钻井液在致密砂岩中裂缝的侵入深度模型

克深井区储层的孔隙结构与裂缝特征造成钻井过程中钻井液大量漏失,其中的固相颗粒会堵塞裂缝,使得部分生产井在完井后产量偏低甚至无产量,现场主要是通过酸压来解决这类问题。对于裂缝性气藏的酸压而言,需要知道钻井液在裂缝中的侵入深度变化,以便于设计施工参数,评价酸压效果。针对这一问题,根据牛顿流体在裂缝中的流动机理,裂缝宽度的变化以及裂缝壁面的滤失等,建立了钻井液在单一裂缝中的漏失动力模型,根据裂缝内钻井液压力的分布来定量描述钻井液的侵入深度,考虑并分析了该模型的侵入深度与侵入时间,压差和裂缝宽度之间的相互关系。最后,利用该模型计算了克深井区获得增产效果的酸压井中钻井液的侵入深度和酸液的侵入深度,通过增产井中二者之间的关系,从而间接证明了该模型。     

基于卷积核分解的深度CNN模型结构优化及其在小图像识别中的应用

小图像由于像素少、分辨率低、整幅图像包含信息较少,识别较为困难。目前优秀的深度卷积神经网络模型多为大图像而设计,而用于小图像的模型则存在着层次不够深、难以对特征进行充分抽象的不足。本文基于VGG19模型,依据卷积核分解的原理,设计了一种KDS-DCNN模型,模型深度达到31层,解决了目前超深度模型不能直接用于小图像识别的问题,实验表明该方法不但提升了识别性能,而且还降低了模型的时间复杂度。在CIFAR-10、CIFAR-100和SVHN三个数据集上的验证结果显示,KDS-DCNN模型性能优越,其识别错误率分别降低到29.46%、6.02%和2.17%。     

中心损失与Softmax损失联合监督下的人脸识别

深度学习在人脸识别领域已经取得了巨大的成就,针对当前大多数卷积神经网络采用Softmax损失函数进行特征分类,增加新的类别样本会减小类间距离的增长趋势,影响网络对特征判别的问题,采用了一种基于中心损失与Softmax损失联合监督的人脸识别算法,来提高网络对特征的识别能力。在Softmax基础上,首先,分别对训练集每个类别在特征空间维护一个类中心,训练过程新增加样本时,网络会约束样本的分类中心距离,从而兼顾了类内聚合与类间分离。其次,引入动量概念,在分类中心更新的时候,通过保留之前的更新方向,同时利用当前批次的梯度微调最终的更新方向,该方法可以在一定程度上增加稳定性,提高网络的学习效率。最后,在人脸识别基准库LFW上的测试实验证明:所提的联合监督算法,在较小的网络训练集上,获得了99.31%的人脸识别精度。     

基于深度极限学习机的高光谱遥感影像分类研究

高光谱遥感数据越来越普及并为人们广泛使用,基于高光谱遥感数据的地面物体精确分类是高光谱遥感技术的核心应用之一.针对高光谱遥感影像的分类问题,提出一种基于深度极限学习机(D-ELM)的分类方法.该方法利用一种新的深度学习模型——深度极限学习机对高光谱遥感影像进行分类,并与基于极限学习机(ELM)、支持向量机(SVM)、核极限学习机(ELMK)分类方法进行了比较分析.研究结果表明:相对于ELM、SVM、ELMK分类方法,D-ELM分类方法能够更加准确地挖掘高光谱遥感影像的空间分布规律,提高分类的准确度.     

对置活塞二冲程汽油机分层稀燃组织研究

结合对置活塞二冲程汽油机缸径小、冲程长的特点,提出了进排气侧非对称喷雾方式,并采用AVL-Fire软件对喷雾方向进行优化,实现全负荷工况下的缸内均匀混合;同时研究了部分负荷工况下二次喷射对分层混合气形成和稀燃组织的影响.结果表明,进气侧喷射角增大有利于提高缸内混合气的均匀度,排气侧喷射角增大会导致燃油蒸发率降低;二次喷油比例影响分层混合气浓稀区的分布,二次喷油时刻影响缸内混合气稀区的均匀性.当进气侧喷射角为30°、排气侧喷射角为15°时,选择第一次喷油时刻为220℃ A,第二次喷油时刻为270℃ A且二次喷油比例为20%,可有效组织混合气分层.在部分负荷工况下,采用分层稀混合气相比均匀稀混合气的火焰发展期缩短约30%,快速燃烧期缩短约15%.      

弹体侵彻钢筋混凝土靶开坑深度研究

研究弹体侵彻靶板的开坑深度,有助于提升侵深和过载的计算精度.首先,通过总结对比现有的开坑深度模型以及试验数据的回归分析,建立了考虑弹体质量和初速度的开坑深度模型.然后,以此为基础给出了弹体侵彻钢筋混凝土靶开坑深度的计算方法.最后,结合作者早前建立的钢筋混凝土动态球形空腔膨胀理论,利用文献试验数据对开坑深度模型进行了应用对比分析.本文模型考虑了弹体质量、初速度以及首层钢筋网埋设深度等因素的影响,可用于分析不同质量、不同初速度弹体侵彻钢筋混凝土靶的开坑深度.      

高压天然气管道喷射火热辐射计算

天然气燃爆喷射火事故可能造成人员建筑严重损害,为研究大型天然气喷射火燃爆特性,使用CFD计算软件,对质量流量在5 kg/s以上,压力分别为12 MPa与6 MPa,泄漏孔径在25 mm、50 mm与100 mm时的高压天然气喷射火进行仿真,得到这六种工况下喷射火火焰尺寸、温度分布和近地热辐射强度分布曲线,并得到喷射火长度与宽度和泄漏孔直径的线性变化关系.与喷射火常用的Thornton模型对比,仿真结果计算的火焰长度基本符合,热辐射结果在泄漏中心30 m以外基本相近,两种方法都可用于估算远距离喷射火热辐射强度,为天然气设施安全设计提供参考.     

视觉概念学习方法研究进展

计算机视觉的核心问题是寻找视觉概念的层次化与结构化表示.以深度学习为代表的连接主义方法能够学习到输入图像数据的分层表示,这个表示具有优异的类内不变性与类间区分性,带来了视觉目标分类问题的突破式进展.而以图像随机语法模型为代表的逻辑主义方法试图基于先验知识和输入图像数据得到视觉概念的层次化与结构化表示,进而实现像人类一样的概念迁移学习,从更一般的意义上解释视觉现象.综述了两类方法各自的一些代表性工作,分析了其主要思路与各自的优缺点.分析认为,两类方法具有明显的互补性,在概率图模型框架下将两类方法综合是未来视觉概念学习的一个重要发展方向.     

自动驾驶专利技术分析

汽车已经成为人们生活中举足轻重的交通工具,随着汽车工业、计算机技术以及计算机视觉技术的不断发展,智能化的自动驾驶技术能够大大减少交通事故并提高城市通行效率。本文对自动驾驶领域的专利发展状况和国内重要申请人进行了梳理,以期对自动驾驶在国内的发展提供一定的借鉴。     

基于流形正则的堆叠胶囊自编码器优化算法

针对堆叠胶囊自编码器存在检测性能慢、不能更好挖掘图像局部特征的问题，本文提出基于流形正则的堆叠胶囊自编码器优化算法。采用Scharr滤波器对堆叠胶囊自编码器模型中的图像进行重建，加强图像目标检测的精度，并在损失函数中引入流形正则项，从而加强对原始数据空间局部特征的提取，最终使用基于流形正则的堆叠胶囊自编码器学习参数，选择出更加具有区别性的特征。在MNIST和Fashion MNIST数据集上的实验结果显示，该优化算法相比于原网络结构，图像分类准确率分别提高了0.26和9.23个百分点，且模型训练速度也得到较大提高。