耗竭性不可再生资源的定价方法

提出一种关于耗竭性不可再生资源价格的定价方法。根据该定价方法所确定的资源价格,可满足耗竭性不可再生资源的静态和动态最优配置的要求。     

复式钢管高强混凝土轴压短柱力学性能研究

对复式钢管高强混凝土轴压短柱的力学性能进行了研究,结果证明:混凝土强度越高,荷载-纵向应变曲线线性段比例越大,横向应变越小。钢管约束后,试件的延性得以显著改善,外钢管软化后,内钢管仍起套箍约束增强作用,耐火性良好,获得了复式钢管高强混凝土承载能力计算公式,计算值和实测值吻合良好。     

基于时间-空间分数阶偏微分方程的图像去噪模型

为了在去噪的同时更多地保留图像的细节信息,将分数阶微积分理论和梯度下降流有效结合,提出了分数阶梯度下降流的概念,并证明了能量泛函的分数阶梯度下降流在一定微分阶次范围内是收敛的。在此基础上,将时间因素引入到改进的基于空间分数阶偏微分方程的去噪模型中,从而构建了基于时间-空间分数阶偏微分方程的去噪模型,该模型实现了在时间方向上和空间平面内的同时去噪。实验结果表明,提出的基于时间-空间分数阶偏微分方程的图像去噪模型较基于空间分数阶偏微分方程的图像去噪模型不仅可以提高信噪比,而且可以大幅减少图像获得最大信噪比所需要的迭代次数。     

基于双权重因子模糊综合模型的金昌市土壤重金属污染评价

以西部矿业城市金昌市为对象,测定不同用地类型的土壤中重金属的含量,运用双权重因子模糊综合模型对土壤污染进行评价.结果表明,居住用地为Ⅲ级轻污染,公共设施用地为Ⅳ级中污染,工业用地、道路广场用地、绿地以及农田为Ⅴ级重污染;在各用地类型中镍和钴的污染程度较高.长期的冶炼生产、沙尘暴、水土流失及酸雨等,更加重了重金属的污染程度,土壤重金属污染已成为制约生态环境健康的瓶颈,采取合理防治措施迫在眉睫.     

养护温度对高强轻集料混凝土强度和抗渗性的影响

研究了高强轻集料混凝土在高温养护条件下强度和抗渗性变化情况。Cl^-抗渗性采用电场加速方法;水抗渗性采用表面吸水法测试。结果表明,湿集料混凝土在50℃后强度就急速下降,而干集料混凝土85℃养护时温度下降不明显。混凝土Cl^-抗渗性和电阻随养护温度的提高而降低,且干集料混凝土的Cl^-抗渗性和电阻比湿集料混凝土要高得多。养护温度对水的渗透性无显著影响,但湿集料混凝土的吸水量要比干集料混凝土高出20％左右。干集料混凝土抗渗性好的原因是由于干集料的吸水作用使得混凝土过渡层变得致密所致。     

类脑计算的基础元件：从忆阻元到分忆抗元

讨论一种新颖的类脑计算的基础元件:分忆抗元(分数阶忆阻元).忆阻元的概念从经典的整数阶推广到分数阶忆阻元,即分忆抗元.分忆抗元是分数阶忆阻元的一个合成词.分忆抗值是分忆抗元的分数阶阻抗.因此,可以很自然地想到一系列具有挑战性的理论难题:分忆抗元和传统的分抗元以及著名的忆阻元的关系是什么;关于介于忆阻元和电容元或电导元之间的内插特性是什么;以及关于分忆抗元在蔡氏电路周期表中的位置在哪里;任意阶理想的容性分忆抗元和感性分忆抗元的分忆抗值的一般表达式是什么;分忆抗元的度量单位和物理量纲是什么;鉴别分忆抗元的指纹特征是什么;如何通过普通的忆阻和电容与电感以模拟电路形式有效实现任意分数阶忆阻元.基于大量的前期探索性研究成果,对上述一系列理论难题进行了初步探讨.分忆抗元解决了分抗元很难实现记忆端口电荷或磁通量的功能,而且分忆抗元可作为一种基本电路元件应用到混沌系统、神经元电路、神经网络电路等的设计.     

基于分数阶积分的图像去噪

为了在图像去噪的同时更多地保留图像的细节信息,介绍了分数阶积分算子在信号滤波中的作用,并将分数阶积分理论引入到数字图像去噪。该方法通过设定较小的分数积分阶次来构建相应的图像去噪掩模,并且利用迭代的思想来控制图像去噪的效果,从而实现图像去噪的局部微调。实验结果表明,基于分数阶积分的图像去噪算法较传统去噪方法不仅可以提高图像的信噪比,而且可以更好地保留图像的边缘和纹理等细节信息。     

新疆深井低压高渗地层防止压差卡钻技术研究

以新疆准噶尔南缘地区深井中低压高渗地层特点为对象,分析了发生压差粘附卡钻的潜在原因。针对压差粘附卡钻的特点,提出并建立了两种评价压差卡钻的实用方法,即静失水比较法和压差卡钻趋势测定法。根据部分实验研究结果和新疆深井钻井液体系特点,提出了新疆深井中低压高渗地层防止压差卡钻的工艺技术措施。     

基于机器学习的低渗透砂岩聚合物驱采收率预测

在恶劣的油藏条件下，化学驱提高采收率方法的可行性主要在实验室进行，以探究化学驱方案在现场实施的可能效果，但此类实验通常昂贵且费时。为了提高筛选效率和研究变量关系，进行了3个聚合物驱油实验项目，其次通过构建14种机器学习基础模型来预测低渗透砂岩聚合物驱油实验的效率。结果表明多层感知机(MLP)、随机树(RF)和极限梯度上升(XGB)模型表现最佳，它们在测试集的确定系数均为0.99，均方根误差分别为0.855、0.836和0.859。模型表明特征重要性由强至弱依次为含水率、累积注入孔隙体积、渗透率、非均质系数、孔隙度、聚合物注入量、聚合物浓度、注入压力。本研究为室内物理低渗透砂岩聚合物驱提供了可靠的数据，给出了14种机器学习模型预测性能直接对比，建立了高拟合高泛化高稳定低误差的低渗透砂岩聚合物驱预测模型，这将有助于化学驱方案快速在低渗透储层应用，以及降低失败风险。