陕北志丹地区长6低电阻率油层成因机制研究

低电阻率油藏作为一种非常规油藏已被人们所认知,由于成因机制复杂,识别难度大,常被人们遗漏或错判。为了详细研究陕北志丹地区低电阻率油层的成因机制,以长6储层为研究目的层位,采用实验分析、测井曲线重叠法、交会图等方法,建立相关的平、剖面图,并结合研究区试油试采成果,对长6储层低电阻率油层的成因机制进行了深入分析。认为志丹油区低阻油层发育众多,资源潜力大,约占其总储量的40%,分布广泛,成因机制复杂,很难用常规方法进行识别;多数油层电阻率主要介于2~21Ω·m之间,甚至小于0.6Ω·m.最终得出沉积砂体控制作用、岩性细,束缚水饱和度高、粘土附加导电性和高放射性砂岩是长6低电阻率油层发育的主要因素;由于区域地质状况的差异,初步探索出了适合研究区的低电阻率油层识别标准,以便为以后研究低阻油藏提供参考与借鉴。     

日韩两国垃圾分类经验对我国的启示

日本、韩国等亚洲发达国家的垃圾分类经历了很长时间的发展，到现在为止已经形成了比较完善的垃圾分类体系。而我国的垃圾分类虽然已经实施了十几年的时间，但仍然处于起步阶段。通过学习借鉴日本、韩国的优秀经验和做法，可以帮助我们少走弯路，有助于尽快建设与完善具有我国特色的垃圾分类体系，进而保护环境，节约资源。     

巨灾风险大数据处理应急分类、分解、分拣算法与应用

本文主要研究巨灾风险大数据处理的应急分类、分解、分拣算法,给出了相应的算法原理和可操作的步骤.首先根据巨灾风险大数据灾害规模巨大的特征,提出了一种用来解决巨灾风险大数据中一级事件的应急分类与二级事件及以下更低级事件的应急分解算法,并以特大地震灾害作为实例进行了算法应用.接着定义了事故灾难度,用来对巨灾风险大数据处理过程中,对各种级别的事故灾难后果进行不同的数字标识.然后提出一种用来解决巨灾风险中大数据快速处理的应急分拣算法,并在汶川地震中大规模灾害的应急救援计划中进行应用.经过采用这样的应急分拣原理,就可以在面对巨灾风险大数据的复杂、繁多和零乱的重灾事件状态下,使整个应急救援方案优化,并能够有条不紊地进行救援.     

基于小波变换谱信息的溢油油膜厚度分类研究

本文提出一种基于小波变换谱信息的新型分类算法。该算法通过分析不同地物光谱曲线及高频小波系数曲线的奇异性，提取不同厚度油膜的敏感波段，以敏感波段的低频小波系数为基础，重新生成低频小波系数图像并进行分类。实验结果表明，该方法可找到不同厚度油膜的敏感波长，有效提升不同厚度油膜识别精度。     

地理国情普查地表覆盖内业解译的质量问题研究

地表覆盖内业解译是地理国情普查的一道重要工序。地理国情地表覆盖内业解译现存图斑平面位置精度不足、分类错误多种多样等普遍问题,问题突出典型。文中针对这些问题图文并茂、清晰明了的进行了说明,并从多方面分析问题产生的原因,提出加强对技术指标和采集原则的学习和理解,加强内业与外业的结合,充分发挥解译样本的作用等建议,以有效提高内业解译的质量。     

移动通讯终端运动图像高效处理技术

随着数码相机以及手机终端功能的集成应用,移动的通讯终端正向单一的通讯工具向多样化终端转变。这使得视频处理技术得到了很大的提升,推动了移动通讯终端的高速发展。本文首先介绍基于通讯终端的运动图像处理技术的独特优势,以SkywordsSolutions的Skywords平台为基础,论证了运动目标识别技术在可移动终端机开发与实现的可行性。     

基于模态应变能相关性的结构损伤定位研究

本文基于灰色相关性理论,通过分析结构发生损伤时单元模态应变能与未损伤时单元模态应变能的相关性对结构损伤进行定位,提出了模态应变能置信因子,根据该因子的变化曲线即可实现结构损伤的准确定位。将该方法用于两端固支梁的单损伤及多损伤的损伤定位中,识别结果可以验证:无论是单损伤还是多损伤、损伤是连续或是不连续、损伤程度是否相同,该方法对结构中的损伤都能实现准确定位,后续研究将此方法应用于大型复杂结构的损伤识别中。     

基于主题突变检测的颠覆性技术识别——以无人机技术领域为例

 颠覆性技术对实现中国科技创新跨越式发展具有重要战略意义。以无人机技术领域为例，获取Web of Science论文数据库和德温特（Derwent）专利数据库2005-2019年收录的2812篇论文与专利数据，基于LDA-LSTM文本分类算法得到技术主题，采用CiteSpace构建共现网络，从突变权重排序及突变时间段和突变共词聚类知识图谱2个角度进行主题突变检测，进而识别出无人机交互技术中的脑机接口技术及手势控制技术为该领域内的颠覆性技术，通过2020年无人机技术领域相关论文专利验证了识别框架的有效性。     

小样本条件下SCGAN+CNN低分辨雷达目标一步识别算法

现有低分辨雷达目标识别方法，通常采用先特征提取、再进行目标分类的两步识别算法，这种算法存在识别率难以提高和方法泛化性不足的问题，对此，提出一种增强条件生成对抗网络（strengthening condition generative adversarial network，SCGAN）+卷积神经网络（convolutional neural network，CNN）的低分辨雷达目标一步识别算法。该算法利用CNN自动获取采样数据深层本质特征，无需特征提取，实现对目标的一步识别。为进一步提高小样本条件下的识别效果，基于CGAN理论来提高样本在特征空间的覆盖程度，并对CGAN的判别器进行改进，在损失函数中增加混叠惩戒项，通过SCGAN生成不混叠的生成样本来更好地训练CNN，提高其在小样本条件下的识别能力。仿真对比实验校验了一步识别算法较传统两步识别算法的优越性，以及SCGAN+CNN的低分辨雷达目标一步识别算法在小样本条件下的有效性。     

基于改进的局部保持投影的战时备件分类

为提升战时合成部队备件保障效能，需对其进行有效分类，以便开展备件的预储预置。针对备件种类多、时效性强、影响分类因素复杂的现实问题，提出了基于改进的局部保持投影的备件分类方法。首先，根据战时备件分类储备的影响因素，作为备件分类的特征指标，其次，利用改进的局部保持投影的降维方法对备件原始特征数据进行特征降维，得到低维特征向量。再利用支持向量机（support vector machine，SVM）的分类器对低维数据进行分类。并通过量子粒子群对SVM的核函数参数进行寻优，提升备件分类精度，得到满足备件分类准确率最优时的降维维数和分类器参数。最后，通过对演习装备备件分类的实例分析，验证了模型的可行性和合理性，并对比分析了其他分类方法，表明该方法能够较好地解决战时备件分类的问题。