利用卷积神经网络的显著性区域预测方法

针对神经网络的显著性区域预测存在数据采集代价大、处理繁琐等问题,提出2种卷积神经网络,即从头开始训练的浅层卷积神经网络,以及前三层源自另一个网络的深层卷积神经网络。其中,浅层网络结构简单,可避免过拟合问题;深层网络可以充分利用最底层的模型参数,收敛更快,效果更好。所提卷积神经网络应用于回归问题,均没有直接训练特征图的线性模型,而是在迁移层上训练了一堆新的卷积层。从端到端的角度解决显著性预测,将学习过程演化为损失函数的最小化问题。测试和训练在SALICON,SUN和MIT300数据集上进行,实验结果验证了所提方法的有效性。其中,深层网络和浅层网络在SALICON和SUN数据上的结果相似,深层网络在MIT300上的结果更优,与其他方法相比,所提方法具有不错的表现,而且具有跨数据集的鲁棒性。     

弱电网下模型预测并网逆变器控制策略

针对有限控制集模型预测控制系统在弱电网并网时存在电网阻抗无法忽略、电网电压突变、系统有延时、电流跟踪精度低的问题,提出了利用参考电流矢量角补偿的方法加以开关权重系数约束方式。首先搭建传统三相并网逆变器有限控制集模型预测电流控制模型;其次运用参考电流矢量角补偿方法,对预测电流参考值存在误差进行补偿来弥补因电网阻抗与系统电流波动产生的误差,并加入开关函数优化权重系数,使得系统具备两目标兼顾优化的特点,同时在电网电压发生突变时,系统符合并网要求,动态电流跟踪精度准确;最后通过Matlab/Simulink仿真验证了方法的合理性以及有效性。     

基于特征曲线重构的波阻抗反演在复杂储层预测中的应用

在目前储层预测方法中,基于测井约束的波阻抗反演作为一项关键技术,应用效果较为良好。对于其反演效果的优劣,声波测井资料品质具有显著影响。当声波特征曲线对有效储层与围岩差异的敏感性较低时,常规测井约束反演的结果对储层刻画能力会有所不足,而测井特征曲线重构技术则可以有效改善储层预测效果,提高砂体边界刻画的精度。本文在研究区实际地质特征分析的基础上,依据现有地震、测井资料,并结合储层预测需要,从声波测井资料的特点出发,通过特征曲线重构方法,将自然伽马、自然电位、电阻率等对岩性较为敏感的特征曲线与声波资料融合,最终在重构后的声波曲线基础上,通过测井约束波阻抗反演来表征储层。实际应用结果表明砂、泥岩得到良好区分,储层描述明显改善,为后续生产开发提供了有效指导。     

基于叠前反演的神经网络孔隙度预测技术——以南川地区为例

孔隙度是海相页岩气富集高产一个重要因素,获取孔隙度平面特征是优选页岩储层"甜点"的一个关键环节。应用叠前反演技术及概率神经网络技术定量预测南川地区孔隙度,首先在叠前反演过程中,做好道集预处理、地震标定、子波提取,低频模型建立关键技术质量控制,获取高精度叠前反演成果;其次在概率神经网络学习训练过程中,做好交叉验证分析,优选地震属性。通过两种技术方法的结合,有效预测了南川地区孔隙度发育特征,为页岩水平井部署、钻探及区域综合评价提供资料基础。     

基于无偏估计的装甲装备器材需求灰色预测

针对装甲装备器材需求数据采集过程中存在的数据采集偏差,建立了存在数据采集误差的装备器材需求灰色预测模型;分析了装备器材需求灰色预测模型中,最小二乘估计为无偏估计的条件是数据采集误差的期望为0,否则,最小二乘估计为有偏估计;最后针对数据采集偏差期望不为0的条件,给出一种基于辅助变量的无偏参数估计方法.通过实际案例仿真分析验证了方法的合理性和可行性.     

消费者感知风险若干因素的影响分析——基于产品伤害危机的视角

消费者对产品的需求是企业经营的出发点和归宿。为此,研究和分析产品伤害危机对企业的影响必须考虑消费者的感知风险因素。消费者的因素没有正确处理,必然会导致其改变对企业的认识,产生不良影响。正是在这样的思路下,通过对消费者感知风险若干因素的分析,探寻在产品伤害危机时如何降低消费者对企业的影响,帮助企业最大限度地减少因伤害带来的损失。     

miR-430基因簇的生物信息学分析

很多microRNA （miRNA）基因在基因组上紧密排列形成miRNA基因簇,mir-430是目前已发现的最大miR-NA基因簇,但其起源和进化方面却是未知的.为了揭示mir-430基因簇的起源及其在相关物种的进化关系,文中基于miRNA序列同源保守的特点,采用BLAST程序在NCBI基因数据库中搜索mir-430序列,在14个物种中共搜索到35个mir-430基因序列,这14个物种都为硬骨鱼类.多序列对比发现mir-430基因簇成熟序列的第2到第8位碱基以及第16到第22位碱基为保守序列.进化分析表明七鳃鳗的pma-mir-430基因可能是此基因家族最早出现的基因形式,并且pma-mir-430e可能是其他物种mir-430基因的祖先基因.祖先基因经过个别碱基的缺失及突变、串联重复和大片段重复等方式形成了mir-430基因簇.该研究通过分析不同物种中mir-430基因簇的特征,揭示mir-430基因簇的分子进化规律,为其调控网络和功能研究提供理论基础.     

时变参数模型在建筑物变形分析中的应用

对传统GM(1,1)沉降预测模型进行分析后,发现参数采用固定值与实际情况不符,会影响预测精度.为弥补这一不足,对传统灰色模型进行改进,假定参数是时间的连续函数,并对之做了拟合,提出含时变参数的GM(1,1)预测模型.实例证明此模型比传统GM(1,1)模型精度更高.     

基于摩擦效应的砂岩裂缝密度定量预测

以挤压型盆地内低渗砂岩储层为研究目标,研究应力场与裂缝参数的关系,通过岩石力学实验与理论推导相结合的方法,建立一套基于考虑裂缝面摩擦耗能的裂缝密度定量预测方法。研究表明:岩石变形准则与能量转换法相结合是建立应力场和裂缝参数力学模型的有效途径,当岩石内部应力状态超过破裂条件后,裂缝密度随应变能密度的增加而增大;裂缝的形成除了要克服岩石内在的黏聚力外,还要克服围压与摩擦效应形成的阻力,可使用库仑-莫尔破裂准则进行岩石破裂判别,进而明确应力-应变与岩石产生裂缝密度的数学关系。所建立的模型应用于准西北缘低渗砂岩裂缝密度预测取得了良好的效果。     

一种基于AC-RBF神经网络的网络安全态势预测方法

为了准确地把握网络安全发展态势,提出了一种基于自适应聚类径向基函数(adaptive clustering radical basis function,AC-RBF)神经网络的网络安全态势预测(network security situation prediction, NSSP)方法?该方法对网络安全态势样本自适应聚类,获得了神经网络隐层节点数,采用梯度下降法训练神经网络,寻找网络安全态势样本之间的非线性映射关系,利用该关系对未来时刻网络安全态势进行了预测? 仿真实验表明,相对于 K-均值 RBF 神经网络及支持向量机(support vector machine,SVM)预测模型,该方法在神经网络规模较小的情况下,不仅能够反映网络安全态势的总体趋势,而且还提高了预测精度,能够提供给网络安全管理员一个直观的网络安全态势图 ?