伽玛分布环境因子的极大似然估计和Bayes估计

针对伽玛分布位置参数已知情形,给出了伽玛分布环境因子的极大似然估计,并给出了伽玛分布环境因子的Bayes估计.用Monte-Carlo法进行数值模拟,数值模拟结果表明伽玛分布环境因子的Bayes估计优于极大似然估计.     

渤海油田早期聚合物驱动态规律及见效时间判断方法

基于渤海某油田数据,建立典型模型,进行不同时机聚合物驱含水率、产油量变化规律研究。提出无因次见效时间的定义,判断早期聚驱的见效时间,分析注聚时机、纵向变异系数和流度比对无因次见效时间的影响,提出不同时机聚合物驱见效时间判断原则。结果表明:早期聚驱存在临界注聚时机,大于该临界值时,含水率曲线形态与中后期聚驱一致,有明显的下降漏斗;小于该临界值时,在整个开发过程中不会出现下降漏斗,而处于缓慢上升趋势;是否出现含水率下降漏斗不能作为判断注聚见效以及确定见效时间的唯一标准。利用生产数据对数学模型进行检验,相对误差小于10%,能够满足工程精度要求。     

宣钢含钛高炉渣脱硫性能的实验研究

研究了宣钢含钛炉渣的多种成分对脱硫的影响,并在炉渣粘度试验的基础上分析了影响原因,最终确定了最合适的炉渣碱度和成分.其中碱度确定在1.15～1.2,TiO2控制在7%以下,MgO含量控制在10%～11%为宜,MnO2含量在0.5%左右比较合适,Al2O3含量小于11%比较合适.     

史铁生的宗教观

由于命运的不幸,史铁生为求思想上的解脱看了一些宗教类的书,也曾不断地谈佛说道谈信仰谈宗教。这期间,史铁生结合自己的体验对宗教有了自己独特的理解,形成了独具精神个性的宗教观。主要内容是:佛(神)不是福报的源泉而是苦难里心魂的一条救路;人可以走向天堂,不可以走到天堂,天堂在人追求信仰的过程中;宗教精神不等于宗教,宗教的要旨是靠神对人的拯救,宗教精神是人依靠自己的精神力量对自我的拯救。史铁生宗教观的实质是为自己为人类寻求灵魂的归宿。     

基于BSC的我国大中型化工企业综合竞争力评价

化工是一个国家基础性产业之一。加强化工企业运营管理,提升化工企业竞争力在国内外有许多成功经验。基于BSC(平衡记分卡)的我国大中型化工企业综合竞争力评价方法通过确定企业发展愿景,构建企业发展战略、设计评价指标以及求指标权重等多维度提升企业核心竞争力,可以将其作为企业战略管理体系的重要部分,同时也为我国化工企业提高核心竞争力指明了方向。     

基于单元相关二次组合BOC无模糊捕获技术

为了克服传统BOC捕获算法在处理相互冲突的多个性能指标方面的不足,基于单元相关输出二次组合概念提出了一种系统最优化的算法设计框架.先将各项性能指标转化为控制参数的确定函数,再将BOC捕获问题转换为参数优化问题.基于该算法框架给出了具体的BOC无模糊捕获算法设计实例.仿真结果表明:该算法能够完全抑制组合相关函数副峰,有效解决BOC捕获模糊问题,并且在判决统计量的输出信噪比和恒虚警下检测概率2个指标上取得良好的效果,具有工程实用价值.     

一种改进的快速车牌定位算法

文章提出了一种基于纹理特征和颜色特征的车牌定位算法.算法首先利用车牌的纹理特征对车牌进行了初步定位,其中主要有图像预处理、边缘检测、数学形态学处理等步骤.最后利用车牌区域的颜色特征对车牌区域进行精确定位,主要包括空间转换、边界确定等步骤.对80张相片进行测试的结果表明,该方法准确率高、速度快.     

基于SWAT的涟水河上游流域非点源污染模拟

以涟水河娄底水文站上游流域为研究区域,应用SWAT模型对该区域的径流、泥沙及非点源氨氮、总磷污染负荷进行模拟计算.将1998年设置为模型启动期,即＂模型预热＂,利用娄底水文站1999～2002年的实测月径流、氨氮及总磷的实测数据进行模型参数确定,运用2003～2005年实测的月径流、氨氮及总磷数据对调参后的模型进行模型验证,验证结果表明模型基本合理可行,可用于涟水河上游流域的非点源污染模拟计算.运用率定后的模型,去除点源污染,重新进行模拟得到最终的非点源污染氨氮、总磷.根据模拟结果对该区域的径流、泥沙、氨氮及总磷污染负荷的时空分布特点进行了分析,为涟水河娄底水文站上游流域非点源污染的综合防治规划提供了参考和依据.     

教学信息反馈初探

在当前强调信息化的社会生活中,教师的教学工作也不例外,为了搞好教学工作,必须要重视学生对教师教学意见的信息反馈,并提出六条荻取学生反馈信息的有效逢径,这样有利于及时了解和弄清学生对教师授课的接受和掌握情况,并进行经验总结,搞好今后的教学工作.     

基于深层卷积网络的单幅图像超分辨率重建模型

【目的】针对Mean squared error(MSE)作为损失函数在人眼感知方面存在局限性,以及基于卷积神经网络的图像超分辨率(Super-resolution,SR)算法生成的图像存在参数较多、计算量较大、训练时间较长、纹理模糊等问题,设计基于深层卷积神经网络的单幅图像超分辨率重建模型。【方法】使用ImageNet预先训练的大型卷积神经网络Visual geometry group(VGG)模型提取图像特征,利用该特征设计视觉感知损失函数进行训练学习,引入亚像素卷积层(Sub-pixel convolution)替换上采样层,缓解生成图像的棋盘效应。【结果】设计的模型对放大两倍的图像进行超分辨率修复,与其他4种超分辨率重建模型的Peak signal to noise ratio(PSNR)值接近,且生成图像的视觉效果更加清晰逼真,细节更加细腻。【结论】该模型可以实现输入不同大小的低分辨率图像而不必多次训练学习不同比例的放大模型,可以实现对不同放大倍数图像的训练和预测,在保持一定PSNR正确率的前提下,放大后的超分辨率图像能够恢复更多纹理细节和更佳视觉效果。