基于Visual Basic编程的深井有杆泵设计

针对西部油田井深、温度和压力高的特点,展开深井有杆泵采油技术研究。研究过程中用实际井温度压力数据对温度压力模型进行对比,选择合适的深井温度压力计算方法。杆柱设计过程中考虑深井中常用玻璃钢杆柱的情况,针对深井载荷较大的特点,以整体杆柱质量最轻为第一目标,结合Visual Basic编程手段,提出一套深井有杆泵程序设计方法;并对现场深井进行有杆泵优化设计。结果表明:设计方案与实际生产数据相比,能使载荷明显减小,满足深井生产要求,为深井有杆泵设计提供方便。     

深部咸水层二氧化碳沿断层泄漏的运移规律研究

以深部咸水层二氧化碳地质封存为背景,基于多组分多相流运移理论,对咸水层储存二氧化碳沿断层泄漏的运移规律进行研究。建立二维多岩相结构模型,通过数值方法分析二氧化碳在断层通道和上覆岩层中的运移规律,以及运移过程中二氧化碳相态的变化特征,并对断层的渗透率进行敏感性分析。结果表明,深部咸水层二氧化碳在浓度差和压力差作用下沿断层通道向上覆岩层运移。二氧化碳的密度比水小,重力差使二氧化碳受到向上的浮力,因此在岩层中二氧化碳的分布特征整体上呈类似漏斗的形态。随着泄漏的进行,二氧化碳不断驱替断层通道中的水分,密度减小;随着两相流变成单相流,断层通道逐渐被蒸干。此外,断层渗透率是整个泄露过程中流体运移的重要影响因素。     

2019年微纳米力学热点回眸

 微纳米尺度下材料的力学性能与样品的尺寸和表界面等物理量密切相关，因此纳米材料的力学性能可以在很大范围内进行高效的调节，使得纳米材料能够拥有超轻、超硬、以及高断裂强度和高韧性等卓越的力学性能。从尺度缺陷效应和生长机理、屈曲机理分析和应用、界面力学性能和应用、生物和软物质力学性能、软体机器人、机器学习等方面盘点了微纳米力学2019年取得的研究成果。     

南海深海塑料垃圾污染

 渔业捕捞及商业航运活动的塑料排放是南海深海塑料污染的主要来源。南海深海微塑料污染始于20世纪80年代，具有明显陆源输入的特征，陆架近岸区域微塑料污染严重。陆坡深海峡谷是塑料/微塑料向深海盆地输运的主要通道，近底浊流在输运中发挥了重要作用。综述了南海海底塑料垃圾深潜研究的最新进展，首次提出了深海塑料垃圾生态系统的概念。     

对多功能雷达的DQN认知干扰决策方法

基于Q-Learning的认知干扰决策方法随着多功能雷达(multifunctional radar, MFR)可执行的任务越来越多,决策效率明显下降。对此,提出了一种对MFR的深度Q神经网络(deep Q network, DQN)干扰决策方法。首先,分析MFR信号特点并构建干扰库,以此为基础研究干扰决策方法。其次,通过对DQN原理的简要阐述,提出了干扰决策方法及其决策流程。最后,对该决策方法进行了仿真试验并通过对比DQN和Q-Learning的决策性能,验证了所提方法的必要性。为提高决策的实时性和准确率,对DQN算法进行了改进,在此基础上,结合先验知识进一步提高了决策效率。仿真试验表明:该决策方法能够较好地自主学习实际战场中的干扰效果,对可执行多种雷达任务的MFR完成干扰决策。     

基于神经网络的图像描述方法研究

自动识别和描述图像的内容是人工智能中一个重要的研究方向,它涉及计算机视觉和自然语言处理技术。针对这一难题,提出了一种由深层神经网络模型生成自然语言句子来描述图像内容的方法。该方法提出的模型由卷积神经网络(Convolution Neural Network,CNN)和循环神经网络(Recurrent Neural Network,RNN)组成,其中,CNN用来提取输入图像的特征生成固定长度的特征向量,该特征向量初始化RNN来生成句子。在MSCOCO图像描述数据集上的实验结果表明了该模型所生成句子的语法准确性和语义准确性,且优于先前的基线模型。     

基于深度学习的节假日高速公路交通流预测方法

准确的预测节假日期间高速公路交通流量，能够为节假日高速公路应急管理提供重要的数据基础。利用深度学习的理论框架建立了LSTM-SVR 预测模型，利用BP 神经网络对样本数据进行处理，再将LSTM 捕获的数据特征输入SVR 回归层中实现交通流预测。选取“ 十一” 黄金周前后时段，利用位于丽江市的交调站流量监测数据对LSTM-SVR 模型进行验证，并将LSTM-SVR 模型与其它模型预测效果进行对比。发现LSTM-SVR 模型在节假日不同时段、天气、流量状态下的高速公路交通流预测中有较好的适用性。     

面向同源蛋白质探测的一种新型混合深度学习模型

根据蛋白质氨基酸链探测其同源蛋白质,进而预测蛋白质的功能,是生物信息学研究领域的一个重要挑战,也是众多生物医学研究领域的基础研究内容,有着重要的科研价值和广泛的应用需求。其研究难点在于:(1)如何学习对同源蛋白质预测有效、有用的蛋白质特征信息;(2)如何更好地运用蛋白质特征信息,实现同源蛋白质的探测与识别。为了解决同源蛋白质探测与识别研究中的关键难点,本文提出一种基于混合深度学习架构的同源蛋白质探测与识别模型(HDLM-PHP)。通过采用统一的"管道式"深度学习架构,将蛋白质特征学习和探测识别统一为一个整体,提高同源蛋白质探测与识别的效能。采用多组并行的深度卷积神经网络,学习蛋白质的各种属性信息,以期获得丰富的待检测蛋白质和靶蛋白质的高级相关性特征,并通过全连接方式使用多层RBM结构融合和精炼这些相关性特征为全局相关性特征。通过统一的深度网络连接方式,以探测和识别任务为导向,学习到对于同源蛋白质预测最有效、最全面的蛋白质特征信息。在标准数据集SCOPe上,对所提模型进行性能与效率评测,结果表明:本文提出的模型能有效地学习到符合任务导向的蛋白质特征数据,提升同源蛋白质探测与识别的准确度和召回率,优于现有的模型和算法。     

Phylogenetic analysis of extreme morphologies: deep-sea holasteroid echinoids

Because of their ‘bizarre’ features, some echinoids can be considered laboratories in which to analyse the origin of extreme morphologies. The holasteroid family Urechinidae Duncan, 1889 is such a group. It is composed of 18 previously named living species in three genera: Urechinus A. Agassiz, 1879, Plexechinus A. Agassiz, 1898, and Pilematechinus A. Agassiz, 1904. With Stereopneustes, the most closely related living taxon, and the calymnid-plus-pourtalesiid clade as outgroups, a phylogenetic analysis on 35 binary characters is produced. We focus on two major aspects of morphology: test features (apical system, basicoronals, interambulacrum 5, test shape, ambulacra) and external appendages (pedicellariae, spines, sphaeridia). New data on plate architecture, morphology, and appendages are illustrated, and the position of the fossil, Chelonechinus, is discussed. We show that the Urechinidae is paraphyletic: the genus Plexechinus shares more recent common ancestry with the calymnids and pourtalesiids than with other urechinids. In order to retain the well-circumscribed clade, Pilematechinus A. Agassiz, 1904, the phylogenetic classification also recognizes two additional genera: Cystechinus A. Agassiz, 1879, and Antrechinus new genus. A key to the species is provided. The production of extreme morphologies, such as internal parental care, is explored by mapping test size, the occurrence of fascioles, and periproct position onto the phylogeny. By adding plates early in ontogeny, Pilematechinus develops radically different plate architectures from another genus of large forms, Cystechinus. In contrast, the latter gets large by exaggerating allometric trends seen in other holasteroids. Paedomorphosis and miniaturization have evolved independently in Antrechinus and some Plexechinus, but always by truncation of allometric trajectories.     

基于卷积ADMM网络的高效结构化稀疏ISAR成像方法

结构化稀疏逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像是空间态势感知与目标识别的重要手段。该问题可通过压缩感知(compressive sensing, CS)方法解决。目前, 许多传统CS方法仍存在运算效率低、参数适应性不强等问题。针对该问题, 本文提出了一种基于卷积交替方向乘子法网络(convolutional alternating direction method of multipliers network, C-ADMMN)的结构化稀疏ISAR成像方法。利用深度展开方法, 结合传统结构化稀疏ISAR成像模型, 构建C-ADMMN网络。通过监督学习, C-ADMMN仅需约10层网络便可达到传统方法上百次迭代的效果, 具有较高的运算效率且对不同目标具有一定适应性。基于仿真与实测数据的实验结果验证了网络的高效性与参数适应性。