像处理MLIP模型,并在此模型上进行了对微光图像边缘检测,其效果明显优于经典的Sobel算法。     

基于二次Lasso回归的纵向驾驶员模型研究

为了更好地模拟实际驾驶员行为，提出基于二次回归和 Lasso回归方法的纵向驾 驶员回归模型. 通过采集纵向驾驶行为数据，提取可能影响驾驶行为的状态参数，进而建立二 次回归驾驶员模型；面向多参数回归模型中的多重共线问题，采用Lasso回归方法进行状态参 数筛选；结合筛选数据建立二次回归驾驶员模型. 为了验证模型的有效性，与PI驾驶员模型和 一次 Lasso回归驾驶员模型进行仿真对比 . 仿真结果表明，相较于其他两种模型，所建立的驾 驶员模型具备良好的工况跟随效果，同时能较好地反映实际驾驶行为特征.     

基于XGBoost的短时交通流预测模型

为提高路段短时交通流的预测精度,选取路段平均旅行时间作为预测指标,建立了一种基于极端样度上升(extrem gradient boosting,XGBoost)的短时交通流预测模型。首先通过对交通流数据的分析,在考虑交通流时空特性的基础上,分别构建目标路段时间序列训练集、测试集以及时空序列训练集、测试集,然后基于XGBoost模型以及构建的训练样本集建立时间序列预测模型以及时空序列预测模型,并利用训练好的模型进行预测,最后将模型预测结果与线性回归模型、神经网络模型预测结果进行比较。实验结果表明:基于XGBoost的短时交通流预测模型能够对路段未来时段平均旅行时间进行比较准确的预测,其中时间序列预测模型均方根误差为5. 32,时空序列预测模型均方根误差为4. 82,均低于线性回归模型和神经网络模型,且相比于仅考虑时间因素的短时交通流预测模型,同时考虑时空因素的预测模型得到的误差更低,预测效果更好。